AI가 예술과 음악을 생성하는 방법, 그리고 왜 '진정한 창의성'은 계속 논쟁의 여지가 있는가

생성 AI 도구는 이제 짧은 텍스트 프롬프트에서 이미지, 곡, 전체 트랙을 생성할 수 있으며, 이를 뒷받침하는 기술은 현재 활발한 법적, 문화적 분쟁이 되었습니다. 2026년 10월, 음악 출판사 Reservoir는 캘리포니아 북부 지구 미국 지방 법원에서 Suno와 Anthropic을 상대로 소송을 제기하여 두 회사가 라이선스 없이 수천 개의 저작권이 있는 작곡으로 AI 시스템을 훈련했다고 주장했습니다. 그 투쟁과 함께 연구자들은 별도의 질문을 계속 논의하고 있습니다. 이 결과물이 창의성으로 적격이 되는가, 아니면 완전히 다른 무언가인가?

AI 생성 이미지가 어떻게 구축되는가

Stable Diffusion, Midjourney, DALL-E와 같은 도구는 확산 모델이라고 불리는 것에 의존합니다. 훈련 중에 시스템은 실제 이미지를 표시하고 원본 사진이 인식할 수 없을 때까지 무작위 노이즈가 단계별로 추가됩니다. 그러면 모델은 역 프로세스를 학습합니다. 즉, 해당 노이즈를 다시 제거하는 방법입니다. Cloudinary가 발행한 기술 가이드에 따라. 생성은 이를 역으로 수행합니다. 시스템은 순수한 무작위 노이즈에서 시작하여 단계별로 제거합니다. 초기 단계는 광범위한 형태와 구성을 생성하고 후기 단계는 텍스처, 조명 및 세부 사항을 구체화하여 일관된 이미지가 나타날 때까지입니다. 텍스트 프롬프트는 각 디노이징 단계를 유도하여 모델에 향하는 주제, 스타일 및 설정이 무엇인지 알려줍니다.

AI가 텍스트 프롬프트에서 음악을 작곡하는 방법

Suno 및 Udio와 같은 음악 시스템은 세부 사항에서는 다르지만 원칙적으로는 유사합니다. 원본 오디오는 너무 조밀합니다. 초당 수백만 개의 숫자. 언어 스타일 모델로 직접 피드하려면. 이 시스템은 먼저 신경 오디오 코덱을 사용하여 사운드를 작은 수의 이산 '토큰'으로 압축하여 AI-TLDR의 기술 개요에 따르면 약 600배 압축을 달성합니다. 오디오를 토큰으로 변환되면 대규모 언어 모델 뒤의 같은 유형의 아키텍처인 트랜스포머 모델이 다음 토큰을 예측하고, 그 다음을 예측하여 전체 곡을 조각별로 구축합니다. 텍스트 프롬프트(및 가사)는 먼저 장르, 템포 및 곡 구조를 다루는 대략적인 계획으로 확대된 후 오디오 토큰이 생성됩니다. 모델은 대규모 음악 라이브러리에서 훈련되며 해당 개요에서 사용한 설명에 따르면 특정 기존 곡을 검색하기보다는 코드 진행과 곡 구조를 흡수하는 '작곡 엔진'으로 기능합니다.

기술 뒤의 저작권 전투

이러한 시스템을 훈련하려면 막대한 양의 기존 창작물이 필요하며, 이는 이제 활발한 소송의 대상입니다. Reservoir의 2026년 10월 21일 소송은 Suno가 1,050개의 저작권이 있는 음악 작곡을 사용했고 Anthropic이 853개 작곡의 가사를 사용했다고 주장합니다. Madonna, Johnny Cash, Joni Mitchell의 작품을 포함. 라이선스 없이. Law Commentary에서 검토한 제출 요약에 따라. Reservoir는 Suno로부터 약 1억 8,640만 달러의 법정 손해배상을 요구하고 Anthropic로부터 약 1억 5,140만 달러를 요구하고 있으며 디지털 밀레니엄 저작권법에 따른 청구도 요구하고 있습니다. Suno는 저작권이 있는 자료로 AI를 훈련하는 것이 공정 사용으로 적격이 될 수 있다고 주장했으며 별도로 Warner, BMG, Believe와 라이선스 계약을 체결했습니다. Anthropic은 사건을 방어할 의도를 밝혔습니다. Reservoir의 불만은 이러한 라이선스 거래를 음악을 사용하기 위한 합법적인 시장이 이미 존재한다는 증거로 인용하고 있습니다.

이것이 '창의적'입니까? 연구자들은 동의하지 않습니다

법적 문제와는 별개로 학자들은 이러한 시스템의 결과물이 창의성의 합리적인 정의를 충족하는지 여부에 대해 동의하지 않습니다. 전산 언어학자 Emily Bender와 동료들은 대규모 모델을 '확률적 앵무새'로 설명합니다. 훈련 데이터의 패턴을 통계적으로 반향하기보다는 아이디어를 시작하지 마십시오. Heidelberg Laureate Foundation의 논쟁 검토에 따르면. 컴퓨터 비전 연구자 Alexei Efros는 체스 또는 바둑과 같은 닫힌 규칙 기반 도메인과 개방형 도메인(예: 예술) 사이를 구분합니다. AI 시스템이 고정된 규칙 내에서 혁신할 수 있다고 말할 수 있습니다. 고정된 목표가 없습니다.

다른 연구자들은 다른 각도에서 반박합니다. AI 연구자 Selmer Bringsjord는 현재의 AI 결과물이 훈련 데이터를 '리믹싱'하는 것으로 진정한 창작이 아니라고 주장하며 Lovelace Test를 제안했습니다. 그 아래서 시스템은 자신의 설계자가 설명할 수 없는 결과물을 생성하는 경우에만 창의적으로 계산될 것입니다. 그는 오늘날의 모델이 이 기준을 충족하지 않는다고 말합니다. BrainFacts.org에서 발행된 요약에 따르면. 심리학자 Mark Runco는 의도가 인간의 창의성의 중심이라고 덧붙입니다. 사람들은 의식적으로 창작하기로 선택합니다. 한편 AI 시스템은 사용자의 의도를 반영하는 프롬프트에 응답합니다. 자신의 것이 아닙니다. 테스트 근거에서 같은 BrainFacts.org 요약은 GPT-4를 포함한 일부 모델이 다양한 아이디어를 생성하는 능력을 측정하는 발산적 사고 테스트에서 평균 인간보다 높은 점수를 받았다고 기록합니다. 다만 상위 인간 창의적 수행자들은 여전히 해당 연구에서 테스트된 AI 시스템을 능가했습니다.

논쟁이 예술가와 청취자를 어디로 남기는가

Heidelberg Laureate Foundation의 검토에서 인간 창의성의 정의가 이미 연구자들 사이에서 얼마나 논쟁의 여지가 있는지 고려할 때, AI에 대한 확정적 답변은 파악하기 어려울 수 있습니다. 그 검토에서 인용된 여러 해설자는 더 실용적인 길을 AI를 인간의 창작 작업을 증강하는 도구로 취급하는 것으로 표현합니다. 자체적인 창의적 에이전트가 아니라. 프레이밍은 이러한 시스템이 처음부터 훈련된 방식에 대한 진행 중인 저작권 분쟁과 함께 있지만 이를 해결하지는 않습니다.