먼저 답하면
AI 모델의 가중치를 내려받을 수 있다고 해서 곧바로 오픈소스 AI가 되는 것은 아니다. Open Source Initiative의 Open Source AI Definition 1.0을 기준으로 판단하려면 파일의 공개 여부뿐 아니라 사용·연구·수정·공유의 자유, 이를 실제로 행사하는 데 필요한 정보와 코드까지 함께 살펴야 한다.
여기서 중요한 표현은 ‘OSI 1.0 기준’이다. 이 정의는 오픈소스 AI를 판별하기 위한 하나의 명시적 기준이지, 모든 기관이 채택한 법적 판결이나 업계의 유일한 합의는 아니다. 따라서 개별 기업이 모델을 ‘오픈’이라고 소개했다는 사실과 OSI 기준을 충족한다는 평가는 구분해야 한다.
가중치는 모델의 일부다
가중치는 AI가 학습 과정에서 얻은 파라미터의 집합이다. 모델 구조에 적용돼 입력으로부터 출력을 만드는 데 관여한다. 가중치가 공개되면 이용자는 해당 파일을 확보하고 실행 가능한 환경에서 모델을 구동하거나 분석할 가능성을 얻는다. 비공개 모델보다 접근 범위가 넓어졌다는 의미는 분명하다.
그러나 가중치 파일은 AI 시스템 전체와 같은 말이 아니다. 어떤 권한으로 사용할 수 있는지, 작동 방식을 연구할 수 있는지, 수정한 결과를 배포할 수 있는지는 파일이 존재한다는 사실만으로 결정되지 않는다. 수정에 필요한 자료가 어디까지 제공되는지도 별도의 문제다. ‘다운로드 가능’은 접근 상태를 설명하지만, ‘오픈소스’는 허용된 자유와 제공 방식까지 포함하는 판단이다.
OSI가 요구하는 네 가지 자유
OSI 1.0은 오픈소스 AI에 네 가지 자유를 요구한다. 첫째, 허가를 따로 받지 않고 어떤 목적으로든 시스템을 사용할 수 있어야 한다. 둘째, 시스템이 어떻게 작동하는지 연구하고 그 구성 요소를 살펴볼 수 있어야 한다. 셋째, 출력 변경을 포함해 어떤 목적으로든 시스템을 수정할 수 있어야 한다. 넷째, 원본이나 수정본을 다른 사람이 사용하도록 공유할 수 있어야 한다.
이 자유는 완성된 AI 시스템에만 적용되지 않는다. OSI는 모델, 가중치와 파라미터 같은 개별 구성 요소에도 같은 요구를 적용한다. 따라서 “연구 목적으로만 사용”, “특정 분야에서는 사용 금지”, “수정본 배포 불가”처럼 목적이나 행위를 제한하는 조건이 있다면 네 가지 자유와 어떤 관계인지 검토해야 한다. 실제 판정은 홍보 문구가 아니라 배포 조건과 라이선스 문언을 기준으로 해야 한다.
수정 가능성을 만드는 자료
권한이 넓어도 수정에 필요한 형태에 접근할 수 없다면 자유를 실질적으로 행사하기 어렵다. 그래서 OSI 1.0은 ‘수정하기에 선호되는 형태’에 대한 접근을 전제로 둔다. 단순히 결과물을 실행할 수 있는 상태와 내부를 이해하고 변경할 수 있는 상태를 같게 보지 않는 것이다.
특히 OSI는 ‘오픈소스 모델’과 ‘오픈소스 가중치’가 그 파라미터를 도출하는 데 사용된 데이터 정보와 코드를 포함해야 한다고 설명한다. 이는 가중치를 공개하면 학습 데이터 원본 전체를 반드시 그대로 배포해야 한다는 뜻으로 확대해서는 안 된다. 핵심은 가중치 파일 하나만 보고 수정에 필요한 제공 범위까지 충족됐다고 추정할 수 없다는 점이다. 어떤 데이터 정보와 코드가 함께 제공되는지 실제 공개물을 확인해야 한다.
라이선스와 공개 범위를 나눠 본다
개별 모델을 판단할 때는 먼저 라이선스가 허용하는 행위를 읽어야 한다. 상업적 이용 여부만 확인해서는 부족하다. 목적 제한 없는 사용, 작동 방식의 연구, 수정, 원본과 수정본의 공유가 각각 허용되는지 나눠 봐야 한다. 하나의 포괄적인 ‘사용 가능’ 문구가 네 가지 자유를 모두 보장한다고 미리 가정해서는 안 된다.
그다음에는 공개된 구성 요소를 확인한다. 가중치만 있는지, 모델을 실행하고 수정하는 데 필요한 코드가 제공되는지, 파라미터 도출과 관련된 데이터 정보가 포함되는지를 구분해야 한다. 자료가 저장소 여러 곳에 흩어져 있다면 각각의 적용 조건도 같다고 단정할 수 없다. 가중치, 코드, 관련 정보에 서로 다른 조건이 붙을 수 있으므로 구성 요소별로 범위를 판단해야 한다.
OSI 정의는 모델 파라미터의 자유로운 이용을 보장하는 법적 수단을 하나로 지정하지 않는다. 라이선스나 다른 법적 장치가 필요할 수 있고, 법적 취급은 더 명확해질 여지가 있다고 설명한다. 그러므로 특정 라이선스 이름만으로 결론을 내리기보다 실제 권한과 제한이 정의의 자유를 충족하는지 읽는 편이 정확하다.
공개 발표를 읽는 순서
새 AI 모델이 나왔을 때는 ‘가중치 공개’라는 문구에서 판단을 멈추지 않는 것이 좋다. 먼저 무엇을 받을 수 있는지 확인하고, 이어서 그 자료로 무엇을 할 수 있는지 살핀다. 마지막으로 수정에 필요한 정보와 코드가 어느 범위까지 제공되는지를 연결해 보면 된다.
이 순서를 적용하면 ‘접근 가능’과 ‘오픈소스’의 차이가 선명해진다. 가중치를 받을 수 있다는 사실은 중요한 공개 수준이지만 OSI 1.0의 결론은 아니다. 반대로 특정 모델을 비오픈소스라고 판정하려면 실제 라이선스와 공개 자료에서 어떤 요건이 충족되지 않는지도 확인해야 한다. 공개됐다는 이름보다 공개된 대상, 부여된 권한, 수정에 필요한 자료라는 세 축을 읽는 것이 오픈소스 AI를 판단하는 가장 정확한 출발점이다.
참고자료
참고 1: Open Source Initiative · The Open Source AI Definition 1.0 https://opensource.org/ai/open-source-ai-definition