earticle

영어

This study examines how the technical pipeline of generative AI—representation, latent representation, and probabilistic sampling—structurally departs from human creative agency and traditional liability doctrines. Whereas human creators exercise chooser-based decisional and expressive control, generative models replace this with statistical encoding, irreversible latent-space transformations, and stochastic generation, thereby eliminating the intentional selection that conventional responsibility frameworks presuppose. Based on this divergence, the study proposes a three-tier structural liability model— (1) absent actorhood, (2) structural control, and (3) defect occurrence—as an alternative to intent-centered approaches. It also reorganizes the developer–platform–user liability matrix by mapping each actor’s control capacity to risk-formation points within the model lifecycle. This framework aims to close responsibility gaps in generative AI and improve normative predictability through a technologically grounded attribution structure.

한국어

본 연구는 표상(representation)–잠재표상(latent representation)–확률적 샘플링(probabilistic sampling)으로 이어지는 생 성형 인공지능의 기술 메커니즘이 인간의 창작 과정 및 전통적 책임법 체계와 구조적으로 불일치한다는 점을 기술·법적 양면 에서 규명한다. 특히 인간 창작자가 보유하는 선택자 기반의 의사결정·표현 통제력이 모델 내부에서는 통계적 변환·비가역적 잠재공간 매핑·확률적 생성이라는 비선형 프로세스로 치환된다는 점에 주목한다. 이를 바탕으로 본 연구는 기존의 행위자 중 심 책임모형을 대체하는 3단계 구조적 책임체계 (1) 행위자 부재 단계, (2) 통제력 단계, (3) 결함 단계를 제안하며, 위험의 발 생 지점이 기술 단계별로 분기된다는 점을 전제로 개발자–플랫폼–사용자 간의 책임 귀속 매트릭스를 재정립한다. 이러한 구 조적 접근은 생성형 AI의 학습·표상·출력 과정에서 발생하는 저작권·불법행위 책임의 공백을 해소하고, 기술구조 기반의 규범 적 예측가능성을 확보하기 위한 새로운 책임 패러다임을 제시한다.