55년차 디지털 도서관, 구텐베르크 프로젝트가 아직도 살아있는 이유

인터넷보다 오래된 도서관, 아직도 현역

혹시 "구텐베르크 프로젝트(Project Gutenberg)"라고 들어보셨나요? 이름만 들으면 무슨 인쇄술 박물관 같은데, 사실은 세계에서 가장 오래된 무료 전자책 도서관이에요. 1971년에 마이클 하트라는 사람이 일리노이대학교 메인프레임에서 미국 독립선언문을 직접 타자로 쳐서 올린 게 시작이었거든요. 그러니까 인터넷이 일반에 보급되기 한참 전, TCP/IP가 표준화되기도 전부터 "디지털로 책을 자유롭게 나누자"는 아이디어를 실천한 곳이에요.

그런데 이런 곳이 보통은 골동품처럼 굳어버리기 쉽잖아요. 신기하게도 구텐베르크 프로젝트는 지금도 계속 좋아지고 있어요. 저작권이 만료된(퍼블릭 도메인) 책들을 자원봉사자들이 꾸준히 디지털화하면서, 현재 약 7만 권이 넘는 책을 누구나 무료로 받아볼 수 있는 상태가 됐어요.

어떻게 동작하는지, 뭐가 좋아지고 있는지

구텐베르크의 강점은 포맷의 다양성이에요. 같은 책 하나를 EPUB, Kindle용 MOBI, HTML, 순수 텍스트(.txt), PDF로 받을 수 있어요. 텍스트가 가벼우니까 1990년대 56k 모뎀에서도 받을 수 있었고, 지금은 라즈베리파이 같은 저사양 기기에서도 부담 없이 읽을 수 있죠. 최근에는 자동화 도구로 OCR(스캔한 이미지에서 글자를 뽑아내는 기술)을 돌리고, 사람이 한 줄씩 교정하는 "분산 교정(Distributed Proofreaders)" 시스템을 통해 품질이 점점 올라가고 있어요.

흥미로운 건 AI 시대에 새로운 쓰임새가 생겼다는 점이에요. 구텐베르크 텍스트는 라이선스가 자유로워서 대형 언어 모델(LLM) 학습 데이터셋의 단골손님이거든요. 'The Pile' 같은 공개 데이터셋에도 들어가 있고, 한국 연구자들도 영어 코퍼스가 필요할 때 손쉽게 가져다 쓰고 있어요. 또 최근에는 자동 음성 합성 기술이 좋아지면서, 구텐베르크 텍스트를 기반으로 한 무료 오디오북 프로젝트(LibriVox와 연계)도 활기를 띠고 있어요.

비슷한 시도들과 비교하면

비슷한 디지털 도서관으로는 인터넷 아카이브(Internet Archive)와 구글 북스(Google Books)가 있어요. 인터넷 아카이브는 책뿐 아니라 웹페이지, 영상, 게임까지 광범위하게 보존하는 게 강점이고, 구글 북스는 OCR 품질과 검색이 강력하지만 저작권 분쟁 때문에 미리보기만 되는 책이 많아요. 반면 구텐베르크는 "확실하게 퍼블릭 도메인인 책만, 100% 무료로 풀텍스트 다운로드"라는 단순한 원칙을 55년간 지켜온 게 차별점이에요. 법적 회색지대가 없으니까 기업이든 개인이든 마음 놓고 활용할 수 있죠.

한국에는 비슷한 포지션의 프로젝트로 위키문헌(Wikisource) 한국어판이 있긴 한데, 규모가 훨씬 작아요. 국립중앙도서관의 디지털 자료도 좋은데 라이선스가 자유롭진 않고요. 한국어 퍼블릭 도메인 자료가 풍부하게 정리된 곳은 아직 부족한 게 현실이에요.

한국 개발자에게는 어떤 의미일까

실무에서 당장 써먹을 수 있는 케이스가 꽤 있어요. 자연어 처리(NLP) 학습 데이터가 필요한데 라이선스 걱정 없이 쓰고 싶다면 구텐베르크가 1순위 선택지예요. 한국어 모델을 만들더라도 영어 사전학습은 거의 필수인데, 이때 구텐베르크 텍스트는 검증된 출발점이거든요. 또 사이드 프로젝트로 전자책 리더 앱을 만들어볼 때도 좋아요. EPUB 파서 만들기, 자동 책갈피, AI 요약 기능 같은 걸 실험할 때 합법적인 콘텐츠가 무한히 공급되는 셈이니까요.

그리고 한 번쯤 "오픈 소스의 정신"이라는 게 어디서 왔는지 떠올려볼 만해요. 리누스 토르발즈가 리눅스를 만들기 한참 전부터, 마이클 하트는 "정보는 공유될 때 가치가 커진다"는 걸 책으로 증명해왔어요. 우리가 GitHub에 코드를 올리는 그 마음의 뿌리가 거기에 있다고 봐도 과언이 아니에요.

마무리

50년 넘게 한 가지 원칙을 지키면서, 동시에 새로운 기술 트렌드(AI 학습 데이터, TTS 오디오북)에 자연스럽게 녹아드는 프로젝트. 화려한 기술 스택보다 꾸준함이 만드는 인프라의 힘을 보여주는 사례라고 생각해요.

여러분은 사이드 프로젝트나 데이터셋이 필요할 때 구텐베르크를 활용해본 적이 있나요? 혹은 한국어판 "구텐베르크"가 생긴다면 어떤 모습이어야 할까요?