EVENT

24시간 혜택! 어떤 작품이든 33,000원 >

신규고객 체험 특가

출처: www.noblesse.com
최근 인간 고유의 영역이라 믿었던 문화예술 분야에서 기계나 로봇 알고리즘에 의한 유사 창작 사례가 급증하고 있습니다. 고흐나 렘브란트 화풍을 그대로 따라 하는 AI 예술가가 등장하고 비틀즈 스타일로 작곡하는 컴퓨터도 등장했습니다.

인공지능(AI, articial intelligence)은 주어진 상황을 계산하는 사고력과 학습력, 판단력이 가능한 소프트웨어를 말합니다. 인공지능이 인간과 함께 예술 창작의 주체로 등장한 시대에 우리는 ‘과연 인간적인 것은 무엇인가? 또는 ‘예술 창작은 인간만의 고유한 영역인가?’라는 질문을 던질 수밖에 없게 되었습니다. 인간만의 고유한 영역이라고 믿어왔던 예술이건만, 우리는 기계가 만든 예술과 인간이 만든 예술을 명확하게 구분하지 못합니다. 이제 예술가들은 그림에서 손을 떼어야 하는 걸까요? 이번 미술이야기에서는 인공지능은 대체 어떤 원리로 예술 창작까지 해내는 것이지, 인공지능의 원리를 알아보고 인간이 하는 예술이 위협받는 것일지, 인공지능이 그리고 있는 예술의 현재와 미래를 알아보도록 하겠습니다.
인공지능이 그리는 몽환적인 그림, 구글 딥드림
대표적인 AI 화가는 구글이 탄생시킨 ‘딥드림(Deep Dream)’입니다. 구글 딥드림은 구글 리서치 블로그에서 배포한 인공 신경망(neural network)을 통한 시각화 코드를 말합니다.1) 그 결과물이 마치 꿈을 꾸는 듯한 추상적인 이미지를 닮았다고 하여 ‘딥드림’이라고 이름 지어졌습니다. 이 AI 화가는 같은 구조가 비슷한 패턴으로 끝없이 되풀이되는 프랙털(fractal) 을 통해 그림을 그립니다.2) 딥드림이 그린 29점의 작품은 2016년 2월 샌프란시스코 미술 경매에서 총 9만 7000달러(약 1억 1000만 원)에 판매되기도 하였는데요, 그럼 딥드림은 과연 어떤 원리로 만들어졌을까요?
출처: deepdreamgenerator.com
인공지능에 새의 이미지(왼쪽)를 입력하면, 알고리즘을 담은 이미지(오른쪽)가 나옵니다. 이 알고리즘은 먼저 이미지 속 요소를 하나하나 나누어 어떤 물체인지를 인식하는 특정 패턴을 찾습니다. 인공지능은 이미 알고 있는 패턴을 적용하여 자신이 아는 인식 결과로 나타나도록 이미지를 조작하고 왜곡하여 새로운 이미지를 만듭니다. 그 결과, 단순한 새의 이미지에서 오른쪽 그림과 같이 새 이미지의 빈 공간을 원과 선으로 재해석한 다양한 패턴의 이미지가 재탄생합니다.

이와 같은 인공지능 나름의 판단 과정은 ‘딥러닝(Deep Learning)’3) 기술을 기반으로 합니다. 간단히 말하자면 기계가 사람처럼 생각하고 판단하는 기술인데, 인공지능은 이와 같은 원리를 모방하여 수백만 개의 연습 샘플을 이용해 인공신경망4)을 훈련시켜 사물을 분별할 수 있도록 합니다. 수많은 데이터에서 패턴을 스스로 발견하고 구분해낼 수 있는 것이죠. 이를 통해 일상에서 보이는 모든 대상을 컬러풀하고 추상적인 예술적 이미지로 바꿔주게 됩니다.
예술가의 화풍을 그대로 재현하다, 딥포저
딥드림의 원리에서 한 단계 더 나아간 기술도 있습니다. 바로 딥드림에서 이미지의 ‘질감’을 인식하도록 학습시킨 것인데요, 기존 이미지의 내용은 그대로 보존한 채 이미지의 질감만 변형해서 새로운 이미지를 만들도록 알고리즘을 적용한 기술입니다. 트위터의 ‘딥포저(Deep Forger)’는 사용자가 사진을 올리면 피카소와 고흐 등 유명 화가의 화풍으로 변형시켜 주는 유사한 서비스를 제공하고 있습니다.
디즈니 만화 구피의 모습이 고흐의 작품 ‘별이 빛나는 밤에’(오른쪽 아래)의 모습으로 변용된 모습
출처: Twitter Deep Forger
신경망(Neural Networks) 기술을 활용한 ‘딥 포저’는 일반 사진을 예술가의 화풍으로 출력해주는 인공지능 프로그램입니다. 오스트리아의 게임 개발자 알렉스 샴팬다드(Alex J. Champandard)에 의해 설계된 딥 포저는 단순한 입출력 과정을 거치는 것이 아닌, 반복 과정을 거친 끝에 결과물을 내놓습니다.

트위터에서 사진을 @DeepForger에 보내면 대기 순번에 따라 AI 봇이 제공하는 멋진 예술적 붓 터치로 변용된 자신이나 풍경의 모습을 받아볼 수 있습니다. 사용자들은 태그와 명령어를 통해 보다 세련된, 원하는 결과를 받아 볼 수 있습니다. 여기에 특별한 명령어와 키워드를 사용하면 사진을 재해석해 새로운 추상화를 그리는 데 도움을 줄 수 있습니다. 예를 들어 ‘sketch’(스케치) 또는 ‘abstract’(추상화) 같은 단어에‘Picasso’(피카소 풍으로), 또는 ‘Gogh’(고흐 풍으로) 같이 취향에 따른 그림을 요청할 수도 있습니다.
렘브란트의 부활, 넥스트 렘브란트
‘넥스트 렘브란트(The Next Rembrandt)’는 네덜란드의 광고 회사 월터 톰슨(J. Walter Thompson)이 기획했으며, ING, 마이크로소프트사 등이 공동으로 2년간 협업한 프로젝트입니다. 연구진은 네덜란드의 화가 렘브란트 반 레인(Rembrandt Van Rijn)의 작품 346점의 데이터를 토대로 기계에 딥러닝 기법으로 학습시켰습니다.
A.I와 3D 프린터로 탄생한 넥스트 렘브란트
출처: The Next Rembrandt
특히 주목할 점은 3D 스캐너를 이용해 물감이 만들어내는 요철까지 모두 데이터화한 것입니다. 그림의 표면 질감까지 완벽한 재현이 가능합니다. 당시 개발팀은 학습을 마친 AI에 ‘모자를 쓰고 하얀 깃 장식과 검은색 옷을 착용한 30~40대 백인 남성’을 렘브란트의 화풍으로 그리라고 명령했는데, 3D프린터로 인쇄된 이 그림은 유화의 질감과 물감의 두께까지 렘브란트의 화풍을 그대로 재현했습니다. 출력된 최종 결과물은 1억 4,800만 픽셀 이상의 13개의 레이어로 구성되어 있습니다.
새로운 스타일의 창작물 제시, CAN
일반적인 창작의 시작은 많은 예술 작품들을 보고 따라 그려보는 것입니다. Colin Martindal은 새로운 스타일의 작품을 만들기 위해 필요한 조건을 제시했습니다. 인상주의, 입체파와 같은 기존에 존재하는 화풍들의 분류 중 해당되는 것이 없어야 하고 동시에 우리가 예술작품이라고 부를 수 있는 형태를 가지고 있어야 하는 것입니다. Facebook AI 팀은 이러한 이론에 착안하여 새로운 스타일의 그림을 그리는 ‘CAN(Creative Adversarial Networks)’을 제안했습니다.
CAN(Generative Adversarial Network)이 창작한 이미지
CAN 은 ‘생성적 적대 신경망(GAN: Generative Adversarial Network)’5)을 기반으로 한 인공신경망 구조로서 기존에 존재하는 그림들과 각 그림의 스타일 분류 정보를 학습 데이터로 사용합니다. 이 기술은 임의의 벡터로부터 새로운 그림을 만들어내는데, 새로운 스타일의 그림을 그리기 위해 기존 화풍을 학습함과 동시에 새로운 예술 스타일을 창조해냅니다. CAN 은 1119명의 화가가 그린 8만 1449개 작품을 학습했습니다.

CAN 은 다른 작품이 사용한 기법, 스타일 등을 똑같이 모방하지 않도록 프로그램 되어있기 때문에 자신이 필요하다고 느낀 방식을 사용해 다른 어떤 유파에도 속하지 않은 그림을 그려 냅니다. Facebook AI 팀이 발표한 논문에 따르면,6) 실험에 참여한 사람들이 모던아트 그림과 인공지능이 생성한 그림을 구별하지 못했다고 합니다. 보고서는 “인공지능이 아직 걸작품을 만들어내고 있지 못하지만, 기존 작가들과 비교해 뒤지지 않는 창작 능력을 보여주고 있다"라며 “향후 기술발전에 따라 미술계 전반에 미치는 영향이 매우 클 것”이라고 전망했습니다.
인공지능 그림에 대한 가치 평가
지난 10월, 뉴욕 크리스티 경매에서 최초로 인공지능이 창작한 그림이 경매에 나와, 고가에 낙찰되는 일이 일어났습니다. 프랑스의 연구자들이 개발한 인공지능 화가 ‘오비어스’가 그린 초상화 ‘에드몽 드 벨라미’가 43만 2500달러(약 5억 원)에 낙찰되었는데. 이는 애초 1만 달러 수준으로 예상됐던 낙찰가를 40배 넘어선 가격입니다. 오비어스는 14세기부터 20세기까지의 서양화 1만 5000여 작품을 데이터베이스로 만들고 이미지를 분석해 초상화 구성요소를 학습한 뒤 창작을 해냈습니다.
미국 뉴욕 크리스티 경매에서 최초로 입찰이 이뤄진 인공지능 오비어스가 만든 작품 ‘에드몽 드 벨라미’.
화가의 서명 대신 오른쪽 아래에 작품 생성 알고리즘이 적혀 있다.
이렇듯 인공지능의 미술작품 창작활동은 기존 미술품 시장으로부터 큰 주목을 받고 있는 중입니다. 지금과 같은 속도로 인공지능의 기술이 업그레이드될 경우 머지않아 기존의 작품보다 더 뛰어난 창작물을 제작할 수 있다는 가능성이 있기 때문입니다. 사실 인간이 기계에게 예술 생산을 위임함으로써 얻게 되는 이득은 분명합니다. 인간 예술가들이 만들지 못했던 새로운 예술 형식이 존재하는가에 대해서 무한대로 실험할 수 있습니다. 이렇게 함으로써 예술가들이 창작의 고통을 겪을 필요도 없어집니다.

하지만 인공지능 창작물을 인간의 예술작품과 동등하게 평가해야 할지에 대한 의문이 제기될 수 있습니다. 화가들이 귀중한 가치로 삼고 있는 영감(inspiration)을 대체할 수 있는 새로운 가치를 만들어낼 수 있을까요? 기계가 만든 이미지가 사람의 마음을 움직일 수 있을지는 의문입니다. 이와 더불어, AI가 창작물에 대한 저작권 논란도 생겼습니다. 사람이 AI를 활용해 창작물을 만들 경우 저작권은 창작자에게 귀속되겠지만, AI가 스스로 창작물을 만들게 되면 저작권은 누가 갖게 되는 것인지 아직까지는 명확한 해석이나 법규가 존재하지 않습니다. 최근의 AI 기술 발전 속도를 감안한다면 관련 법 체제를 마련하는 등 이에 대한 논의가 조속히 진행되어야 할 필요성은 더욱 커지고 있습니다.

전문가들은 인공지능이 스스로 프로그래밍하고 사람과 같은 자의식을 갖는 단계로 발전한다면, 인류와 기계가 생존을 건 투쟁에 돌입할 수도 있다며 공존을 위한 안전장치는 고민해야 한다고 강조합니다.
인공지능과 예술의 미래
그림을 그리고 음악을 만드는 인공지능의 출현이 기정사실이 되어 가며, 과연 인간의 역할은 무엇인지 고민하지 않을 수 없습니다. 그러나 답은 쉽게 찾을 수 있습니다. 바로 ‘예술 감상’의 영역입니다. 인간이 보기에 기계가 그린 그림이 피카소의 그림보다 더 아름답게 보인다고 하더라도 그것은 오직 인간에게만 해당하는 것일 뿐, 기계의 입장에서는 인간이 왜 특정한 그림의 형식에 ‘아름다움’이라는 의미를 부여하는지 의아해할 것입니다. 기계에게 의식이 생기기 전까지 기계는 도구로 머물 수밖에 없습니다. 인공지능은 단순 반복 작업을 돕는 도구일 뿐입니다.
출처: The Turing test: Can a computer pass for a human? - Alex Gendler
인공지능의 사례를 보면서 미래의 예술가가 어떤 일을 담당하게 될지 가늠해 볼 수 있습니다. 미래의 예술가들은 직접 작품을 만들기보다 인공신경망에 무엇을 학습시키면 좋을 것인가를 생각하는 일에 더 많은 시간을 할애하게 될 것입니다. 기계가 만든 창조물은 학습된 결과물이기 때문에 인간 예술가의 창조성이 더욱 부각되어 드러날 것입니다. 어쩌면 생각지도 못했던 재료를 찾아내거나, 결과물을 엉뚱한 곳에 응용하며 이를 창의적이라고 하게 될지도 모릅니다.
인간, 어떤 선택자가 될 것인가?
출처: www.ccn.com
인공 창의 시대, 생산의 역할은 계속해서 기계에게 위임될 것이고, 인간은 가면 갈수록 선택자의 역할에 집중하게 될 것입니다. 우리가 살고 있는 세계는 그동안 우리가 선택한 것들의 합으로 구성되어 있습니다. 대량생산된 변기가 예술품이 된 것도, 무엇을 그린 것인지 형태조차 알아볼 수 없는 그림이 예술품이 된 것도 당시를 살았던 사람들이 그것을 예술로 선택했기 때문입니다. 과거로부터 지금까지 모든 선택들이 모여 오늘날의 예술을 지금의 모습으로 있게 했습니다. 이와 같이 우리가 앞으로 살아가게 될 세계 또한 현재 우리들의 선택의 합으로 구성될 것입니다.

기계가 만든 작품도 예술로 인정할 것인지, 인간 예술가는 기계를 어떻게 활용할 것인지 이 모든 것은 우리들의 선택에 달렸습니다. 우리는 어떤 선택을 하게 될까요? 그 선택의 합으로 만들어지게 될 예술의 세계는 어떤 모습일까요?
용어해설
1) 구글 리서치 블로그의 포스트 DeepDream - a code example for visualizing Neural Networks에서 최초로 배포되었다. 코드를 직접 사용하지 않고 웹상에서 생성기를 사용하여 이미지를 왜곡시키는 것이 가능하나 대체로 대기열이 길다.

2) 프랙털(영어: fractal) 또는 프랙털은 일부 작은 조각이 전체와 비슷한 기하학적 형태를 말한다. 이런 특징을 자기 유사성이라고 하며, 다시 말해 자기 유사성을 갖는 기하학적 구조를 프랙털 구조라고 한다.

3) 딥 러닝(deep learning), 심층학습(深層學習)은 여러 비선형 변환 기법의 조합을 통해 높은 수준의 추상화(abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습(machine learning) 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야라고 이야기할 수 있다.

4) 인공신경망(人工神經網, 영어: artificial neural network, ANN)은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다. 인공신경망은 문제 해결 능력을 가지는 모델 전반을 가리킨다.

5) 생성적 적대 신경망(Generative Adversarial Network)은 비 지도 학습에 사용되는 인공 지능 알고리즘으로, 제로섬 게임 틀 안에서 서로 경쟁하는 두 개의 신경 네트워크 시스템에 의해 구현된다. 결투 신경망으로도 불리는 GAN은 서로 다른 두 개의 AI가 상호 경쟁을 거쳐 인간의 개입 없이 성능을 진화시켜나가는 방식이다. 이 개념은 2014년 이안 굿펠로(Ian Goodfellow)에 의해 발표되었다.
참고문헌
1) CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms, 2017.
2) 미술세계 美術世界 4월호, VOL.377 미술생존을 위한 발언들, 2015.
3) 마쓰오 유타카, 인공지능과 딥러닝, MID 엠아이디, 2015.
4) 이재박, 다빈치가 된 알고리즘, 동아엠앤비, 2018.
5) 딥드림 제너레이터, URL: https://deepdreamgenerator.com/
6) 트위터 딥포저, URL: https://twitter.com/deepforger
7) 위키백과