방 진 원*1)
Ⅰ. 서론
Ⅱ. 4차 산업(Industry 4.0)과 인공지능 예술(AI art) 1. 4차 산업과 예술 산업(Art Industry)
2. 인공지능(AI Artificial Intelligence)과 빅데이터(Big Data) 3. 딥러닝(Deep Learning)과 머신러닝(Machine Learning) 4. 회화적 알고리즘(algorism)
Ⅲ. 인공창의적 AI 회화
1. 초현실(Surrealism)적 AI 회화, 딥드림(Deep Dream) 2. 극사실(Hyperrealism)적 AI 회화, <넥스트 렘브란트>
3. 가상(Virtual Image)적 AI 회화 4. 독창적 GAN, 캔(CAN)
Ⅳ. 결론
* 강남대학교 복합융합인재학부 미술문화복지겸임교수․홍익대학교 대학원 문화예술경영 학과 박사과정
* DOI http://dx.doi.org/10.17527/JASA.61.0.06
Ⅰ. 서론
4차 산업의 과학기술은 기계에게 직관적 판단력과 인공적 창의력을 부여했 고, 시대정신을 반영하는 21세기 예술은 인공지능1)의 기술을 활용한다. 딥러닝 (Deep Learning)을 기반으로 하는 구글의 바둑 인공지능 알파고(AlphaGo)2)는 직 관력이 필요한 바둑대결에서 승리했고, 구글의 예술 인공지능 마젠타 프로젝트 (Magenta project)는 예술창작을 시작했다. 그동안 예술은 작가의 심미의식을 통 해 나타나는 것이고 예술창작을 일으키는 상상력은 작가의 직관에 의해서만 창출 되는 것으로 알고 있었다. 그러나 인공창의가 가능한 기계가 도출한 형식에 의 미를 부여하면서 인공지능의 기술은 예술이 되었다.
인공지능(Artificial intelligence)은 계산하는 기계이고, AI예술은 계산기계인 인공지능을 도구로 활용하여 창의하는 것이다. 인공지능을 활용한 AI 회화는 기 존 화가가 이미 창작해낸 작품을 모방3)하고 창의하는 예술이다. 예술을 의미와 형식으로 나눌 수 있는데 예술의 형식만을 보자면 기존의 예술과 인공창의 (Artificial creativity)예술에서 차이를 찾을 수 없다. 그러나 의미에서 큰 차이가 나타나게 된다. 자연을 모방하는 예술은 창작자의 의도에 의해 창작이 이루어지 기 때문에 형식에 의미가 담겨 있지만, 계산하는 기계인 인공지능의 형식에는 의 도가 없다. 인간의 마음조차 완벽하게 모방하는 강 인공지능(Strong AI)4)시대가 1) 인공은 사람이 자연을 가공하거나 자연에 작용을 하는 일이고, 지능은 문제에 대해 합 리적으로 사고하고 해결하는 인지능력 등의 총체적인 능력이다. 즉, 인공지능이 합쳐 진 인공지능은 사람이 만든 기계의 지능이다.
2) 세계 최상위급 프로 기사인 이세돌과의 대결에서 승리한 바둑 인공지능인 알파고는
‘세계에서 가장 강력한 인공지능’임을 각인시키며 인공지능의 직관적 판단력을 보여주 었다.
3) 기술을 예술개념에 포함시켰던 플라톤은 향연에서 예술을 사물을 활용하는 예술, 사 물을 제작하는 예술, 사물을 모방하는 예술 3가지로 분류했는데, 이 분류에 따르면 기 술에 의해 생성되는 인공지능 예술은 인간이 창작한 예술품을 모방하는 예술이라고 할 수 있다.
4) 1980년 미국 철학자 존 설(John R. Searle)이 중국어 방 사고실험(Chinese Room
오면 기계도 의도를 지닐 수 있겠지만 주어진 데이터를 바탕으로 모방창작을 하 는 현재의 약 인공지능(Weak AI)이 도출하는 것은 형식일 뿐 기계의 창작 의도 는 없다. 인공창의적 AI 회화의 경우 인공지능은 창작자의 의도에 따라 주입된 데이터에서 패턴을 추출하고 재조합하여 이미지를 도출하는 것이다. 즉 유용한 도구로 설계된 기계의 인공창의는 창작자의 의도에 따라 형식이 창출되고 창출된 형식은 감상자의 심미의식에 따라 의미가 부여된다.
21세기 예술인 AI 회화를 수용하고 활용하기 위해서는 인공창의적으로 표현 된 AI 회화에 대한 이해가 필요하다. 이에 본고는 예술과 같은 기술을 지닌 인공 창의적 AI 회화에 대한 분석을 통해 AI 회화가 추구해야 할 지향점에 대해 숙고 하고자 한다. 이를 위해 Ⅱ장에서 4차 산업과 예술 산업, 인공지능과 빅데이터, 딥 러닝과 알고리즘 등 기술적인 부분에 대해 살펴보고 Ⅲ장에서 적대적 신경망인 GAN과 나선형신경망 CNN, 순환신경망 RNN, 독창적 신경망 CAN을 회화적으로 구현한 AI 회화의 예술성에 대해 검토하겠다. 초현실적 이미지의 AI 회화를 생성 하는 딥드림(Deep Dream), 극사실의 정밀함을 갖춘 인공지능 자화상, 수학적 통 계를 가상적 이미지로 생성하는 인공지능 초상화, 인체의 본질을 정직하게 표현 하는 인공지능누드화 등 다양한 디지털 이미지에 대해 논의하겠다.
Ⅱ. 4차 산업(Industry 4.0)과 인공지능 예술(AI art)
다양한 분야에서 논의되고 있는 4차 산업의 핵심 기술인 인공지능5)은 현실 Thought Experiment)을 통해 강 인공지능과 약 인공지능의 마음에 대해 논했다.
5) 인공지능이란 기계가 제시된 명령을 효과적으로 수행할 수 있도록 하는 디지털 기술 로, 사람의 지능을 필요로 하는 작업을 재현하고, 능가된 결과를 추출하기도 한다.
1950년대부터 인공지능의 개념은 구체화되었으나, 알고리즘, 데이터, 컴퓨팅 자원의 부족으로 침체기를 겪었고, 1990년 중반부터 인터넷이 폭발적으로 확산되며, 대용량의 데이터를 갖추게 된다. 방대한 양의 빅데이터와 딥러닝의 개발을 통해 2000년대에 인 공지능은 재도약했고, 디지털 기술은 예술의 도구로 활용되기 시작했다.
을 기반으로 하는 일상만이 아니라 상상을 기반으로 하는 예술에서도 큰 의미를 지니고 있다. 인류는 1차 산업의 기계화로 노동에서 해방되었고, 2차 산업의 대량 생산으로 풍요로운 삶을 누릴 수 있었고, 3차 산업의 지식정보로 가상공간을 열 었다. 1차부터 3차까지의 산업은 당대를 살아가는 사람들의 삶을 풍요롭게 했고 4 차 산업의 주요기술인 인공지능은 일상적인 삶뿐만이 아니라 창작의 영역인 예술 에까지 그 영역을 확장하며 정신적인 풍요를 향유하게 한다.
산업의 발전과 함께 이루어진 기술복제시대의 예술인 사진과 인공창의적 AI 회화는 모두 예술의 본질적 변화를 이끌어냈다. 보이는 그대로를 정밀하게 재현 하는 사진은 현실을 있는 그대로 드러내는 사실성으로 사회를 바꿀 수 있는 사회 적 도구가 되었고 사진술의 발전을 통해 예술적 감성을 드러내는 독창적인 예술 이 되었다. 예술의 본질을 변화시키며 나타난 사진이 사실성과 정밀함 그리고 새 로운 미학적 패러다임(paradigm)을 제시하며 일상과 예술의 한 영역이 되어있듯 이 기존 예술의 감성과 형식을 모방하는 인공지능 예술은 21세기의 일상에 스며 들었다. 초 지능과 초 연결 그리고 초 융합을 특징으로 하는 인공지능은 이전에 는 없었던 전혀 새로운 예술을 창작한다. 빅데이터와 딥러닝의 기술을 통해 인공 창의적 AI 회화가 창출되고 온 라인을 통해 제공되는 알고리즘의 기술과 사진이 결합하며 쉽고 빠르게 AI 회화가 생성된다. 계산기계인 인공지능을 예술적으로 수용하기 위해서는 우선 4차 산업의 기술에 대한 이해가 필요하다. 이를 위해 2 장에서 4차 산업과 예술 산업, 인공지능과 빅데이터, 4세대 인공지능인 딥러닝 [표 1]과 회화적 알고리즘인 GAN, CNN, RAN 등에 대해 살펴보겠다.
1세대 인공지능. 태동기, 1950-1970 단순제어(전자레인지 등자 동화기능) 2세대 인공지능. 1차 AI 산업화, 1970-1990 경로탐색과 DB검색,
3세대 인공지능. 과학적 방법론 도입 1990-2010 기계학습과 러닝머신 4세대 인공지능. 2차 AI 산업화, 2010- 딥러닝
[표 1] 인공지능의 발전
1. 4차 산업과 예술 산업(Art Industry)
“전 세계 질서를 새롭게 만드는 동인이 될 것"6)이라는 4차 산업혁명은 디지 털 융합(Digital convergence)을 통해 삶과 예술의 경계를 초월하고 현실과 가상 이 하나가 되는 융합예술의 세계를 열었다. 물질적 풍요를 주는 1차(노동혁명), 2 차(산업혁명), 3차(지식정보혁명)산업은 삶을 편리하고 풍요롭게 해주었고 4차 산 업(2차 지식정보혁명)은 현실(Off-line)과 가상(On-line)이 혼합된 초경계의 세계 를 열었다 [표 2]. 21세기는 4차 산업의 디지털 기술인 빅데이터와 인공지능의 기 술을 통해 다양하고 방대한 자료를 빠르게 처리할 수 있게 되었고 이는 국가산업 의 흥망을 결정할 뿐만 아니라 일상을 변화시키는 예술을 탄생시켰다.
빅데이터의 정보와 다양한 지식이 결합되는 4차 산업의 디지털 기술은 가상 현실(VR, Virtual Reality), 증강현실(AR, Augmented Reality), 3차원의 입체 물품 을 생성하는 3D 프린팅, 환경에 맞춰 변화하는 4D 프린팅, 미디어 아트(media art), 소통과 공감을 제공하는 인터랙티브 아트(Interactive Art) 등으로 예술의 경 계를 더욱 확장시켰다.
사람같이 생각하고(thinking humanly), 합리적으로 생각하고(thinking rationally), 사람같이 행동하고(acting humanly), 합리적으로 행동하는(acting rationally) 기계7)로 알려진 인공지능을 활용한 예술은 인공지능 화가․인공지능 작가․인공지능 작곡가․인공지능 도예가 등으로 나타났고 2016년 4월 일본에서 는 인공지능이 만든 음악과 소설 그리고 그림에 저작권 준다고 발표8)를 할 정도
6) 2016년 6월 스위스에서 열린 다보스 포럼(Davos Forum)에서 포럼의 의장이었던 클라 우스 슈밥(Klaus Schwab)은 “이전의 1, 2, 3차 산업혁명이 전 세계적 환경을 혁명적 으로 바꿔 놓은 것처럼 4차 산업혁명이 전 세계 질서를 새롭게 만드는 동인(動因)이 될 것”이라고 언급했다. 이후 ‘제4차 산업혁명’은 정보 통신 기술(ICT) 기반의 새로운 산업 시대를 대표하는 용어가 되었다.
7) 러셀과 노빙(Russell & Noving)은 다양한 인공지능의 개념을 구분 정리하면서 기술에 대한 오해를 지적하고 있다. 4가지 개념에 대한 내용은 신정원의 ｢시각예술에서 인공 지능과 빅데이터의 역할｣에서 살펴볼 수 있다.
로 인공지능은 21세기의 예술에 깊이 관여하고 있다.
인공지능의 기술은 예술적 영감을 불러일으키는 회화도구가 되어 인공창의 적 회화를 창출하고 인공창의를 통해 생성된 AI 회화는 예술 산업으로 발전하고 있다. 인공창의로 생성된 AI 회화인 <넥스트 렘브란트 Next Rembrandt>와 <에 드몬드 드 벨라미 Edmond de Belamy>그리고 <행인의 기억 Memories of Passerby> 등은 세계적인 미술품 경매시장에서 예술적 가치와 경제적 가치를 인 정받기도 했다. 앎에서 모든 것이 시작된다. 4차 산업의 과학기술을 활용하는 인 공지능 예술을 창작하고 향유하기 위해서는 우선 인공지능과 빅데이터, 딥러닝과 알고리즘 등에 대한 이해가 필요하다.
제1차 산업 1760-1830 증기기관 기반의 기계화 혁명 제2차 산업 1870-1920 전기 에너지 기반의 대량 생산혁명 제3차 산업 1960- 인터넷과 컴퓨터 기반의 지식 정보혁명 제4차 산업 21세기 초 제2차 지식 정보혁명,
인공지능, 빅데이터, 사물인터넷, 클라우드 [표 2] 제1차-4차 산업혁명의 변화
2. 인공지능과 빅데이터
4차 산업은 디지털․물리학․생물학 기술 [표 3]이 시너지(synergy)효과를 일으키며 상호 교류되는데 인공지능 예술을 창작하고 향유하기 위해서는 디지털 기술인 빅데이터와 인공지능에 대한 이해가 선행되어야 한다. 빅데이터는 단순히 데이터가 많다는 의미가 아니다. “빅데이터는 기존의 방식으로는 관리와 분석이 매우 어려운 데이터 집합 그리고 이를 관리․분석하고자 필요한 인력과 조직 및 8) 일본 정부 지적재산전략본부가 인공지능(AI)이 만든 음악이나 소설, 그림 등의 권리를 보호하기 위한 법제 정비를 검토하기 시작했다. 권리를 얻는 주체는 AI를 활용해 작 품을 창작하는 기능을 만들어낸 사람이나 기업이 무단이용에 대한 배포정지나 손해배 상의 청구권을 인정해 투자비용을 회수할 수 있도록 했다.
관련 기술까지 포괄하는 용어이다.”9) 인공지능 예술은 규모(Volume)․다양성 (Variety)․속도(Velocity)의 3가지 특징(3V)을 지닌 빅데이터를 통해 창출된다.
빅데이터와 인공지능을 통해 새로운 형태의 예술적 감성을 제공하는 가상현실과 증강현실은 이미 삶의 일부가 되어 책으로 교구로 놀이로 다양하게 구현되고 있 다. 그리고 적층가공을 통해 입체로 구현되는 3D 프린팅은 의료와 제조업 등 삶 의 곳곳에서 3차원의 세계를 열어주는 조형예술이 되었고 자기조립과 자기복제 그리고 자기변환이 가능한 4D프린팅은 온도․수분 등의 외부 자극에 의해 스스 로 변형되는 물체를 만들어내며 예술적 영감을 불러일으킨다. 4차 산업혁명을 이 루고 있는 주요요소로 사물인터넷․클라우드․빅데이터 등이 있는데 데이터를 수 집하는 사물인터넷과 데이터를 저장하는 클라우드 그리고 데이터를 분석하는 빅 데이터는 모두 4차 혁명의 중심기술인 인공지능을 구현하기 위한 도구라고 할 수 있다.
경우의 수를 계산하는 바둑에서 직관적 판단력을 보여준 알파고처럼 문제해 결능력을 지닌 인공지능은 UN에서 발언권을 얻었고 시민권과 거주권을 획득했고 인격을 부여받았다.10) 이처럼 다양한 분야에서 활용되는 범용적 인공지능으로 인 해 사람과 기계의 경계가 사라지고 인간존엄의 가치가 흔들리고 있다. 문제해결 능력과 범용성을 특징으로 하는 인공지능 중에서도 가장 획기적인 것은 예술을 창작하는 기계의 등장이다. 4차 산업의 디지털 기술인 빅데이터와 알고리즘․컴 퓨팅을 통해 생성되는 인공지능 예술은 인간의 창의력과 인공지능의 기술이 결합 한 융합예술이다. 딥러닝을 통해 사람같이 생각하고 판단하고 행동하는 인공지능 은 인간과 기계의 경계․현실과 가상의 경계․예술과 삶의 경계 등 기존 세계의 경계를 모호하게 만들면서 초경계의 세계를 이끌어낸다. 모라베크의 역설
9) 함유근, 채승병, 빅데이터, 경영을 바꾸다 (삼성경제연구소 2012), p. 37.
10) 사우디아라비아의 로봇 여성 인권 운동가인 소피아(Sophia)는 2017년 10월 미국 뉴욕 유엔(UN) 본부 경제사회이사회(ECOSOC)의 정기 회의에서 발언권을 얻었고, 세계 최 초로 시민권을 획득했다. 같은 해인 2017년에 일본은 주민들의 의견을 반영하기 위한 시도의 일환으로 사진 찍기와 사람을 관찰하는 취미를 가진 7살 소년인 AI 챗 북 시 부야 미라이(SHIBUYA MIRAI)에게 도쿄 시부야의 거주권을 발급했다.
(Moravec's Paradox)11)을 증명하듯 디지털 기술은 사람보다 100만 배나 빠른 인 공의 지능과 방대한 정보력을 갖춘 빅데이터와 잘 훈련된 딥러닝을 통해 인간에 게도 어려운 창작을 쉽고 빠르게 창출한다. 예술적 영감을 주는 인공지능을 이해 하기 위해서는 우선 알고리즘에 관한 연구가 필요하고 AI 회화를 분석하기 위해 서는 딥러닝 기반의 회화적 알고리즘에 대한 분석이 선행되어야 한다.
물리학 기술 무인운송수단, 3D 프린팅, 첨단 로봇공학, 신소재 디지털 기술 빅데이터, 인공지능, 사물인터넷(LOT), 블록체인 생물학 기술 합성생물학 등 유전공학, 스마트 의료
[표 3] 4차 산업혁명의 주요기술
3. 딥러닝과 머신러닝(Machine Learning)
인공지능 예술은 심층신경망 DNN(Deep Neural Network)을 활용한 딥러닝 을 통해 구현된다. 인공지능이 가장 큰 개념이고 머신러닝이 인공지능에 속해있 고 딥러닝은 머신러닝에 속해있으며(인공지능＞머신러닝＞딥러닝) 빅데이터는 모 두에 포함되어 있음을 알 수 있다 [도 1]. 머신러닝은 가장 넓은 개념인 인공지능 을 구현하는 방법 중 하나이고 딥러닝은 머신러닝의 방법 중 하나이고 딥러닝은 인공신경망의 한 종류이다. 이를 통해 인공지능․딥러닝과 러닝머신은 모두 데이 터가 적으면 성능이 떨어지게 된다는 것을 알 수 있다. 이러한 이유로 데이터의 양을 많이 확보한 구글과 페이스북이 딥러닝에 유리하고 구글과 페이스북을 통해 표현되는 AI 회화가 많은 이유를 알 수 있다.
빅데이터를 축적하고 학습하는 정보 처리기술인 딥러닝은 인간의 뇌를 모방 한 다층 구조 형태의 인공신경망 ANN(artifical neural network)을 기반으로 한다.
딥러닝은 입력된 데이터가 많은 빅데이터를 통해 효과적인 학습이 일어난다. 입 11) 미국의 로봇 공학자인 한스 모라베크에 의해 “인간에게 쉬운 것은 컴퓨터에게 어렵고,
인간에게 어려운 것은 컴퓨터에게 쉽다”고 한 역설이다.
력 층과 출력 층(입력→출력)을 단순하게 연결시키는 것이 단층신경망이고 입력 과 출력 사이에 여러 개의 은닉 층을 층층이 쌓고 연결한 인공신경망이 심층신경 망 [도 2]이다. 여러 계층으로 되어 있는 인간의 뇌를 모방한 심층신경망은 입력 층과 출력층 사이에 은닉층(입력층→은닉층들→출력층)들이 있는 것이다.
4차 산업의 핵심기술인 인공지능은 알고리즘과 컴퓨팅․데이터로 구성되는 데, 빅데이터를 활용한 알고리즘을 컴퓨팅 하는 것이 4차 산업의 핵심이고 알고 리즘을 개성에 맞추어 활용하는 것이 AI 회화의 핵심이다. 지도학습(CNN&,RN N)․비지도학습(GAN)․강화학습 3종류의 러닝머신을 통해 생성되는 인공지능의 결과물은 수학적 모형(computation model)이다.
[도 1] 인공지능, 머신러닝, 딥러닝, 빅데이터 [도 2] 심층신경망
4. 회화적 알고리즘(algorism)
인공지능은 알고리즘과 컴퓨팅 그리고 데이터로 구성되는데 빅데이터를 활 용한 알고리즘12)을 컴퓨팅 하는 것이 4차 산업의 핵심이고 딥 러닝 기반의 CNN, GAN, RNN 알고리즘을 활용하는 것이 AI 회화의 핵심이다 [표 4]. 아마존의 알 렉사(Alexa)와 구글의 어시스던트(Assistant), 구글의 딥마인드(Deep Mind) 등이 대표적인 인공지능 알고리즘이지만 목적에 맞는 알고리즘이 필요하다. 인공지능 12) 알고리즘은 문제를 해결하기 위한 절차, 방법, 명령어들의 집합이다. 딥러닝에 있어서
빅데이터와 연산능력보다 중요한 것이 알고리즘이다.
생태계를 구축하는 알고리즘은 규칙기반 모델과 심층신경망인 딥러닝 기반으로 나누어지는데 이 중 미적 영감이 필요한 AI 회화에서 중요한 역할을 하는 것은 심층신경망 기술을 활용하는 딥러닝 기반의 알고리즘인 GAN․CNN․RNN․
CAN이다. GAN은 그림 등의 창작물에 주로 활용되고 CNN은 이미지인식 RNN 은 시계열 자료 분석이 주요 기능이다. 예측이 가능한 순환신경망인 RNN는 미완 성의 스케치를 완성해주고 나선형신경망인 CNN는 미분을 통해 새로운 형상을 만들어내고 적대적 생성망인 GAN은 기계의 감성을 표출하고 CAN은 독창성을 발휘한다.
알고리즘 알고리즘은 규칙기반 모델과 딥러닝 기반으로 나뉘어져 있다.
데이터 데이터의 양과 질에 따라 성능이 결정된다.
컴퓨팅 GPU(General Postal Union,지상 동력 장치)의 발전으로 딥러닝의 처리시간이 수개월에서 수시간으로 단축되었다.
[표 4] 인공지능 구성기술-알고리즘, 컴퓨팅, 데이터
⑴ 적대적 생성신경망 GAN(Generrative Adversarial Network)
2014년 이언 굿펠로우(Ian Goodfellow)는 ‘진짜와 같은 가짜’를 만드는 알고 리즘 GAN13)을 창안했고 적대적 신경망인 GAN의 등장으로 이미지 생성연구는 새로운 전기를 맞이했다. GAN은 기존 딥러닝 알고리즘인 CNN와 RNN와는 달리 독자적으로 이미지를 생성하고 합성하는 성능을 지니고 있다. 결투신경망으로도 불리는 GAN은 생성자와 감별자 두 가지 머신러닝이 제로섬(zero-sum)의 틀에서 서로 치열한 경쟁을 하며 성능을 진화시킨다. 이미지 인식과 생성 그리고 이미지
13) 2014년 구글의 이안 굿 펠로우가 세계적인 머신러닝 학회에서 최초로 발표한 GAN 기술은 AI 업계에서 가장 빠른 속도로 발전해왔다. 미국 매사추세츠 공과대학이 매년 발표하는 ‘MIT 테크놀로지 리뷰’에서는 10대 혁신기술 중 하나로 선정되기도 했다.
합성에서 탁월한 기능을 보이는 GAN은 간단한 이미지를 자동으로 생성하거나 화질이 좋지 않은 이미지를 복원하는데 활용되고 [도 3] 스케치를 기반으로 새로 운 이미지를 생성한다 [도 4]. 그리고 실제 이미지를 활용해 가짜 이미지를 만들 어 낸다 [도 5]. 눈을 뜬 a와 눈을 감은 b는 실제사진이고 c는 포토샵 사진이다.
그리고 d는 GAN을 활용한 사진14)이다. [도 5]에서 알 수 있듯이 GAN은 얼굴 특 징을 조합하여 새로운 얼굴을 생성한다. 눈을 뜬 a와 눈을 감은 b를 합성시킨 사 진인 c와 d 중 GAN을 이용한 d의 이미지가 더욱 정교하게 생성되었음을 알 수 있다. 이를 통해 인공지능의 알고리즘인 GAN이 이미지 복원과 생성에서 뛰어난 능력을 갖추었음을 알 수 있다.
제시된 네 쌍의 얼굴사진은 왼쪽이 진짜이고 오른 쪽이 GAN을 활용해 만 든 가짜 사진이다 [도 6]. 제시하고 있는 한 쌍의 사진에서 차이점을 거의 찾아볼 수 없고 어느 것이 진짜인지 판명하기 어렵다. [도 5]와 [도 6]을 통해 GAN 알고 리즘을 활용한 거짓이미지가 진짜처럼 생성될 수 있음을 알 수 있다. 영상이동 (Image Translation)은 이미지의 핵심적인 부분만 남기고 나머지 부분을 다른 이 미지로 바꾸는 것이다 [도 7]. 모네의 그림을 사진으로, 사진을 모네의 그림으로, 말을 얼룩말로, 얼룩말을 말로 바꾸는 영상이동은 GAN 알고리즘을 활용한 것이 다. 이처럼 GAN이 지니고 있는 이미지 기술은 다양한 방식으로 활용되고 변용될 수 있다. 2014년 알파 고를 만든 영국의 딥마인드(DeepMind)가 미국의 구글에게 딥 마인드를 매각하며 인수 조건으로 회사 내에 윤리위원회를 두고 운영할 것을 요구했듯이 인공지능의 탁월한 변용기술은 사회적 우려와 다양한 윤리적 논쟁 그 리고 법적 쟁점이 될 수 있어 주의가 필요하다. AI 회화는 주로 GAN 알고리즘에 기초하고 있다.
14) Brian Dolhansky, Cristian Canton Ferrer, “Eye In-Painting with Exemplar Generative Adversarial Networks”, Proceedings Article, 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2018 (DOI: 10.1109/cvpr.2018.00824).
[도 3] GAN을 활용한 이미지 복원15) arXiv:1701.00160v4 [cs.LG] 3 Apr 2017
[도 4] 스케치를 활용한 이미지생성 NVIDIA, GAN, 딥러닝 기반 스케치 앱, ‘빈센트 A’
[도 5] GAN을 활용한 이미지 생성16) [도 6] GAN, 인물복제사진, @devblogs,nvidia.com
[도 7] GAN을 통한 Image Translation17)
15) Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville & Yoshua Bengio, ｢NIPS 2016 Tutorial: Generrative Adversarial Networks｣ 2017, ArXiv.
16) Brian Dolhansky, Cristian Canton Ferrer, “Eye In-Painting with Exemplar Generative Adversarial Networks”.
17) Jun-Yan Zhu, Taesung Park, Phillip Isola, & Alexei A. Efros, “Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks”, Proceedings Article, 2017 IEEE International Conference on Computer Vision
⑵ 나선형신경망 CNN(Convolutional Neural Network)
이미지인식과 패턴분석에 최적화된 나선형신경망 CNN은 문장이나 그림․
스타일․패턴 등의 특징을 추출하는 신경망이다. 심층신경망 구조로 되어 있는 CNN은 여러 층으로 구성되어 있는데 각각의 층에서 다른 특징을 잡아서 이를 모아놓은 피처 맵(feature map, 특징지도)이라 부른다. 각 층에서 다른 특징을 감 지하는 CNN는 세부적인 특징에서 점점 더 추상적이고 전체적인 특징을 모으면 서 단계적으로 구성된다. 점과 같은 기본적인 형태에서 순차적으로 원, 삼각, 사각 등의 각각의 특징을 인식하며 특징을 찾아내는 과정을 통해 이미지가 잘게 나눠 지고 작아지면서 특징이 추출된다 [도 8].
인공지능 예술의 한계를 보여준다는 평가를 받았던 구글의 딥드림이 사용한 알고리즘이 피처 맵인 CNN이다. 그러나 패턴복사의 기괴한 이미지를 생성한다는 혹평을 받은 딥드림은 고호 그림의 특징을 모아 새로운 이미지를 생성한 인공창 의적 AI 회화이다. 예술은 형식과 의미로 나눌 수 있는데, 인공지능이 생성한 형 식에 의미를 부여하면서 디지털 이미지는 예술이 될 수 있다. 창조는 모방에서 시작되고 인공창의적 AI 회화는 기존 화가의 화풍을 모방하면서 생성된다. 유사 이래 모든 이에게 자연스럽게 수용되는 예술은 존재하지 않는 것이 현실이지만, 인공창의적 기술을 통해 생성된 CNN의 이미지에는 기이함을 지닌 초현실적 아 름다움이 있다. 딥드림과 같이 기존의 화풍을 모방하며 생성되는 인공창의적 AI 회화는 기존의 예술을 대치하기보다는 또 다른 형식의 새로운 예술로 탄생되고 있다.
(ICCV), 2017 (DOI: 10.1109/iccv.2017.244).
[도 8] 나선형신경망 CNN 활용한 이미지, CNN 이미지 생성과정
⑶ 순환신경망 RNN(Recurrent Neural Network)
맥락을 이해하게 해주는 순환신경망 RNN은 이전에 입력된 데이터와 현재 입력된 데이터를 동시에 고려해 출력하는 특징이 있다. 순차적인 데이터인 RNN 는 시간의 흐름을 표현하는 작업에 폭 넓게 활용되는데 대표적인 예로 원하는 그 림을 자동으로 완성시켜주는 구글의 오토드로우(Autodraw)가 있다. 스토리텔링이 가능한 RNN는 [도 9]와 같이 눈을 그리기 시작하면 눈 모양이 순차적으로 완성 되고 돼지스케치를 학습한 RNN에 트럭스케치를 입력하면 돼지와 유사한 트럭 이미지로 재구성된다. RNN는 자전거 바퀴가 하나인 미완성 스케치에 바퀴를 그 려 자전거 그림을 완성시키고 날개가 하나인 나비 스케치에 나머지 날개를 달아 완성시킨다. 이렇듯 미완성 스케치를 완성해주는 RNN는 음성인식이나 문장생성 기계번역 등의 분야에서 활용되고 있으며 CNN 등과 결합해 이미지 캡션이나 자 막 생성에도 적용되고 있다. 구글 마젠타 프로젝트의 오토드로우는 인공지능 플 랫폼 텐서플로(TensorFlow)에 제공된다. 오픈소스(www.autodraw.com)18)에 공개 된 오토드로우를 통해 누구나 쉽고 빠르게 인공지능의 기술을 체험할 수 있다.
18) 오픈소스(open source)는 인터넷 등을 통하여 무상으로 공개되는 소스코드이다. 소스 코드를 알면 그 소프트웨어와 비슷한 것을 만들거나 그 소프트웨어에서 이용하고 있 는 기술을 간단히 전용할 수 있다. 오픈소스를 통해 유용한 기술을 공유함으로써 전 세계의 누구나가 자유롭게 소프트웨어의 개발․개량에 참여할 수 있게 되고, 우수한 소프트웨어를 만드는 데 도움이 된다. 두산백과 참조.
[도 9] 순환신경망 RNN을 적용한 사물 스케치, 구글 마젠타 Autodraw
Ⅱ장에서 4차 산업과 예술 산업, 인공지능과 빅데이터, 딥러닝과 알고리즘에 대해서 살펴보았다. 컴퓨터 연산을 통해 이미지를 생성하는 AI 회화의 경우 미적 영감을 주는 알고리즘이 매우 중요하다는 것을 알 수 있었다. 예측이 가능한 순 환신경망인 RNN는 미완성의 스케치를 완성했고, 나선형신경망인 CNN는 미분을 통해 새로운 형상을 만들어냈으며, 적대적 생성망인 GAN은 불예측성 이미지를 생성했다. Ⅲ장을 통해 디지털 기반의 예술 환경에서 인공지능의 알고리즘이 생 성한 형상에 내재되어 있는 의미를 살펴보고 숨어있는 가치를 찾아보고자 한다.
Ⅲ. 인공창의적 AI 회화
딥러닝으로 진화된 인공지능은 과학 기술 뿐만이 아니라 창의가 필요한 예 술에서도 그 역량을 펼치고 있다. 빅데이터와 딥러닝을 기반으로 하는 인공지능 예술은 인공지능의 기술과 사람의 감성이 연결되어 있는 융합예술이다.
자연을 모방19)하는 예술은 작가의 개인적인 체험과 심미의식에 의해 구현되 는 것이지만, 기존 작가의 화풍(감성)을 모방하는 인공창의는 기계의 기억(빅데이
19) 아리스토텔레스(Aristoteles, BC 384-BC 322)는 자연의 모방에서 예술의 본질적 특징 을 발견했다. 아리스토텔레스 이론의 지배적인 개념들 중 하나인 모방은 자연을 대상 으로 하고, 인공지능의 기술을 활용하는 AI 회화는 인공을 모방한다.
터)을 통해 기계의 감성(불예측성 이미지)을 표현한다. 인간의 지능을 모방한 기 계가 기술 확장을 통해 모든 상황에서 인간처럼 생각하고 행동하는 강 인공지능 의 시대가 된다면 기계는 인간의 지능만이 아니라 인간의 마음까지 모방할 수 있 을 것이다. 그러나 현재는 준비된 데이터 기반의 알고리즘에서 문제에 대한 답을 도출하는 약 인공지능의 시대이다. 바둑을 두는 알파고․음악을 창작하는 마젠 타․고호 화풍을 모방하는 딥드림․렘브란트의 화법을 모사하는 넥스트 렘브란트 등은 한 가지 기능에 특화된 약 인공지능이다. 제시된 데이터를 계산하는 기계인 약 인공지능이 생성한 AI 회화는 형식을 창출할 뿐이고 인공지능 기계의 기술을 활용하고 의미를 부여하는 주체는 사람이다. 아직 인공지능은 창작의 도구일 뿐 이고 수학적 계산으로 창출된 인공창의적 이미지에서 예술적 가치를 발견하고 미 학적 의미를 부여하는 것은 사람이다.
모방적 창의력을 지닌 인공지능 기술은 무한한 잠재력을 지니고 있지만 그 가치를 알아보고 활용할 수 있어야만 의미를 획득할 수 있고 발전의 방향을 잡을 수 있다. 기술과 예술이 융합된 인공창의적 AI 회화가 예술이 되기 위해서는 예 술과 같은 기술에 의미를 부여하는 것이 중요하다. 이에 Ⅲ장을 통해 AI 회화의 형상에 의미를 부여하고 인공지능의 기술이 의미를 담은 예술로 발전할 수 있는 다양한 방법에 대해 논의하겠다.
1. 초현실(Surrealism)적 AI 회화, 딥드림(Deep Dream)
2012년 영국의 딥 마인드는 인공지능에게 빅데이터의 사진을 학습시켜 이미 지를 구분해내는 데 성공했고, 2014년 딥 마인드를 인수한20) 미국의 구글은 다양 한 그림과 사진에서 일정한 패턴을 추출하여 평범한 이미지를 초현실적 회화로 바꿔 주는 딥드림을 개발했다. 반 고호(Vincent van Gogh, 1853-1890)의 화풍을 AI 회화로 표현하는 딥드림은 같은 형태가 패턴을 이루면서 끝없이 되풀이되는 20) 인공지능 분야의 대표적 기업인 구글은 2014년 알파 고를 개발한 영국 스타트업 기업
인 ‘딥마인드를 6억 달러(6000억)에 인수했다.
자기닮음 도형인 프락텔(fractal)구조를 활용해 초현실적 이미지를 생성한다. 표현 주의의 시조인 고호의 <별이 빛나는 밤>의 하늘은 소용돌이치는 에너지로 가득 하고 높다란 사이프러스 나무는 별이 빛나는 마을과 하늘을 잇는 우주목과 같다.
고호는 현실에서 마주하는 격렬한 내적 감정을 <별이 빛나는 밤>으로 표현했고, 고호의 화풍을 모방한 딥드림은 파충류․눈동자 등 기상천외한 이미지가 세차게 요동하는 기괴한 이미지를 <별이 빛나는 밤> [도 10]으로 창출했다.
피처 맵인 CNN는 특징을 추출하는 신경망인데 동물형상을 중심으로 학습 한 인공지능은 고호 화풍과 동물형상의 특징을 모아 결합시켰고 결과적으로 딥드 림의 이미지(빅데이터＋딥러닝)는 초현실적 AI 회화로 나타났다. 고호화풍을 모방 한 딥드림의 <별이 빛나는 밤>은 부유하는 동물형상을 통해 초현실적 상상을 펼 친다.
AI 회화인 <천지창조> [도 11] 는 강아지․새․양․고양이 등의 동물형상 이 뒤섞인 형태로 나타났는데 이러한 형상은 초현실주의의 선구자인 주세페 아르 침볼도(Giuseppe Arcimboldo, 1527-1593)의 <여름>과 <물>․<법학자>를 연상 시킨다. 뛰어난 상상력으로 괴기한 환상화를 그린 화가 주세페 아르침볼도는 과 일과 야채․물고기․닭 등을 조합하여 사람의 얼굴을 표현했는데 고호화풍을 모 방한 AI 회화 <천지창조>도 기괴한 형상의 초현실적 이미지를 창출했다. 고호화 풍의 모방을 통해 이미지를 생성한 AI 회화가 천재적인 작가의 상상력과 유사하 게 표현되며 예술의 불예측성을 보여준다. 인공지능이 꿈을 꾸고(잠재의식․빅데 이터＋딥러닝) 그린 <꿈> [도 13]을 통해서 AI 회화의 이미지 창출과정을 좀 더 명확하게 살펴볼 수 있다. 빨간 나무가 있는 사진이 [도 12] 딥드림에 제시한 사 진이고 제시된 사진을 바탕으로 추출된 이미지가 <꿈> [도 13]이다. 인공지능의 꿈을 만드는 기본요소는 기억정보(빅데이터)이고 꿈은 깨어있을 때의 경험(제시된 사진)을 정리한 것인데 CNN를 활용하는 딥드림은 사진과 빅데이터를 합성하여 하늘을 떠다니는 양이 있는 초현실적 AI 회화인 <꿈>21)을 생성했다.
21) 가디언은 구글의 안드로이드(구글의 이미지 인지신경망)가 전기 양(electric sheep)의 꿈을 꾸고 그려낼 수 있다고 보도했다. “Yes, androids do dream of electric sheep”,
[도 10] 딥드림, <별이 빛나는밤>22) [도 11] 딥드림, 미켈란젤로 <천지창조>
[도 12] 제시된 사진 [도 13] 딥드림, <꿈>
딥드림, 딥드림 제너레이터, 초현실주의적 AI 회화
이처럼 빅데이터와 딥러닝을 활용한 딥드림은 기괴한 초현실적 이미지로 인 공지능의 독창적 예술성을 구현했다. AI 회화의 선구적 가치를 지닌 딥드림이 생 성한 디지털 이미지는 인공지능의 한계로 해석되기도 하지만 시각을 달리하여 보 면 딥드림은 인간의 예측을 넘어서는 자유로운 상상을 수학적 통계로 추출하고 있다. 빅데이터에서 특징을 추출한 딥드림은 기존 화가의 화풍을 모방하는 인공 창의를 통해 초현실적 자유로움을 기계의 감성으로 창출했다. 그리고 딥드림을 근거로 생성된 콘텐츠인 딥드림 제너레이터(Deep Dream Generator)를 통해 AI 회화는 소통과 공감이 이루어지는 공감 예술이 된다. 온라인으로 제공되는 이미 지 생성 프로그램인 딥드림 제너레이터는 사진을 유명화가의 화풍으로 변환시켜
in: The Guardian (18 Jun 2015), https://www.theguardian.com/technology/2015/jun/18/
google-image-recognition-neural-network-androids-dream-electric-sheep (2020년 8 월 01일 최종접속).
22) https://@deepdreamgenerator.com/#gallery (2020년 8월 01일 최종접속).
주며 빠르고 쉽게 인공지능 예술을 체험하게 한다. 딥드림 제너레이터를 통해 제 공하는 알고리즘(작품)들은 “일반적으로 사람(관객)의 개입이 필연적으로 요구되 는 네트워크의 형태로 이루어져 인간과의 공생적인 인터랙션이 요구되는 참여적 작품이다.“23) 평범한 이미지를 초현실적인 추상화로 바꾸어주는 딥드림 제너레이 터는 온라인을 통해 누구나 화가가 될 수 있게 도와주며 인공지능 예술을 향유하 게 해준다. 스타일 트랜스퍼(Style Transfer)의 기술로 간단하게 AI 회화를 창작 하는 기쁨을 경험할 수 있는 딥드림 제너레이터를 통해 첨단예술의 즐거움이 일 상과 공존하고 있음을 알 수 있다. 21세기 첨단기술을 활용한 딥드림은 인공창의 적 AI 회화이고, 공감이 가능한 인터렉티브 아트이다.
2. 극사실(Hyperrealism)적 AI 회화, <넥스트 렘브란트>
렘브란트 반 레인(Rembrandt Van Rijn, 1606-1669)은 자서전을 쓰듯 100여 점의 자화상을 그렸고 인공지능은 렘브란트 그림 346점을 디지털 데이터화하여 AI회화인 <넥스트 렘브란트 Next Rembrant>로 표현했다. 마이크로 소프트와 네 덜란드의 델프트공과대학․렘브란트 미술관은 2년간의 협업을 통해 하이퍼 리얼 리즘으로 <넥스트 렘브란트> [도 14-1]를 제작했다. 렘브란트가 마지막 자화상 [도 14-3]을 그린 1669년(63세)에서 347년 후인 2016년에 오마쥬(hommage)된 작 품이다. 자신감 넘치는 34세의 자화상 [도 14-2]과 비슷한 감성을 전달하는 30대 백인남성의 인공지능 자화상인 <넥스트 렘브란트>는 구체적인 제시어24)에 따라 스스로 그림의 주제를 정했다. 그리고 캔버스의 물감 높낮이까지 분석하여 물감 의 요철까지 겹쳐 쌓은 3차원(3D) 프린팅 [도 15-4]을 통해 극사실적 궁극을 보
23) 박숙영, ｢인터랙티브 아트의 존재 방식에 관한 연구｣, 조형교육 제35집 (2009), pp.
203-229, p.204
24) 18개월에 걸쳐 완성된 <넥스트 렘브란트> [도 14-1]는 “수염이 난 3-40대 백인 남성 이 흰색 깃이 있는 어두운 색 옷 입고 모자를 쓰고 오른 쪽을 향해 있다”는 제시어에 따라 18개월에 걸쳐 완성된 작품이다.
여주었다. 첨단 기술을 활용한 21세기의 AI 회화인 <넥스트 렘브란트>는 17세기 를 대표하는 화가인 렘브란트의 예술세계에 경의를 바치듯, 디지털 이미지를 통 해 그의 아우라(Aura)를 그대로 전달한다. 정밀함이 핵심인 <넥스트 렘브란트>
는 렘브란트가 그린 자화상으로 착각 할 정도로 이미지가 유사한데 이러한 정교 함은 비교적 적은 양의 데이터(346점)를 딥러닝했기 때문이다.
고호의 화풍과 동물형상의 빅데이터를 딥러닝하여 초현실적 감성을 생성하 는 딥드림과 346점의 작품만을 엄선하여 하이퍼리얼리즘을 창출한 <넥스트 렘브 란트>의 차이는 데이터의 양과 질에 있다. 원인(데이터)과 결과(추출된 이미지)의 차이를 극명하게 보여주는 딥드림과 <넥스트 렘브란트>를 통해 데이터의 중요성 을 절감할 수 있다. 원본과 유사한 이미지를 추구하는 AI 회화는 선별된 이미지 만을 채집(small data)하는 것이 중요하다는 것을 알 수 있다. 하이퍼 리얼리즘을 보여주는 <넥스트 렘브란트>는 2016년 칸 광고제 CYBER부문 그랑프리 2개를 동시에 수상했는데, 이를 통해 AI 회화가 미술품 경매시장25)에서 예술로서 인정 받을 뿐만이 아니라 광고계에서도 그 가치를 인정받는다는 것을 알 수 있다. <넥 스트 렘브란트>는 최고의 초상화가인 렘브란트의 품격을 그대로 담은 정교하고 세밀한 인공지능 초상화로 표현되었고, 빅데이터의 합성이미지를 활용한 딥드림 은 초현실적 이미지로 생성되었다. 수학적 통계인 AI 회화는 초현실적 상상력을 표현했고, 정밀한 모방을 했으며, 중첩된 이미지를 통해 보편적 감성을 표현했다.
디지털 기술을 통해 불예측적 상상력을 표출하는 딥드림과 하이퍼 리얼리즘의 정 밀함을 표현하는 넥스트 렘브란트는 21세기 첨단기술을 활용한 대표적 AI 회화이 다. 이를 통해 빅데이터일수록 불예측성이 증가하여 예술성을 확보하게 되고, 데 이터양이 작으면 모방성이 강하게 나타나는 것을 알 수 있다.
25) 딥드림의 <별이 빛나는 밤에>는 2016년 샌프란시스코 미술경매에서, GAN 추상화인
<에드몬드 초상화>는 2018년 크리스티 경매에서, 추상 초상인 <행인의 기억>은 2019 년 소더비에서 판매되면서 AI 회화는 21세기 예술로서의 가치를 인정받았다.
[도 14-1] <넥스트 렘브란트>, AI초상화
[도 14-2] 34세, 렘브란트, <렘브란트 초상화>
[도 14-3] 63세, 렘브란트, <렘브란트 초상화>
[도 14-4] https:/www.nextrembrandt.com, [도 14] <넥스트 렘브란트>, 하이퍼 리얼리즘 AI 회화
3. 가상(Virtual Image)적 AI 회화
모방을 위해 창출된 회화적 알고리즘은 초현실적 상상과 모방의 극치에 이 어 가상이미지를 통해 기계의 감성을 표현하게 된다. 적대 신경망을 활용한 <벨 라미 가문의 초상>과 <행인의 기억>은 가상적 이미지가 중첩된다. GAN을 활용 하여 가상의 가문 초상화를 탄생시킨 ‘오비어스’는 성명을 통해 “우리는 AI 커뮤 니티 특히 GAN 알고리즘의 창시자 이안 굿 펠로우․에드먼드 드 벨라미 시리즈 이름에 영감을 준 로비 바렛을 포함한 신기술 사용을 개척한 사람들에게 감사드 린다. 그들은 우리에게 커다란 영향을 주었다”26)고 밝혔다. 회화적 알고리즘의 가 치와 상생의 의미를 구현하는 오픈소스의 중요성을 보여주는 성명이었다. 회화적 26) 이정현, ZDNet Korea (2018.10.26).
알고리즘인 GAN은 <벨라미 가문의 초상>․ <행인의 기억>․ <인공지능 누드 화>등으로 불특정 화가의 화풍을 모방한 AI 회화를 탄생시켰다. 독창성과 유일 성․우연성을 확보하고자 하는 AI 회화는 점차로 이미지 창작 과정에 창작자의 의도를 반영하게 된다. 창작자가 작품목적에 맞게 자신만의 데이터를 제작하고 이를 표현하면서 특정 화풍을 모방하던 AI 회화는 창작자의 개성을 창출하게 된 다.
⑴ 에드몬드 드 벨라미(Edmond de Belamy)27)
프랑스의 인공지능 예술그룹인 오비어스(obvious)는 가상의 프랑스 귀족 가 문을 탄생시켰다. 오비어스는 ‘벨라미 가문’의 초상화 11점을 창작하기 위해 14-20세기 초상화 1만 5,000점 가량을 입력한 뒤 적대적 신경망(GAN)을 활용하 여 가문의 이미지를 만들어냈다. <벨라미 가문의 초상>과 같은 인공지능 초상화 가 탄생하기 위해서는 신기술을 개척하는 공학자․오픈소스에 기술을 공개하는 예술적 공학자․공개된 기술을 활용해 작품을 만드는 예술가가 필요하다. 기존 화가들의 창조적 상상력은 작가의 내면에 입력된 사상과 감정을 표출하는 것이고 GAN을 활용한 AI 회화는 빅데이터(주입된 정보)를 통해 이미지를 추출하는 것이 다. 가상적 이미지를 창출하는 <벨라미 가문의 초상>의 11명의 초상은 모두 모호 한 선과 왜곡된 형태가 중첩되어 있는데 이는 불특정 화가들이 그린 15000여점의 초상화를 딥러닝 한 후 나타난 형상으로 다양한 화가의 개성이 융합되어 산출된 이미지이다. <벨라미 가문의 초상>은 모호한 이미지를 통해 실재하지 않으나 그 림으로 존재하는 가상가문의 역사를 만들었고 작가의 서명 란에 생성 알고리즘을 [도 15] 기재하여 21세기 예술인 AI 회화의 존재감을 부각시키고 있다.
<에드몬드 드 벨라미>는 예상 낙찰가의 40배인 43만 2,500달러(한화 약 4억
27) <벨라미 가문의 초상>은 2018년 10월 25일 세계적인 경매 회사 크리스티에 의해 경 매에 나왔다. AI가 그린 그림이 주요 경매사인 크리스티 경매에 오르는 건 처음이었 다.
9,000만원)에 낙찰되었지만 독창성이 없다는 혹평을 받기도 했다. 그러나 기계가 산출한 이미지는 기계의 의도 없이 입력된 내용을 모아 통계를 낸 이미지이기 때 문에 독창성보다는 보편적 의미가 강하다. 15,000점의 초상화가 적대적 신경망을 통해 제로섬으로 경쟁하면서 남은 이미지가 남녀노소로 구성된 11명 가족의 모습 이다. 초상은 11가지 표정과 11가지 형태의 옷차림․11가지 자세 등 각각 다른 형과 색으로 내면과 외면을 표현한다. 모호한 선과 형으로 중첩되어 있는 초상은 결투신경망 GAN의 치열한 경쟁을 거쳐 도출된 인간의 보편적 초상이다.
[도 15] 오비어스(Obvious), <에드몬드 드 벨라미>, <벨라미 가문의 초상> 11점,2018
⑵ <행인의 기억 Memories of Passerby 1>
독일 인공지능 아티스트인 마리오 클링게만(Mario Klingemann, 1970- )은 GAN 알고리즘을 활용한 영상 <행인의 기억>28)을 한정판으로 제작했다. <행인 의 기억>이 활용하는 알고리즘은 결투 신경망인 GAN이고 표현하는 형식은 여성 과 남성의 대립이며, 화면은 두 개로 나뉘어져 있다. 작품이 대립의 긴장에서 시 작된다. 컴퓨터와 연결된 영상을 통해 남과 여를 각각 두 화면에 분리시켜 감정 28) 한정판으로 작품을 만들어진 <행인의 기억>은 소더비 경매에서 6,000만원에 낙찰되었
다.
적 효과를 극대화했다. 움직이는 가상 이미지인 <행인의 기억> [도 16]은 17세기 부터 19세기 미술가들의 작품을 딥러닝한 작품으로 불특정 화가의 불확실한 화풍 이 흔들리는 이미지로 생성되었다. 오른 쪽 여자, 왼쪽 남자로 분리된 두 화면에 서 중첩되고 변형되며 움직이는 초상은 시시각각 변화하는 남녀의 마음을 표현하 는 듯하다. 가상의 세계를 표상화한 <행인의 기억>은 남과 여 각각의 기억에 저 장되어 있는 이미지를 끊임없이 변화시키며 흔들리는 삶과 사랑에 대한 수많은 의미를 전달한다. 제로섬의 틀에서 성장하는 치열한 알고리즘인 GAN을 활용한
<에드몬드 드 벨라미>와 <행인의 기억>에서 다양한 감정을 발산하는 인물들은 색과 형이 겹쳐지고 일그러진 초상을 통해 삶의 모호함을 표현하는 듯하다.
[도 16] 마리오 클링게만, <행인의 기억 Memories of Passerby>, 2018, 독일, 출처: Sotheby's
⑶ 인공지능누드화
미국 스탠퍼드 대학 인공지능 연구원인 19세의 로비 바렛(Robbie Barrat)은 수천 점의 누드화를 빅데이터한 후 적대적 신경망인 GAN을 통해 토르소(torso) 형태의 일그러진 누드화를 창출했다 [도 17]. “창작과정이란 본능, 기술, 문화, 그 리고 창작을 향한 엄청난 열망의 결과물이다. 그것은 의식과 무의식, 공포와 쾌락 의 결합물이다.”29)라는 것이 베이컨의 창작관이다. 그리고 GAN은 불특정 화가의 29) 스티븐 파딩 편, 죽기 전에 꼭 봐야 할 명화 1001, 하지은, 한선경 옮김 (마로니에북
스 2008), p. 762.
누드화를 컴퓨터 연산하여 피와 살덩이로 이루어진 기괴한 형태의 인공지능 누드 화를 표현했다. 정확한 형태를 알 수 없는 살색 덩어리로 인체의 본질을 표현한 인공지능의 누드화는 다양한 그림을 통해 무의식․공포․쾌락 등으로 내적 불안 을 표현하는 프란시스 베이컨((Francis Bacon, 1900-1992)의 누드화와 매우 닮아 있다. 불특정 다수의 누드화 통계를 통해 추출된 인공지능의 누드화는 인체가 그 저 살덩어리로 이루어진 것이라는 불편한 진실을 가상 이미지로 보여주며 인체에 대한 성찰을 하게 한다.
[도 17] 로비 바렛, <AI 누드화>, 2018, robbiebarrat.github.io
2014년 1월에 이안 굿 펠로우가 성공시킨 적대적 신경망 GAN 알고리즘은 2018년 로비 바렛에 의해 인공지능 개발자 공유사이트인 깃 허브에 공개되었고 오픈소스에 공개된 예술 콘텐츠인 GAN은 예술적 영감이 되어 <에드몬드 드 벨 라미>와 <행인의 기억>그리고 <인공지능 누드화>로 창출되었다. 19세의 미국인 로비 바렛이 오픈소스에 공개한 GAN을 활용해 3명의 20대 프랑스인이 <벨라미 가문의 초상> 초상화를 제작했고 48세 독일의 인공지능 아티스트가 <행인의 기 억>을 창출했다. 다양한 나라와 다양한 연령층에 예술적 영감을 불러일으킨 GAN 알고리즘은 창작 주체(19세 미국인, 20대 프랑스인, 40대 독일인)가 선택한 빅데이터(14-20세기 초상화 1만 5,000점, 수천 점의 누드화, 17-19세기까지의 방대 한 미술작품)에 따라 다채로운 예술로 창출되었다.
4. 독창적 GAN, 캔(CAN)
‘생성적 적대 신경망(GAN)’을 기반으로 새로운 형태의 이미지를 생성하는 CAN [도 18]은 기존 화가들의 기법과 양식30)을 모방하지 않도록 프로그램 되어 있다. 그러나 예술은 모방에서 시작되고 AI 회화도 다양한 화가의 화풍을 모방하 면서 생성된다. 독창적 GAN인 CAN은 어떤 유파에도 속하지 않은 독창성을 지 니기 위해 인상주의․입체파․미래파 등 기존에 존재하는 화풍을 데이터로 구축 했다. ① 15세기에서 20세기에 이르는 1,119명 화가의 81,449점의 작품으로 데이터 를 구축했고 ② 구축된 자료에서 미술사적 가치를 지닌 작품 1,710점(66명 작가, 13개 양식)을 화풍에 따라 재분류했다. 그리고 ③ 8만 여점의 데이터와 유사성이 낮은 새로운 형태의 이미지를 생성했다. CAN은 학습을 통해 스스로 표현 방식을 결정하여 사용하고 기존의 화풍(인상파․야수파 등)에 속하지 않는 이미지를 생 성한다. 단순히 독창적 형태만으로는 인공지능 기술인 CAN이 예술에 이를 수 없 지만 15세기에서 20세기에 이르는 예술작품을 빅데이터화한 CAN을 활용하는 창 작자를 통해 AI 회화 예술은 더욱 풍부해질 수 있을 것이다.
[도 18] Style-classification-CAN31)arXiv:1706.07068v1 [cs.AI] 21 Jun 2017.
30) 뵐플린은 르네상스 미술과 바로크 미술을 구분 짓는 가장 중요한 5가지 기준을 ① 선 적인 것(linear)과 회화적인 것(painterly), ② 평면적인 것(planary)과 후퇴적인 것 (recessive), ③ 닫힌 형태(closed)와 열린 형태(open), ④ 다양성(multiplicity)과 단일성 (unity), ⑤ 명료성(absolute clarity)과 불명료성(relative clarity)으로 제시했고, CAN은 이에 따라 양식을 구분했다.
Ⅳ. 결론
연구결과 4차 산업이 21세기의 삶과 예술에 많은 변화를 가져 왔고, 4세대 인공지능인 딥러닝이 예술의 새로운 표현도구가 되어 있음을 알 수 있었다. 빅데 이터와 알고리즘을 통해 모방적 이미지를 생성하는 인공지능은 초현실적 상상과 극사실적 복제와 예측 불가능한 이미지를 표현하고 있었다. 특징을 찾아 이미지 를 생성하는 딥드림은 고호 화풍을 모방하여 초현실적 상상력을 펼치고 있었고, 렘브란트 기법을 모방하는 <넥스트 렘브란트>는 유화의 질감까지 3D로 처리하는 정밀함을 보여주었다. 결투 신경망인 GAN을 활용한 <벨라미 가족의 초상화>와
<행인의 기억> 등은 가상적 이미지를 통해 미학적 사유를 창출했고 <인공지능 누드화>는 컴퓨터 연산으로 인간의 본질을 보여주었다. 불특정 다수의 화풍을 활 용하는 데이터와 고호 화풍이나 렘브란트 화풍 등으로 제한된 데이터를 활용하는 경우를 비교해 보았을 때 불특정한 데이터를 활용하는 경우 불예측적 이미지가 생성되었다. AI 회화의 불예측성으로 인해 기계가 생성한 이미지가 예술의 형식 뿐만이 아니라 의미를 담고 있는 듯 했다. 인공창의적 AI 회화의 이미지는 다양 한 화가의 심미의식과 닮아 있었다.
AI 회화는 예술적 가치를 결정하는 유한성과 독창성을 확보하기 위해 점차 로 이미지 생성 과정에 창작자의 의도를 개입시키고 있었다. 인공지능의 기술을 예술로 구현시키기 위해 필요한 “프로그래밍은 아티스트가 기계(컴퓨터, 로봇, 그 외 다양한 기계)를 관리하고 제어할 수 있게 하는 중요한 행위이다. 프로그래밍과 장비 및 인터페이스를 설계할 수 있는 여건 역시 아티스트의 창작에 포함된다.”32) 고 한다. 4차 산업의 디지털 기술인 빅데이터와 딥러닝 그리고 인공지능이 발전 31) Ahmed Elgammal, Bingchen Liu, Mohamed Elhoseiny, Marian Mazzone, CAN:
Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms”, p. 11.
32) Florent Di Bartolo, ≪Software Art≫, dans 100 Notions pour l'art numérique, p.
237. 이수진, ｢인공지능 시대의 예술과 창의성: 규칙과 변형, 그리고 맥락화｣, 한국프 랑스학논집 86권, 1호 (2018), pp. 319-339 (DOI: 10.18812/refc.2018.86.319.), p. 333.
함에 따라 인공지능의 기술로 생성되는 예술은 더욱 증가할 것이다. 독창적 AI 회화를 표현하기 위해서는 공학자들에 의해 제시되는 데이터와 알고리즘뿐만이 아니라, 이를 활용하여 창작자가 자신만의 개성을 표현하는 방법을 강구해야 된 다.
4차 산업의 기술인 인공지능은 초경계, 초융합의 세계를 열었고, 인공지능과 융합을 이룬 예술은 삶을 예술로 변화시키고 있다. 지금을 살아가는 예술가가 예 술적 영감을 주는 인공지능에 대해 알고 이해하고 활용한다면 21세기의 회화예술 은 더욱 풍요로워질 수 있을 것이다. 본 연구가 21세기의 시대정신을 반영하는 AI 회화를 창작하는 계기가 될 수 있기를 바란다. 개성을 표현할 수 있는 데이터 를 수집하고, 예술적 영감을 주는 회화적 알고리즘을 표현도구로 삼아 보다 적극 적으로 AI 회화 창작에 매진한다면 지금까지 없었던 전혀 새로운 예술을 탄생시 킬 수 있을 것이다. 디지털 환경에 맞추어 객관과 주관, 외면과 내면의 감성을 모 두 표현할 수 있는 AI 회화가 탄생하여 21세기 회화예술이 더욱 풍부해지기를 기 대한다.
33)
* 논문투고일: 2020년 8월 17일 / 심사기간: 2020년 8월 16일-2020년 9월 27일 / 최종게재 확정일: 2020년 9월 28일.
참고문헌
강규일, 한권으로 읽는 4차 산업혁명, 책들의 정원 2018.
고준수, 4차 산업혁명에 대한 이해, 북트리 2017.
김선영, 4차산업시대, 예술의 길, 봄봄스토리 2020.
김성호, ｢딥러닝을 통한 이미지의 인식론: 창발성의 비주얼 커뮤니케이션｣, 한국 영상학회논문집, 17권, 2019, pp. 5-28 (DOI: 10.14728/KCP.2019.17.04.005).
김소영 외 2인, ｢예술기반 창조경영의 개념과 유형｣, 문화경제연구 16권, 제2호, 2013, pp. 41-63.
김재인, 인공지능의 시대, 인간을 다시 묻다, 동아시아 2017.
김주은, ｢인공지능이 인간사회에 미치는 영향에 대한 연구｣, 문화기술의 융합 5 권, 2호, 2019, pp. 177-182.
마쓰오 유타카, 인공지능과 딥러닝, 박기원 옮김, 동아 엠앤비 2015.
박숙영, ｢인터랙티브 아트의 존재 방식에 관한 연구｣, ｢조형교육｣ 제35집, 2009, pp. 203-229.
손화철, ｢인공지능 시대의 과학 기술거버넌스｣, 철학사상 68집, 2018, pp.
267-299 (DOI: 10.15750/chss.68.201805.009).
스튜어드 러셀, 피터 노박, 인공지능: 현대적 접근방식, 류광 옮김, 제이펍 2016.
스티븐 파딩 편, 죽기 전에 꼭 봐야 할 명화 1001, 하지은 옮김, 마로니에북스 2008.
신동엽 외 6인, 4차 산업혁명, 일과 경영을 바꾸다, 삼성경제연구소 2018.
신정원, ｢시각예술에서 인공지능과 빅데이터의 역할｣, 한국예술연구, 2018, pp.
65-89 (DOI: 10.20976/kjas.2019..25.004).
이수진, ｢인공지능 시대의 예술과 창의성: 규칙과 변형, 그리고 맥락화｣, 한국프 랑스학논집 86권, 1호, 2018, pp. 319-339 (DOI: 10.18812/refc.2018.86.319.).
이임수, ｢인공지능과 현대미술에 관한 소고: 사이버네틱스에서 신경망까지｣, 한 국예술연구 제15호, 2017, pp. 5-28 (DOI: 10.20976/kjas.2017..15.001).
임산, ｢융합 시대의 예술담론을 위한 이론적 범례: W. J. T. 미첼과 에르빈 파노 프스키｣, 미학예술학연구 36집, 2012, pp. 47-69.
전혜현, ｢융합 기술과 예술 그리고 윤리의 충돌을 대하는 태도｣, 미학예술학연구
54집, 2018, pp. 109-132 (DOI: 10.17527/JASA.54.0.04).
정지훈, ｢인공지능 시대, 디자인의 윤리화: ‘이미지 의식’을 중심으로｣, 영상문화
34권, 2019, pp. 303-335.
조서현, 이필하, ｢딥러닝을 활용한 인공지능의 예술표현 사례 연구｣, 조형디자인 연구 22권, 2019, pp. 194-211.
최효승, 손영미, ｢인공지능과 예술창작 활동의 융복합 사례분석 및 특성 연구｣,
한국과학예술융합학회 28권, 2017, pp. 289-299.
함유근, 채승병, 빅데이터, 경영을 바꾸다, 삼성경제연구소 2012.
Condliffe, Jamie, Some Genius Finally Turned Google’s Deep Dream Code into a Web App, Gizmodo 2015.
Dolhansky, Brian, Cristian Canton Ferrer, “Eye In-Painting with Exemplar Generative Adversarial Networks”, Proceedings Article, 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2018 (DOI:
10.1109/cvpr.2018.00824).
Goodfellow, Ian J., Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, NIPS 2016 Tutorial:Generrative Adversarial Networks, ArXiv 2016
Goodfellow, Lan, NIPS 2016 Tutorial: Generrative Adversarial Networks, 2016.
Zhu, Jun-Yan, Taesung Park, Phillip Isola, Alexei A. Efros, “Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks”, Proceedings Article, 2017 IEEE International Conference on Computer Vision (ICCV), 2017 (DOI: 10.1109/iccv.2017.244).
https://@deepdreamgenerator.com/#gallery (2020년 10월 1일 최종접속).
표목록
[표 1] 인공지능의 발전
[표 2] 제1차-4차 산업혁명의 변화 [표 3] 4차 산업혁명의 주요기술
[표 4] 인공지능 구성기술-알고리즘, 컴퓨팅, 데이터
도판목록
[도 1] 인공지능, 머신러닝, 딥러닝, 빅데이터 [도 2] 심층신경망
[도 3] GAN을 활용한 이미지 복원
[도 4] 스케치를 활용한 이미지생성 NVIDIA, GAN, 딥러닝 기반 스케치 앱, ‘빈센 트 A’
[도 5] GAN을 활용한 이미지 생성
[도 6] GAN, 인물복제사진, @devblogs,nvidia.com [도 7] GAN을 통한 Image Translation
[도 8] 나선형신경망 CNN 활용한 이미지, CNN 이미지 생성과정 [도 9] 순환신경망 RNN을 적용한 사물 스케치, 구글 마젠타 Autodraw [도 10] 딥드림, <별이 빛나는밤>
[도 11] 딥드림, 미켈란젤로 <천지창조>
[도 12] 제시된 사진 [도 13] 딥드림, <꿈>
[도 14] <넥스트 렘브란트>, 하이퍼리얼리즘 AI 회화
[도 15] 오비어스(Obvious), <에드몬드 드 벨라미>, <벨라미 가문의 초상> 11점, 2018
[도 16] 마리오 클링게만, <행인의 기억 Memories of Passerby>, 2018, 독일, 출 처: Sotheby's
[도 17] 로비 바렛, <AI 누드화>, 2018, robbiebarrat.github.io [도 18] Style-classification-CAN