한국연구재단 박사후국내연수 2017-2019 결과 보고
인공지능을 통한 이미지의 존재론과 인식론 - 창발적 예술 생산
김성호(유니스트 박사후연구원, 2017-19)
Ⅰ. 연구 목적 및 방법
1. 당초 연구의 목적, 필요성 및 연구 목표
당초 연구의 전체 주제와, 1년차, 2년차 세부 주제는 다음과 같았다.
연수 주제: 인공지능을 통한 이미지의 존재론과 인식론 - 창발적 예술 생산.
1년차 주제: 빅데이터에 의한 이미지의 존재론, 복수성의 네트워크.
2년차 주제: 딥러닝을 통한 이미지의 인식론, 창발성의 비주얼 커뮤니케이션.
이 연구는 과학과 예술의 융합 연구로, 인공지능으로 대표되는 과학을 연구 대상으로 삼고 미학의 주요 관점에서 예술철학, 예술사회학, 커뮤니케이션학 등의 학제간 통합 연구를 계획했다. 당초 연구의 주요 목표는 무수한 데이터를 학습하면서 일정한 패턴을 발견하고 규칙을 스스로 만드는 인공지능의 빅데이터와 딥러닝의 속성으로부터 생산되는 이미지의 창발성과 그것의 커뮤니케이션, 즉 이미지/텍스트 커뮤니케이션과 비주얼 커뮤니케이션의 여러 가능성을 탐구하는 것이었다.
먼저 1년차 연수에서는 빅데이터가 만드는 이미지들의 존재론적 위상을 수평적 네트워크와 리좀적인 복수성으로 정초하는 미학을 연구하면서 이미지/텍스트 커뮤니케이션을 살피고자 했다.
2년차 연수에서는 인공지능의 딥러닝이 생산하는 무작위성의 규칙으로부터 우연성, 자율성, 창의성을 추출함으로써 인공지능이 만드는 ‘이미지’나 ‘예술 모방의 생산물’로부터의 창발성을 연구하는 것이었다.
아울러 인공지능과 창발성의 관계가 어떠한 방식으로 관계되는지를 구체적으로 살펴보기 위해서, 이 연구는 딥러닝이라는 과학적 실험을 실제적으로 실천하면서 귀납적 결론을 도출하고자 계획했다. 즉 이 논문은 인문학의 관점으로 공학을 연구하는 융복합 연구를 통하여 학제간 연구를 활성화시키고 나아가 실제적인 과학 실험을 통해서 관점이 다른 연구들을 수렴하여 인공지능에 관한 기존의 연구 결과들을 보다 더 활성화시키는 연구에 기여하려고 계획했다. 그런 의미에서 이 연구는 융합적 연구이되, 실용과 기능을 전제로 한 공학적 연구이기보다 공학적 실험 결과에 대한 인문학적 성찰을 심화하는 연구를 계획했다.
본인의 당초 1, 2차 연수의 연구 배경은 ‘과학+예술’에 관한 융복합 연구의 최근 성과, 특히 인공지능의 최근 연구들을 검토하는 것이었다.
그러나, 본인의 박사후국내연수는 인공지능의 빅데이터와 딥러닝을 차례로 연구하지만, 그것의 기술적 향상에 관한 응용에 대한 연구가 아니다. 본 연수는 이러한 첨단의 인공지능 기술을 대면하는 인문학적 성찰을 앞세운다. 즉 미학과 예술사회학 관점의 연구이다. 구체적으로 인공지능의 빅데이터를 통해서 생산되는 이미지의 존재론이 무엇이며 그것을 어떻게 수용할 것인지에 대한 커뮤니케이션 연구, 그리고 딥러닝 기술을 활용하는 미디어아트가 견지하고 있는 창발성에 대한 연구와 더불어 비대상적 미술(추상회화)를 빅데이터로 삼아 딥러닝을 실천하는 일련의 실험적 연구를 통해서 이미지의 창발성이 어떠한 결론들을 도출하는지를 탐구한다.
그러나 본 연수자의 연구는 인공지능 위주의 담론을 비판하고 인문학의 우위를 비교하면서 논하지 않는다. 둘 사이의 학문적 균형을 찾으면서 양자의 논의들을 커뮤니케이션, 그리고 이미지의 창발성과 그것의 이상적 모델링 그리고 관련한 과학적 실험들을 통해서 다양한 연구의 결과들을 비판적으로 수렴해서 탐구해 나갈 계획이었다.
이 연구는 주로 지각과 감성의 차원에서 규정하고 설명해 온 이미지의 창발성을 존재론과 인식론이라는 철학적 개념으로 정의를 시도해 볼 뿐만 아니라, 빅데이터 개념을 이미지 생산자와 수용자 사이에 위치한 보편적인 커뮤니케이션의 차원으로 연구하고자 했다. 나아가 딥러닝을 통한 이미지의 인식론을 통해 창발성에 대한 의미론에 대한 비주얼 커뮤니케이션 연구에까지 확장하려고 했다.
2. 당초 연구 내용, 범위 및 방법
가. 1년차 연수의 내용 및 범위
당초 연수는 인공지능과 관련한 다음의 큰 연구 주제 아래 1년차 연수를 비예술의 영역에서 2년차 연수를 예술의 영역에서 수행하려고 했다.
1년차 연수에서 연구할 주제는 ‘빅데이터(Big data)에 의한 이미지의 존재론, 복수성의 네트워크’였다. 여기서 본 연구자는 과학과 일상의 영역에서 생산되는 이미지의 존재론과 예술을 흉내 내면서 생산되는 이미지의 존재론을 함께 연구할 계획이었다. 아울러 인공지능을 통한 이러한 이미지 생산에 대한 커뮤니케이션을 연구하는 것이었다. 즉 전자가 이미지의 존재론에 대한 탐구라고 한다면, 후자는 그것을 실증적으로 분석, 성찰하는 이미지의 화용론에 대한 탐구라고 하겠다. 특히 빅데이터라는 집합 이미지의 복수적 존재론으로부터 이전의 이미지들의 존재 양식과 달라진 지점을 미학의 관점에서 고찰할 계획이었다.
당초 1년차 연수 ‘빅데이터에 의한 이미지의 존재론, 복수성의 네트워크’의 연구의 큰 목차는 다음과 같았다. I. 서론, II. 인공지능의 존재론, III. 빅데이터의 이미지 존재론, IV. 빅데이터의 이미지/텍스트 존재론, V. 결론.
전통적으로 이미지에 대한 연구는 이미지 존재론, 예술작품 존재론에 기초한다. 본 연구도 그러하다. 다만 본 연구는 이미지가 지닌 부재, 허구, 가상의 존재적 차원을 검토하면서도 인공지능의 빅데이터로 수렴되는 이미지에 대한 인식론과 의미론에 대한 연구를 필수적으로 검토하고자 했다.
이미지의 라틴 어원인 ‘이마고(imago)’뿐 아니라 그리스 어원인 에이돌론(Eidolon), 에이콘(Eikon), 판타즈마(Phantasma) 등은 모두 실제적 대상을 전제한 모방론(mimesis)와 연관되면서 죽음, 부재 등의 의미와 맞물리고 있다. 즉 고대 이래 이미지는 실재에 대한 부재와 환영으로 간주되어 왔다. 반면, 인공지능의 빅데이터로 수렴되는 이미지는 부재, 허구 혹은 가상적 세계에 대한 존재 의식을 여전히 전통적 미학과 공유하면서도 이전과 달리 복수성으로서의 존재를 가시화한다. 네트워크와 복수성으로서의 존재론은 빅데이터에 수렴된 이미지의 존재를 정의한다. 즉 이미지의 존재론뿐 아니라 ‘이미지의 인식론와 의미론’의 문제의식을 여전히 요청하는 것이다.
본인은 당초 1년차 연수에서 다음과 같은 3가지의 연구 방향성을 견지하고자 했다.
첫째로 인공지능의 빅데이터가 수렴하는 이미지 연구를 존재론에 기초하되 인식론, 그리고 의미론의 차원으로까지 확장하면서 미학에 기초하되, 기호학, 커뮤니케이션의 방법론으로 함께 연구하고자 했다.
이미지를 매개로 하는 이미지 커뮤니케이션은 실상 비언어적 커뮤니케이션이지만, 여기에는 동시에 언어적 매개론을 함유하는 까닭에 이미지/텍스트 커뮤니케이션으로 정초된다. 이러한 커뮤니케이션에는 ‘과정파’(process school)와 ‘기호파’(semiotic school)라는 언어적 매개론의 두 연구 방법을 포함하면서 ‘정보의 발신과 수신’이라는 개념을 넘어서 의미작용까지를 함께 주요하게 간주하게 된다. 특히 인공지능이 매개하는 빅데이터는 언어와 같은 ‘정형화된 데이터’는 물론이며, 사진, 이미지, 멀티 미디어와 같은 ‘비정형 데이터’를 모두 아우르는 방대한 질과 양을 지닌 메타 데이터로 정의되고 있기 때문이다. 빅데이터란 분산된 클라우드 컴퓨팅 시스템이 네트워킹을 통해서 다시 수렴되면서 구체화된다.
둘째로 1년차 연수는 인공지능의 빅데이터 이미지의 연구를, 테크놀로지의 변천과 같은 사회적 맥락과 수용자의 위상 변화를 함께 고찰하면서, 복수성의 네트워크라는 개념에서 고찰하는 것이었다.
본 연구는 미디어 커뮤니케이션에서 대개 메시지의 수신자로 존재했던 일반 대중들이 오늘날 pc, 인터넷, 모바일 기기 등 디지털 테크놀로지의 네트워킹을 본격화하면서 메시지의 생산자로 전환한 지점을 주목한다. 이제 일반 대중은 미디어 전문가 그룹이 생산하던 특화된 미디어를 스스로 생산하는 다양한 개방형 플랫폼들-사진(Flickr, Instagram), 비디오(YouTube, DailyMotion), 음악(Bittorrent), 의견(Facebook, Twitter), 지식 정보(Wikipedia, Freebase)-을 통해서 무한한 데이터를 생산, 공유, 소비한다. 일반 대중이 사용자 제작 컨텐츠인 다양한 UCC 플랫폼을 통해서 정보의 소비자로부터 생산자로 전환하기에 이른 것이다.
이러한 일련의 변화에는 기존의 이미지 정보를 생산하는 하드웨어가 고가의 저장 장치였던 반면, 최근의 빅테이터의 하드웨어가 모든 정보를 인터넷의 서버에 저장하는 클라우드 컴퓨팅(Cloud Computing) 시스템과 같은 비용 효율적인 체계로 전환된 사회상의 변화도 이유로 작용했다. 게다가 전자의 소프트웨어가 관계형 데이터 베이스에 집중하고 있다면, 후자 빅데이터의 소프트웨어는 오픈 소스 형태의 무료를 지향하고 있다는 점도 한몫 했다.
다수의 대중이 소비자로부터 생산자로 전환된 오늘날, 이들이 생산하는 데이터들은 빅데이터의 원천이다. 그런 차원에서 빅데이터란 이러한 비정형적이고 다양한 속성의 모든 정보들이 연합하고 네트워크를 이루는 복수성으로 존재한다.
당초 1년차 연수는 이러한 빅데이터가 지니는 복수체로서의 존재에 주목한다. 그것은 다분히 들뢰즈(G. Geleuze)와 가타리(F. Guattari)가 언급하는 리좀적 존재이다. 즉 이들의 리좀적 복수성은 하나의 우월한 어떤 존재를 덧붙임으로써 가능한 n+1의 차원의 복수성이 아니라, 오히려 반대로 우월한 어떤 존재를 없앰으로써 가능한 n-1의 차원의 복수성이다. 네트워크와 연합, 그리고 복수성으로 존재하는 빅데이터는 데이터 개별체들의 차별성과 특수성을 강조하기보다 데이터 연합체로서의 이질적 복수성 자체로 존재한다. 왜냐하면 이러한 빅데이터는 개별체의 데이터로는 주요도가 약하지만 대량으로 네트워킹되었을 때 비로소 새로운 정보의 경향을 드러낼 가능성이 있는 데이터 집합체로 존재하기 때문이다.
그런데, 여기서 우리는 ‘이미지가 아닌 데이터 집합체들의 시각화’를 통해 생산되는 이미지와 더불어 ‘이미지 데이터들의 집합체’를 살펴본다. 전자는 통계, 도표, 다이어그램들로 이미지화될 수 있으며 후자는 무수한 이미지들을 동종 혹은 동형 등의 일정한 방식으로 취합하고 패턴화하게 된다. 그것은 복잡다기한 원천 정보들의 집합으로부터 일정한 규칙을 찾는 일이기도 하다. 물론 그것은 클라우드 컴퓨팅으로 가능해지는 것이기도 하다. 즉 클라우트 컴퓨팅으로 네트워킹된 데이터들 사이의 상호작용의 관계의 틀을 패턴화된 양식 속에서 찾아 제시할 수 있게 된다.
셋째로, 당초 1년차 연수에서는 과학과 일상의 영역에서 생산되는 이미지의 존재론과 더불어 예술을 모방하면서 생산되는 이미지의 존재론을 함께 ‘이미지/텍스트 커뮤니케이션’의 관점에서 연구한다. 달리 말해 인공지능이 인간의 예술 행위를 모방하면서 시각 이미지를 창출하는 일련의 최근 움직임에 대해서 예술적 이미지의 존재론을 커뮤니케이션의 입장에서 탐구하는 것이다.
인공지능의 오늘날의 모습을 갖추기 전인, 1973년 영국의 예일대 교수 헤럴드 코헨이 개발한 인공 지능 로봇 아론(Aaron)은 프로그래밍을 거쳐 실제로 캔버스에 낙서, 드로잉과 같은 이미지를 만들어 내면서 예술 작품을 흉내 낸다. 실제로 아론이 여러 전시에 초대를 받았지만, 우리는 아론이 생산한 이미지들을 예술로 정의하길 주저한다. 예술이란 창의력, 상상력, 직관에 근거한 인간만의 생산물이기 때문이다.
물론 구글은 최근 ‘인셉셔니즘(Inceptionism)’으로 명명된 이미지 합성 알고리즘을 통해서 딥러닝을 거꾸로의 방식으로 작동시키는 딥 드림(deep dream)이라는 인공지능을 개발해서, ‘예술을 하는 기계’를 천명한 바 있다. 그렇지만 그것 역시 예술로 정의하기에는 무리이다. 무수히 축적된 데이터들에 대한 학습을 통해서 일련의 패턴의 규칙을 발견하고 그것이 변용된 이미지를 생산하거나 입력된 사진 이미지를 미술사 속 유명 화가의 화풍을 흉내 낸 이미지들로 변환하는 ‘유사 예술 창작의 결과물’을 생산할 따름이다.
1년차 연수는 이러한 창의성을 흉내 내는 인공지능의 이미지 생산으로부터 예술과 관련한 빅데이터를 활용하여 예술을 지향하는 이미지를 생산하는 차원까지 검토한다. 이러한 시도 속에서 예술작품의 존재론, 이미지의 존재론에 대한 탐구와 더불어 이미지 생산을 인식론, 의미론으로 확장하는 이미지 커뮤니케이션에 대한 탐구를 펼쳐나가고자 했다. 당초의 연구 계획에서 유념할 것은 시각기호학에서 탐구되었던 이미지 커뮤니케이션이라는 것은 ‘비언어적(non-verbal) 커뮤니케이션’으로 간주되면서도 이미지 안에 언어적 메시지를 함유한 ‘언어적(verbal) 커뮤니케이션'으로 이해할 필요가 있음을 전제하려고 계획했다. 따라서 빅데이터에 의한 이미지 소통을 이미지/텍스트 커뮤니케이션으로 설명하려고 했다.
나. 2년차 연수의 내용, 방법, 범위
2년차 연수에서 연구할 주제는 ‘딥러닝(Deep Learning)을 통한 이미지의 인식론, 창발성의 비주얼 커뮤니케이션’이었다. 1년차 연수에서 예술을 포함하는 비예술의 넓은 범주에서 이미지의 존재론을 탐구한다면, 2년차에서는 미디어 아트로 특화된 예술의 영역에서 인공지능의 역할을 사례로 분석하고, 아울러 비대상적 미술로 통용되는 추상 회화에 나타난 이미지의 창발성을 딥러닝이라는 과학적 실험 방식으로 탐구하는 것이었다.
당초 2년차 연수의 큰 목차는 다음과 같았다. I. 서론, II. 딥러닝, III. 비대상미술의 우연과 자율성, IV. 이미지의 창발적 커뮤니케이션, V. 결론
먼저 딥러닝이란 인공지능이 일련의 문제들을 사람이 학습하는 방식을 접목해서 해결하는 머신러닝(machine learning)의 여러 방식들-결정 트리, 클러스터링, 베이지안 네트워크, 연관 규칙, 귀납적 논리 계획법, 유전 알고리즘, 딥러닝- 중 하나이다. 이중 앤드류 응(Andrew Ng)이 개발한 딥러닝은 무수한 데이터를 축적하고 학습함으로써 마치 인간 두뇌가 사물을 구분하는 것처럼, 스스로 일정한 패턴을 발견하여 사물을 구분하는 정보 처리 기술이다. 이 기술의 핵심 중 하나는 인공 지능이 인공 신경망(ANN)을 기반으로 한 기계학습 알고리즘을 통해서 이미지, 음성, 동영상 등 무수한 데이터를 분석한다는 것이며, 또 하나는 그 속에서 일정한 패턴을 발견하고 이것을 스스로 분류의 체계로 삼고 나누어 분석함으로써 ‘특수한 무엇’을 스스로 예측하는 것이다.
2년차 연수에서는 이러한 딥러닝을 통해서 이미지의 패턴을 인식, 분석, 판단, 예측하는 인공 지능의 일련의 데이터 ‘수용’ 행위에 주목하면서 그것의 ‘생산’ 행위는 어떠한지를 연구한다. 우선 이러한 딥러닝을 통해서 기대하는 특징은 사람이 직접 디자인을 하지 않아도 충분한 데이터만 있다면 인공지능 스스로 패턴화를 거쳐 사물의 주요한 특징과 규칙을 발견하고 그것들을 추출해 낼 수 있다는 것이다. 이러한 딥러닝의 특징은 인공지능을 통해 인간의 창조적 생산 활동마저 모방할 수 있다는 기대감을 안기기도 한다.
인공지능의 딥러닝은 무엇보다 사람처럼 패턴화된 이미지 속 규칙 찾기를 스스로 행할 수 있게 됨으로써 인식과 비주얼 커뮤니케이션의 장에서 획기적인 장을 개척해 왔다. MS는 2014년 ‘아담(Adam)’이라는 프로젝트를 통해서 1400만 장 이상의 개 사진을 분석해서 개의 품종을 분류하는 기술을 공개했다. 페이스북은 2013년 ‘딥페이스’(Deep Face)라는 얼굴 인식 프로그램을 통해서 이용자의 얼굴을 사람 눈에 버금 갈 정도의 정확성으로 판별해 낼 수 있는 기술을 선보였다. 중국의 기업 바이두(百度 Baidu)는 모든 사물을 스마트폰 카메라로 구별하는 ‘바이두 아이(Biadu Eye)’라는 이미지 인식 기술을 소개하기도 했다. 이러한 딥러닝으로 인해 사물 인식과 이미지 식별을 인공지능 스스로 행할 수 있게 되면서 인간의 그간의 창조적 능력마저 쉽게 모방해 온 것이 사실이다.
본 연구자가 당초 1년차 연수에서 언급한 인공지능이 예술 작품을 모방하는 이미지를 생산했던 일련의 시도들이 그것이었다. 프로그래밍을 거쳐 실제 캔버스에 그림을 그리는 인공지능 로봇인 아론(Aaron) 그리고 구글의 ‘인셉셔니즘(Inceptionism)’으로 명명된 이미지 합성 알고리즘을 통한 그림 그리는 딥드림(deep dream)은 인공 지능의 유사 예술 창작의 대표적인 예들이다.
딥러닝은 인공 지능의 신경망을 디자인하는 방식과 방법론에 의해서 차원이 다른 정보 분류와 추출이 가능해지게 만들었다. 전통적인 알고리즘은 데이터의 양이 많으면 많을수록 속도가 느려지고 오작동의 가능성이 높아지지만, 이에 반해 딥러닝은 데이터 양이 많으면 많을수록 더욱 정확한 결과에 이르게 한다는 점에서 오늘날처럼 포화된 정보 처리에 있어 매유 유용하다고 하겠다. 게다가 딥러닝의 테크놀로지 자체가 오픈소스 형식으로 공유되고 있고, 데이터 역시 인터넷상에 무수히 많이 존재한다는 점에서 발전 가능성은 무궁무진하다.
당초 2년차 연수에서 연구자는 두 가지의 형식으로 구체적 사례와 실험을 거치고자 했다.
첫째로 예술가들이 미디어 아트로 특화된 일련의 예술작품에 인공지능의 이러한 딥러닝 기술을 적용하는 예들을 연구한다.
이러한 연구는 빅데이터와 연동되어 딥러닝을 어떻게 시각화하는가에 대한 창작론으로 연결되기도 한다. 예를 들어 미디어 아트 이론가인 레프 마노비치(Lev Manovich)는 런던의 24시간 동안의 도시 풍경을 담은 동영상과 더불어 날씨, 교통 상황과 화재 사고 현황 등 실시간으로 업데이트되는 데이터를 숫자, 텍스트, 음성 등으로 원통형의 스크린에 투사한 작품 〈LDN24: Real-Time Data LED Installation〉(2010)를 선보인 바 있다. 이것은 빅데이터를 딥러닝의 방식으로 학습, 축적하고 그것에서 일련의 패턴화된 특징들을 추출하여 시각예술의 언어로 조합하여 동시다발적으로 드러낸 것이다.
또 다른 예로 리처드 빌헬머(Richard Wilhelmer) 외 2인이 제작한 작품 〈Fühlometer〉(2008)은 카메라에 취합된 사람들의 얼굴 표정을 실시간으로 관측하고 데이터로 전송하여, 실시간으로 그 감정의 표정을 평균치로 산정하여 미소를 띠거나 우울해 하는 표정으로 시각화하여 보여준다. 빅데이터를 딥러닝의 방식으로 학습하고 패턴화하여 그 안에서 보편적 특성을 추출해 내는 작업인 것이다.
이처럼 빅데이터와 연동된 딥러닝 기술을 시각화하는 방식은 예술가마다 다르게 나타난다. 딥러닝 기술을 통해 인공지능 자체가 예술에 도전하는 이미지를 생산하기도 하지만, 이것은 예술이란 범주에서 논의되기는 어렵다. 예술이란 인간에 의한 창작이 전제되어야 하기 때문이다. 그런 면에서 예술가들이 딥러닝 기술을 미디어아트의 작품 속에 적용하는 무수한 예들은 인간 매개와 인간 창작이란 면모를 강조한다. 인간에 의한 창작이란 개념이란 단순하다. 인간이 인간 스스로의 학습 방법을 모방해 인공지능의 딥러닝 기술을 만들어 내었음에도 불구하고, 기계가 끝내 모방하고 성취할 수 없는 것이 있는데 그것이 바로 인간만의 창의성임을 피력하는 것이다.
둘째로, 딥러닝에 대한 다음과 같은 실제 실험을 통해 연구의 결과를 도출하고자 했다.
연구자는 딥러닝의 이미지 패턴화의 규칙으로부터 인간만의 고유한 상상과 창의성을 엿볼 수 있는 가능성을 일련의 공학적 실험을 통해 연구하고자 했다. 즉 유투브(You Tube)에서 생산된 비대상미술(추상회화) 창작과 관련한 동영상들을 빅데이터로 삼아 인공지능을 통해서 딥러닝을 거치고 이후 인공지능이 일련의 패턴 이미지를 자율적으로 생산하게 되는 모델링의 단계를 실험하는 것이었다. 유투브상의 추상회화 창작과 관련한 다양한 동영상들은 인공지능의 빅데이터로 수렴되면서 일련의 패턴의 유형들로 분류된다. 붓, 롤러, 스크레퍼(scraper), 스퀴저(squeezer), 스폰지 등의 각기 다른 도구를 사용했을 때 나타나는 다양한 효과들, 즉 드리핑(dripping), 마블링(marbling), 프로타쥬(frottage), 스퀴즈(squeeze), 스트로크(stroke) 등의 유형은 물론이며, 창작에 있어서의 공통의 패턴들이 추출된다. 또한 창작 과정에서 공통적으로 추출되는 자동기술법(automatism)의 창작 패턴이나 색상의 대비적 방식에 대한 공통 패턴, 흰 여백으로부터 완성에 이르는 창작 마무리의 방식들 역시 추출된다.
최종적으로 이러한 다양한 형식과 방법론을 딥러닝을 거쳐 무한 습득한 인공지능이 연구자가 명령으로 내리는 비대상미술(추상회화) 창작 과제를 렌덤으로 행하는 실험 결과들을 살펴보게 된다. 이러한 실험 결과는 창의성, 창발성에 있어서의 공통의 조형적 패턴이 있고, 그것이 어떠한 유형들인지를 가늠하는데 도움이 될 것으로 보았다. 물론 실험의 결과는 애초의 연수 계획 단계에서 유추의 단계일 뿐, 실제 실험을 거쳐서 전혀 예측하지 못한 결과를 얻을 수 있을 가능성을 열어 두었다.
‘심층 학습’이라 번역되는 딥러닝은 가르쳐 주는 사람 없이 스스로 알아서 배운다는 ‘비지도 학습’(unsupervised)을 주요 전략으로 한다. 예를 들어 동영상 데이터의 경우 형상 속 선의 특징을 찾고 선과 선을 연계하면서 이미지를 인지, 분류하는 과정을 스스로 학습하면서 발견하게 된 것이다. 즉 빅데이터를 지속적으로 수용하면서 패턴을 스스로 만들어 그 특징을 추출하는 것이 딥러닝인 것이다. 이것은 인공지능의 알고리즘을 통한 ‘무작위성(randomness)’과 관계한다. 이러한 무작위성은 우연과 예측 불가능의 효과를 제시하면서 창의성과 상상력에 대한 연구를 촉발시킨다.
랜덤 알고리즘을 실행하는 인공지능의 이미지 생산이란 수학적 무작위의 결과에 다름 아니다. 즉 마치 ‘우연’처럼 보이는 ‘무작위성’이 사실은 인공지능의 규칙적이고 논리적인 장치에 의한 연산의 결과물이라는 것이다. 인공지능의 ‘무작위성’이 관객에게 선사하는 ‘예측 불허’와 ‘우연’의 효과는 실제는 창의적 존재가 아니지만, 인공지능을 마치 창의적 상상력 생산을 가능케 하는 주체로 인식하게 만든다. 아직까지는 직관과 창의성, 상상력을 실행하는 주체가 아니지만 딥러닝이라는 자유 학습을 통해서 인공지능이 이러한 불가능해 보이는 직관과 창의성을 스스로 학습하게 되는 결과에 이를 수도 있다.
당초 2년차 연수에서는 이러한 상황 속에서, 인공 지능의 딥러닝이 학습해 온 무작위성이 우연과 예측 불가능의 효과를 기대하면서 빅데이터로 수렴된 이미지들에 담긴 창의성과 상상력에 대한 연구를 실행하고자 계획했다. 한편으로는 미디어 아트에 나타난 빅데이터 이미지의 창발성을 연구하고, 또 한편으로는 유투브라는 특정 공간에 게시된 추상회화 창작에 관련한 무수한 동영상을 빅데이터와 딥러닝으로 살펴보는 실험을 거쳐, 이미지의 창발성을 연구하려고 계획했다. 즉 딥러닝의 패턴화의 규칙과 특징 추출을 몇몇 공학적 실험을 통해서 이론적 모델을 추출하고 이것이 어떻게 창의적 상상력을 배양하는지를 연구하려고 한 것이다. 직관, 감정, 창의, 상상, 공상과 관계하는 이미지 생산, 예술 생산을 인공 지능과 연계하는 가능성을 살펴보고자 했던 까닭이다.
Ⅱ. 연구 수행 내용 및 결과
당초 연구의 전체 주제인 ‘인공지능을 통한 이미지의 존재론과 인식론 - 창발적 예술 생산’에서 1년차 연수의 세부 주제는 미세한 차이지만 바뀌었고 2년차 연수의 세부 주제는 동일했다.
당초 1년차 주제인 ‘빅데이터에 의한 이미지의 존재론, 복수성의 네트워크’는 실행된 1년차 주제에서 ‘인공지능과 빅데이터를 통한 이미지의 존재론과 창발성’으로 변경되었다. 다만 당초 2년차 주제인 ‘딥러닝을 통한 이미지의 인식론, 창발성의 비주얼 커뮤니케이션’은 실행된 2년차 주제에서 다음처럼 동일했다: ‘딥러닝을 통한 이미지의 인식론 - 창발성의 비주얼 커뮤니케이션’ 1년차 주제에서 창발성을 논한 까닭은 2년차 주제에서 연구의 구체성을 확보하기 위한 사전 연구가 1년차 주제에서도 간략히 언급할 필요가 있었기 때문이었다.
가. 1년차 연수
1년차 연수의 세부 주제인 ‘인공지능과 빅데이터를 통한 이미지의 존재론과 창발성’ 연구는 다음의 목차로 진행되었다.
1. 서론
1.1 논문의 배경과 문제 제기
1.2 연구 방법
2. 빅데이터와 이미지 존재론
2.1 이미지의 존재론 - ‘일상의 이미지’와 ‘인공지능의 미술 모방의 이미지’
2.2 빅데이터의 존재론 - 클라우드 컴퓨팅 시스템의 리좀적 네트워킹과 복수성
3. 딥러닝 연산에 의한 이미지 존재론
3.1 딥러닝 연산에 의한 이미지 존재론 - ‘다양성/가변성’
3.2 딥러닝 연산에 의한 이미지의 예술적 존재론 - 창의성과 창발성의 문제
4. 결론
1년차 연구는 ‘인공지능과 빅데이터를 통한 이미지의 존재론과 창발성’이라는 주제를 두 가지 관점에서 연구했다. 하나는 ‘빅데이터와 이미지 존재론’이고, 또 하나는 ‘딥러닝 연산에 의한 이미지의 존재론’이었다. 전자는 ‘일상의 이미지와 인공지능의 미술 모방의 이미지’를 비교하면서 모색한 ‘빅데이터 자체와 클라우드 컴퓨팅으로 대표되는 인공지능과 빅데이터 시스템의 존재론’에 대한 탐구였고, 후자는 ‘딥러닝 연산, 즉 딥러닝으로 대표되는 인공지능과 빅데이터의 이미지 생산과 더불어 생산되는 이미지의 존재론’에 대한 탐구였다.
구체적으로 2장 ‘빅데이터와 이미지 존재론’에서는 ‘일상의 이미지와 인공지능의 미술 모방의 이미지’를 통해서 ‘이미지의 존재론’을 살펴보고, ‘클라우드 컴퓨팅 시스템의 리좀적 네트워킹과 복수성’의 관점에서 ‘빅데이터의 존재론’을 비교, 연구했다.
빅데이터를 통한 클라우드 컴퓨팅 시스템은 네트워크 구조와 더불어 혼성과 복수체로서 존재한다. 그것은 마치 들뢰즈와 가타리가 리좀의 메타포로 살피고 있는 탈구조의 존재이다. 최근의 클라우드 컴퓨팅이 야기하는 다중심 네트워크와 멀티모달 러닝의 모달리티 간의 접속은 데이터의 조회, 분석 그리고 생산을 이전 시대보다 용이하게 한다. 더불어 빅데이터의 복수성과 다원주의라는 존재적 속성은 다양성과 가변성을 이끌면서 최근의 미술의 조형적 특징과 교류의 장을 마련한다.
한편으로 3장, ‘딥러닝 연산에 의한 이미지 존재론’에서는 ‘딥러닝을 통한 다양성/가변성’ 연구와 더불어 ‘창의성과 창발성’ 연구를 통해서 ‘딥러닝 연산에 의한 이미지 존재론’을 비교, 연구한다. 일반적인 의미에서 빅데이터를 재료로 삼는 인공지능은 데이터 사이의 ‘추론’이란 과정을 통해서 일정한 보상을 기대하지만, 이미지의 생산이나 미술의 창작에 있어서는 ‘최선과 즉각적 보상’이 아닌 ‘차선과 장기적 의미의 보상’을 기대한다. 완성이라는 결과물만이 아닌 ‘미술 창작의 과정과 그것에 관한 향유 자체’가 미술의 또 다른 목적이기도 하기 때문이다. 나아가 추론은 ‘학습 데이터에 존재하지 않는 관계를 찾아 ’자가 학습’함으로써 창의성에 대한 담론을 촉발시키다.
최근의 인공지능의 딥러닝이 추론을 통해서 ‘최선’ 혹은 ‘즉각적 보상’이 아닌 ‘차선’ 혹은 ‘장기적 의미의 보상’을 도모하는 이유가 무엇인지를 알아보았다. 이것에 관한 구체적인 연구를 위해서 인공지능과 빅데이터의 ‘다양성/가변성’의 개념과 더불어 미술의 창의성의 개념을 연동하여 살펴보았다.
마지막 장에서는 독창성-창의성-창발성으로 전개되는 미술 작품 혹은 예술적 이미지에 담긴 ‘창의성’의 변천사를 살펴보고, 오늘날 ‘보편적 창의성’, ‘재편되는 창의성’ 개념으로 이해되고 있는 상황을 설명한다.
엄밀히 말해 미술가(미술 작품)의 주요한 특성이었던 독창성은 20세기 미술의 시대에 와서 ‘집단적 독창성’으로 변모하고 20세기 중반 이후, ‘보편적 창의성’ 혹은 ‘재편되는 창의성’ 개념으로 이해되기에 이른다. 거시적 관점보다 미시적 관점이 주요해진 오늘날 인공지능과 빅데이터를 통해 생산되는 이미지는 창발성의 관점에서 검토될 필요가 있다. 구글의 딥드림은 이러한 ‘보편적 창의성’ 혹은 ‘창발성’의 관점에서 이미지를 학습하고 미술가의 미술적 이미지의 생산을 실험한다.
그렇다고 인간 주체가 아닌 인공지능이 ‘새롭게 부상하는 예술가’라고 정의하는 일은 속단이다. 언제나 인공지능은 인간의 편의를 위해서 발명되었고 개량되고 있는 목적을 지속하고 있기 때문이다. 최근의 인공지능이 창출하는 이미지 연구들은 미술가들에게 영감의 원천이 되기도 한다. 특히 클라우드 컴퓨팅 구조와 딥러닝이라는 실천의 의미를 깊이 이해하면서 빅데이터를 시각화하는 손여울의 작품을 분석하면서 미술가 주체의 고유한 미의식을 창발성 관점에서 살펴보았다. 자연 속에서 발견되는 알고리즘을 통해 예측되는 범주를 설정하면서도 랜덤으로 작동하는 컴퓨터의 빅데이터 처리를 열어놓음으로써 예상 속 예측 불가능성을 탐험하는 창발성의 미학을 검토했다.
이러한 관점에서 딥러닝이 만드는 이미지들과 최근 구글의 딥드림이 만든 실제 이미지들에서 어떻게 창발성이 구현되는지를 분석한다. 덧붙여 빅데이터를 재료로 삼고 예측과 예측 불가능성 사이에서 창발성을 실천하고 있는 현대 미술가 손여울의 기술공학적 작품의 사례 분석을 통해서 이미지의 존재론과 창발성이 무엇인지를 구체적으로 연구한다.
나. 2년차 연수
2년차 연수의 세부 주제인 ‘딥러닝을 통한 이미지의 인식론 - 창발성의 비주얼 커뮤니케이션’ 연구는 다음의 목차로 진행되었다.
1. 서론
1.1 논문의 배경과 문제 제기
1.2 연구 방법
2. 인식론의 이미지 인식 - 인식 주체와 상호 작용하는 이미지
3. 인지과학의 이미지 인식 - 인간 지능에 기능하는 이미지
4. 딥러닝의 이미지 인식 - 비지도학습으로 해석되는 이미지
5. 딥러닝을 통한 시각예술의 이미지 인식 - 미적 경험과 창발적 비주얼 커뮤니케이션
6. 결론
이 연구는 1차 연수 주제인 ‘인공지능과 빅데이터를 통한 이미지의 존재론과 창발성’이라는 연구 결과를 이어서 논의한다.
1차 연수에서는 ‘인공지능과 빅데이터를 통해 생산한 이미지’와 ‘예술 작품의 이미지’를 ‘이미지 생산 주체’의 문제와 ‘생산된 이미지의 존재론’의 관점에서 비교, 연구했다. 인공지능이 생산하는 이미지는 예술이 아니지만, 예술이 될 가능성을, 양자가 공유하는 ‘예측 블가능성’을 키워드로 삼아, 이미지 존재론의 관점에서 제시했다. ‘예측 불가능성’은 ‘인식론적 창발성’의 주요 특징이다.
2차 연수에서는 이러한 이미지 존재론에 관한 선행 연구를 인식론의 관점으로 확장하는 창발성의 비주얼 커뮤니케이션 연구에 집중했다.
2장에서는 구체적으로 ‘인식론의 이미지 인식’을 인식 주체인 인간과 인식 대상인 이미지 사이에 상호 작용하는 입장으로 전개된 것으로 고찰했다. 이러한 연구는 ‘철학적 인식론의 이미지 인식’을 검토하는 것이었다.
3장에서는 ‘인지과학의 이미지 인식’을 인간 지능에 집중하여 연구하는 인지과학의 입장에서 검토함으로써 이미지 인식과 인간 지능과의 관계를 면밀히 고찰하였다. 이러한 연구는 심리학과 과학에 기반한 인지과학의 이미지 인식’을 검토하는 것이었다.
4장에서는 ‘딥러닝의 이미지 인식’을 인공지능이 비지도학습이라는 자가 감독 학습을 실행함으로써 이미지의 외피적 판별에만 국한되는 것이 아닌 이미지가 내포한 의미론까지 파악하는 것으로 살펴보았다. 먼저 초기 머신러닝과 딥러닝의 발전 방식을 살펴보고, 머신러닝과 딥러닝이 적극적으로 활용해 온 비지도학습을 통해서 이미지를 인식하는 관점을 연구했다. 인공지능의 자가 학습이라는 차원의 비지도학습은 이미지 인식의 차원에서 이미지의 외피적 판별에만 국한되는 것이 아닌 이미지가 내포한 의미론까지 파악하는 단계에 이르게 한다. 그런 면에서 딥러닝의 비지도학습을 통한 이미지 인식이란 이미지에 대한 인공지능 방식의 일련의 미적 경험을 통해서 이미지에 내포된 의미론을 탐구하는 것에까지 이른다고 평가할 수 있다. 즉 인공지능의 이미지 인식이란 이미지의 외형적 특징뿐 아니라 내적 특징이 무엇인지를 탐구하는 과정에까지 이르는 것이다.
마지막 5장에서는 ‘딥러닝을 통한 시각예술의 이미지 인식’을 딥러닝을 실험하는 3인(팀)의 미술가들(하름 판 덴 도르펠, 레이체 아라, 포렌식 아키텍처)이 발표한 실제의 작품을 분석하면서 살펴본다.
하름 판 덴 도르펠의 작품은 소프트웨어의 신경네트워크와 알고리즘을 통해, 새로운 시각적 자질의 유전자를 물려주면서, 관객의 시각예술 작품에 대한 이미지 인식에 ‘끊임없이 변형되는 추상미술 창작’을 통해서 개입한다. 본 연구는 이 작품에서 데이터의 무한 증식과 예측불허의 창발성에 주목했다. 레이체 아라의 작품은 빅데이터와 복잡한 데이터마이닝 알고리즘을 활용하여 실시간으로 관객과 상호 작용한 결과를 수량화하고 그것을 ‘가치’의 문제로 환원시킨다. 본 연구는 이 작품에서 딥러닝을 거친 데이터와 시각화된 이미지에 내포된 사회적 메시지에 주목하면서 이미지 인식에서의 비주얼커뮤니케이션 차원의 효용성을 탐구했다. 마지막으로 그룹 포렌식 아키텍처의 작품은 변화하는 미디어 환경 속에서 거대 국가가 은폐하는 빅데이터를 자신들의 딥러닝 과정을 거쳐 파헤치고 분석하여 은폐된 진실을 국제 사회에 고발한다. 본고는 이 작품에서 은폐된 데이터를 빅데이터로 구축하는 그들 방식의 딥러닝에 주목하면서, 작품 속 이미지 인식을 순수한 비언어적 커뮤니케이션으로 종결시키지 않고, 사회 언어적 메시지로 변주하는 의미 있는 작업으로 평가했다. 본 연구자는 이 작품을 연구하면서 이미지 안에 숨겨진 국제 정치의 질서와 정치, 사회적 메시지를 폭로하는 방식 너머에, 이미지의 ‘예측 불가능성’이라는 창발적 인식의 문제가 자리하고 있는 것으로 분석했다. 특히 연구자는 이 작품을 작은 데이터 하나하나에 숨겨진 ‘하위 층위의 개별적 요소’에서 발견할 수 없었던 특성이 상위 층위에서 폭발적으로 생성되는 ‘존재론적 창발성’의 효력이 ‘인식론적 창발성’과 함께 효과적으로 실천하고 있는 것으로 평가했다.
이처럼 마지막 사례 연구는 인공지능의 딥러닝을 실험하는 시각예술에서 이미지 인식의 문제를 실제적으로 연구하는 것이었다. 인공지능 차원의 이미지 인식을 넘어, 빅데이터를 딥러닝으로 가공하고 만들어낸 이미지를 예술작품으로 시각화하는 미술가들의 이미지 인식의 차원을 검토할 뿐만 아니라, 관객의 예술작품에 대한 이미지 인식, 즉 미술 감상의 차원이 어떻게 서로 관계하는지를 연구하는 것이기도 했다. 특히 이러한 경우에 발생하는 창발적 비주얼 커뮤니케이션이 무엇이며 그것이 어떠한 의미를 갖는지도 심층적으로 연구했다. 이 사례 연구는 ‘존재론적 창발성’이 ‘환원 불가능성’을 특징으로 하는 것에 비해, ‘인식론적 창발성’은 ‘예측 불가능성’을 그 특징으로 한다는 것을 확인할 수 있는 사례 연구가 되었다.
Ⅲ. 연구 결과 활용 계획
1. 연구 결과 활용 계획
본 연구자는 1년차, 2년차 연수를 통해서 ‘인공지능을 통한 이미지의 존재론과 인식론 - 창발적 예술 생산’을 탐구하면서 예술과 공학의 융복합 연구를 지향했다. 본 연구는 미학 전공의 연구자가 인공지능의 빅데이터와 딥러닝이라는 컴퓨터 공학과 유관한 연구 대상을 통해서 인문학적 연구를 시도한 것이었다.
이러한 연구 결과가 학문적으로 기여하는 바는 구체적으로 다음과 같다.
1년차 연수인 ‘인공지능과 빅데이터를 통한 이미지의 존재론과 창발성’ 연구 결과는 다음과 같은 기대효과를 낳는다.
첫째, ‘일상의 이미지와 인공지능의 미술 모방의 이미지’의 비교 분석을 통한 이미지의 존재적 측면에 대한 연구는 오늘날 인공 지능의 대두 이전까지의 이미지 연구를 이전보다 확장시키는 계기를 마련했다. 특히 빅데이터의 복수성의 존재론은 그것이 인공지능의 연산 과정을 통해 창출하는 이미지의 복수성을 견지하면서 오늘날 테크놀로지에 의한 이미지를 새롭게 정의하고 바라볼 수 있는 틀을 제공하였다. 즉 빅데이터의 복수성과 다원주의라는 존재적 속성에 대한 연구는 다양성과 가변성을 이끌면서 최근의 미술의 조형적 특징과 교류의 장을 마련한다.
둘째, 오랫동안 미술의 고유한 특성으로 간주되어 온 독창성의 개념을 집중 탐구함으로써 인공지능과 빅데이터가 생산한 이미지의 독창성 여부를 논하는 문제의식을 제기하였다. 무엇보다 오늘날 독창성은 이전의 원품성, 유일성, 진품성과 같은 개념은 사멸한 채, 20세기 미술 이래 ‘집단적 독창성’으로 변모하면서 ‘재편되는 창의성’ 및 ‘보편적 창의성’ 개념으로 발전한지 오래되었다. 이러한 차원에서 이 연구는 인공지능이 생산한 이미지를 독창성이 아닌 창의성의 관점에서 연구할 수 있는 바탕을 마련했다. 나아가 이러한 창의성이 집단적에서 폭발적으로 나타나는 힘으로 대별되는 창발성의 개념으로 이해될 수 있음을 분석하였다.
셋째, 인공지능이 생산하는 ‘이미지 혹은 예술적 이미지’를 탐구하는 시각예술가 손여울의 창작을 분석하면서 빅데이터가 존재론적 차원에서 열어 두고 있는 ‘다양성/가변성’ 및 ‘예측 불가능성에 기초한 창발성의 미학’이 오늘날 새로운 미학 연구의 한 방향성을 마련하고 있음을 밝혔다. 즉 인공지능과 빅데이터가 창출하는 이미지에 대한 연구를 통해서 그것이 어떠한 방식으로 오늘날 미술가에게 영감의 원천이 되고 있는지를 설명할 수 있는 계기를 마련한다. 또한 인공지능과 빅데이터가 생산하는 예술적 이미지가, 자연 속에서 발견되는 알고리즘을 통해 예측되는 범주를 설정하면서도 랜덤으로 작동하는 컴퓨터의 빅데이터 처리를 거치면서 ‘예상 속 예측 불가능성’을 드러내는 창발성의 미학을 생산한다는 것을 살펴볼 수 있었다.
넷째, 최근의 인공지능의 딥러닝이 추론을 통해서 ‘최선’ 혹은 ‘즉각적 보상’이 아닌 ‘차선’ 혹은 ‘장기적 의미의 보상’을 도모하는 것을 살펴봄으로써 이러한 경향이 예술 창작의 태도와 공유하는 지점이 있음을 밝혀낼 수 있었다. 이미지의 생산이나 미술의 창작에 있어서는 ‘최선과 즉각적 보상’이 아닌 ‘차선과 장기적 의미의 보상’을 기대하는 까닭이다. 즉 인공지능과 빅데이터의 연산 과정이 생산하는 이미지 연구를 통해서, 완성이라는 결과물만이 아닌 ‘미술 창작의 과정과 그것에 관한 향유 자체’가 미술의 또 다른 목적임을 설명할 수 있게 된 것이다. 아울러 이 연구는 ‘추론’을 실행하는 인공지능이란 ‘학습 데이터에 존재하지 않는 관계를 찾아 ’자가 학습’함으로써 창의성에 대한 담론을 촉발시키는데 이것이 미술 창작과 연동되고 있는 사실을 설명할 수 있었다.
이처럼 인공지능과 빅데이터를 통한 이미지의 ‘복수적 존재론’과 더불어 ‘창발성’에 대한 연구 결과는 예술적 창의성 개념에 대한 다양한 연구를 이끌 수 있는 이론적 기반을 제공한다. 또한 존재론적 연구로부터 다양한 인식론적 연구의 필요성을 이끈다. 인공지능과 빅데이터가 생산하는 이미지 존재론에 관한 1차 연구의 결과를 바탕으로 이미지 인식론으로까지 이어질 여러 연구에 일정 부분 기여를 할 것으로 판단된다.
2년차 연수인 ‘딥러닝을 통한 이미지의 인식론 - 창발성의 비주얼 커뮤니케이션’ 연구 결과는 다음과 같은 기대효과를 낳는다
첫째, 본 연구자의 이미지 존재론에 관한 선행 연구를 ‘인지과학의 이미지 인식’, ‘인공 지능의 이미지 인식’과 같은 인식론의 관점을 철학으로부터 과학으로 전이시키는 기대효과를 낳았다. 이와 같은 연구 결과는 향후 페이스북이나 SNS 등에서 일상화되고 있는 오늘날 인공지능과 빅데이터의 연산 과정에서 나타나는 비주얼 커뮤니케이션에 대한 창발성의 논의를 확장하는 계기를 마련한다.
둘째, 이 연구는 딥러닝이라는 인공 지능의 독특한 연산 과정을 통해서 인간의 학습 능력을 흉내 내는 비지도학습을 체계적으로 검토함으로써 이미지 인식에 대한 연구를 확장시킬 수 있다는 기대 효과를 낳았다. 일예로 인공지능이 비지도학습이라는 자가 감독 학습을 실행함으로써 이미지의 외피적 판별에만 국한되는 것이 아닌 이미지가 내포한 의미론까지 파악하는 인식의 차원을 살펴볼 수 있었다.
셋째, 오늘날 이미지의 패턴을 찾는 딥러닝의 노력이 이미지를 인식하는 수용의 차원을 넘어 응용하는 창작의 방식에까지 전개되는 상황을 구글의 딥드림(Deep Dream), 트위터의 ‘딥포저(Deep Forger)’, GANs에 이르기까지 면밀하게 검토함으로써 인공지능의 생산하는 이미지의 유사 예술성과 창의성의 문제를 1차 연수의 연구 결과를 이어서 검토할 수 있었다. 이러한 연구는 인공지능이 창출하는 이미지를 예술로 볼 것인가에 대한 담론으로 확장하게 만들었다.
넷째, 빅데이터의 딥러닝을 실험하는 3인(팀)의 미술가들(하름 판 덴 도르펠, 레이체 아라, 포렌식 아키텍처)이 발표한 실제의 작품에 대한 분석은 딥러닝을 거친 데이터와 시각화된 이미지 인식에서의 비주얼커뮤니케이션 차원의 효용성에 대한 탐구를 확장하게 만드는데 기여했다. 즉 오늘날 인공지능, 빅데이터, 딥러닝을 화두로 삼고 있는 미술가들이 이미지를 어떻게 인식하고 있으며, 그들이 데이터를 시각화하는 가운데 나타나는 미적 경험과 창발적 비주얼 커뮤니케이션이 어떠한 방식으로 구현되는지를 추적하고 분석하는데 있어서 소기의 성과에 이르렀다고 할 수 있겠다.
다섯째, 이러한 연구는 빅데이터를 딥러닝으로 가공하고 만들어낸 이미지를 예술작품으로 시각화하는 미술가들의 이미지 인식의 차원을 검토할 뿐만 아니라, 관객의 예술작품에 대한 이미지 인식, 즉 미술 감상의 차원이 어떻게 서로 관계하는지를 연구하는 것으로 확장하는 계기를 만들었다.
여섯째, 이 연구는 인공지능 차원의 이미지 인식을 넘어, 특히 딥러닝 과정이 창출하는 창발적 비주얼 커뮤니케이션이 무엇이며 그것이 야기하는 예측 불가능성이 오늘날 인공지능이 생산하는 이미지들에 어떠한 영향을 미치고 있는지를 살펴볼 수 있는 계기를 마련했다. 즉 이 연구는 최근 인공지능이 생산하는 이미지에 대한 ‘예측 불가능성’이 연동시키는 ‘창발적 비주얼 커뮤니케이션’, ‘미적 경험’, ‘미적 의미’ 나아가 ‘예술적 해석’의 관계를 탐구하는데 일정 부분 기여한다.
2. 연구 성과
본 연구자의 1, 2년차 연수의 전체 주제인 ‘인공지능을 통한 이미지의 존재론과 인식론 - 창발적 예술 생산’의 연구 결과는 다음처럼 한국연구재단 등재 학술지에 게재되었다.
●1년차(2017-2018) 결과: 김성호, 「인공지능과 빅데이터를 통한 이미지의 존재론과 창발성」, 『CONTENTS PLUS』, Vol.16, No.4, 한국영상학회, 2018, pp. 51-74.
●2년차(2018-2019) 결과: 김성호, 「딥러닝을 통한 이미지의 인식론 - 창발성의 비주얼 커뮤니케이션」, 『CONTENTS PLUS』, Vol.17, No.4, 한국영상학회, 2019, pp. 5-28.
아울러 다음과 같은 연구 결과를 특강을 통해 소개하였다.
김성호,「생태학에 기초한 자연미술과 미디어아트의 융복합」,《제2회 2019 숲 공원 미디어아트 + 기술 포럼》, (2019. 7. 24, 서경대학교 혜인관 7층 시사실)
김성호, 「인공지능과 빅데이터를 통한 이미지의 존재론과 인식론 - 창발적 예술 생산」, 《제5회 양재 AI혁신포럼_AI for Eyes》, (2019. 6. 3, 양재R&CD혁신허브)
김성호,「인공지능과 빅데이터는 어떻게 이미지를 인식하고 만드는가 - 창발적 비주얼 커뮤니케이션」, 《마이크로인서션 특강》(2019. 10. 14, 호남대)
또한 아래의 텍스트로 온라인 블로그에 소개되었다.
김성호,「인공지능 예술가 포스트-이브 이후」,《문화가 있는 날》, 문체부 산하 ‘지역문화진흥원’, 2019. 07. 01.
https://pccekorea.blog.me/221574806254?fbclid=IwAR2AhxE3eTU5BSAWjiPnMQUVi86F8AnWT14Xztg03xmShkcXNhZF4jEDGOM
Ⅳ. 참고문헌 생략
출전/
김성호, 「한국연구재단 박사후국내연수 2017-2019 결과 보고」, 한국연구재단 홈페이지, 2019
사업명: 2017년 선정 박사후국내연수지원사업
연구자명: 김성호
연구 과제명: 인공지능을 통한 이미지의 존재론과 인식론 - 창발적 예술 생산
소속: 울산과학기술원(UNIST)
과제 번호: 2017S1A5B5A01025841
연구 기간: 2017. 7. 01～2019. 06. 30(2년)
김성호 
