• ▪ 인공지능 미술은 유명작가의 화풍을 그대로 재현해내는 분야로 발전 중이며, 구글, MS 등 글로벌 기업의 성공 사례를 통해 상품성을 확인
  • ▪ 이와 별개로 인공지능 미술작품의 예술성, 인공지능 저작물의 저작권 문제 등 해외를 중심으로 한 다양한 논의가 진행되고 있음
  • ▪ 글로벌 인공지능 미술 시장이 형성되어가는 시점에서 미래를 대비한 기술력 확보가 필요

인공지능 미술 시장 형성은 현재 진행형

  • 예술과 인공지능의 융합은 꾸준히 연구되고 있는 주제
    • Bo Xing은 인간의 창의력과 인공지능이 상호배제적(Mutual Exclusive)임을 가정하고 인공지능과 인간의 창의성을 결합한 새로운 디지털 예술을 거론하는 연구를 진행1
    • Sara Salevati는 전통회화 분야 화풍을 자동 모사하는 데 있어 인공지능 기반의 챗봇을 통해 수집한 인간의 감성 정보를 활용하는 연구를 진행2
  • 최근 기계학습의 성능 향상과 더불어 유명작가의 화풍을‘모사’하는 방식의 인공지능 SW가 발전
    • (개념) 기계학습(Machine Learning)을 통해 유명 화가 작품의 화풍과 붓 터치 등을 학습함으로써, 원하는 이미지를 학습한 화풍의 그림으로 변환
    • (주요 기술) Generative Adversarial Networks(GANs)3가 이와 같은 시도에 빈번히 활용되는 알고리즘으로, 작품을 그리고 작품의 질을 평가하는 과정을 반복함으로써 인간이 납득할 만한 수준의 결과물을 도출
그림 1 Generative Adversarial Networks의 구조도(medium.com)
<그림 1> Generative Adversarial Networks의 구조도(medium.com)

 

  • 인공지능을 활용하여 제작된 모사 저작물에 대한 가치는 꾸준히 증가 추세로 글로벌 SW기업 및 범국가적 연구 프로젝트 중심의 성과 공개 중
    • (사례 #1) 구글의 인공지능 화가 플랫폼 딥드림(Deep Dream)은 빈센트 반 고흐(Vincent van Gogh)의 작품을 모사하는 훈련을 통해 도출한 총 29점의 작품을 총 97,000달러(약 1억 1,000만 원)에 판매 그림 2 구글 딥 드림의 최고가(8,000달러) 낙찰 작품(Wall Street Journal)
      <그림 2> 구글 딥 드림의 최고가(8,000달러) 낙찰 작품(Wall Street Journal)

       

    • (사례 #2) 네덜란드 ING, 마이크로소프트(Microsoft) 등이 참여한 넥스트 렘브란트(Next Rembrandt) 프로젝트는 렘브란트 작품 346점을 학습시킴으로써 임의의 이미지에 렘브란트 화풍을 그대로 재현하는 데 성공 그림 3 넥스트 렘브란트 프로젝트 대표 화면(thenextrembrandt.pr.co)
      <그림 3> 넥스트 렘브란트 프로젝트 대표 화면(thenextrembrandt.pr.co)

       

    • (사례 #3) Tubingen대학(독일), 스위스 연방 기술연구소(스위스), Louvain대학(벨기에)의 공동연구를 통해 딥러닝(Deep Learning) 기반 페인팅 도구 제작
      • 프로젝트의 목적은 간편한 사용자 인터페이스를 갖춘 인공지능 미술 모사 기술 제공에 있음(deepart.io)
      그림 4 Deep Art 프로젝트의 최근 작품들(deepart.io)
      <그림 4> Deep Art 프로젝트의 최근 작품들(deepart.io)

       

인공지능 미술의 논란들

  • 순수 창작 미술 분야에서는 인공지능의 미술 저작물이 창조성이 포함된 결과물인지 여부를 두고 두 가지 관점의 논쟁이 지속
          [주장 1] 예술은 창조 행위에 의해 결정되는 것 : 인공적 창의성(Artificial Creativity)4을 인간의 경우와 동일한 것으로 간주할 수 없음
    • 작가 고유의 해석이 없는 저작물은 예술 가치가 없으며, 단순한 모사를 넘어설 수는 없다는 의견
      →펠드먼(E.B.Feldman)에 의하면 미술작품의 비평은 총 4단계로 이루어지며,5 인공지능 미술은 비평을 위한 4가지 측면에서 평가의 단계를 제외한 모든 부분에서 평가의 여지 없음 <표 1> 펠드먼의 미술 비평 4단계
      • 서술의 단계 : 작가가 만들고자 한 것을 설명하는 단계
      • 분석의 단계 : 작품의 원리를 분석하는 단계
      • 해석의 단계 : 작품에 숨어있는 의미와 작가의 의도를 파악하는 단계
      • 평가의 단계 : 다양한 미적 가치를 바탕으로 작품을 평가
    • 기계학습(Machine Learning)을 통해 그려진 이미지는 새로운 예술 장르의 개척 및 현 시대의 사회문화상을 반영할 수 없다는 주장이 일반적
      [주장 2] 예술은 수용하는 인간에 의해 결정되는 것 : 저작물을 예술로 인지하는 것은 독자로서, 독자의 영감(Inspiration)에 의해 예술로 수용된다면 인정되어야 함
    • 미술작품의 창의성은 기계적으로 구현 가능하다는 시각으로 유전자 알고리즘(Genetic Algorithms)6, 딥러닝(Deep Learning) 등을 통해 해석하려는 시도 존재
      →인간의 창의성을 비주기적인 생각의 큰 전환으로 가정하면 기계가 학습하는 과정에서 학습데이터와 무관한 비주기적 변수를 줌으로써 구현이 가능
    • 최근 향상된 기계학습 기술로 인해 향후 창의성에 대한 별도의 고려 없이도 인공지능을 통해 구현 가능할 것이라는 낙관적인 의견도 존재
  • 더불어 중립적인 시각의 절충안을 비롯한 다양한 의견이 함께 공존하는 상황
    • 네덜란드의 창의산업부(The Department of Creative Industries)는 인공지능 기반의 예술을 전산 예술(Computational art)로 해석하며 인공지능의 창작활동이 새로운 예술의 장르(Genre)를 개척하는 데 도움을 줄 수 있음을 주장7
      • 보고서는 기계가 예술을 할 수 없다는 논리에 순응하면서도, 인공지능이 생성해내는 저작물을 잠재적 예술 현상으로 보고 분석할 가치가 있는 데이터로 판단
      • 또한 네덜란드 예술작품 및 예술가들 사이의 예술성 부재에 대한 반성의 필요성을 주장하며, 인공지능이 그들의 영감을 불러일으킬 수 있는 가상 배우(Actor)가 될 수 있다 주장
    • J.J.Charlesworth는 기계가 새로운 작품을 발명할 수 있으나 기존 예술의 확립된 이론에 종속된 정교한 변형물로써의 한계가 있음을 지적하며, 인간의 창의성은 각기 다른 동기(생각, 비판, 좌절, 열정, 통찰력, 희망 등)로부터 새로운 것을 만들어 내려는 이유가 존재한다는 점에서 기계와 차이가 있음을 주장8
그림 5 마르셀 뒤샹의“Fountain(1917)”의 1964년 복제품(CNN)
<그림 5> 마르셀 뒤샹의“Fountain(1917)”의 1964년 복제품(CNN)

※ 주 : J.J.Charlesworth은 독창성이란 인간의 창의력이 사물과 그것이 우리에게 주는 가치에 대한 문화적 대화로서 탄생됨을 <그림 2>의 예를 통해 설명

  • 인공지능이 학습한 화풍과 저작권 문제
    • 現저작권법은 인간의 저작물에 한정하여 저작권 등록 자격을 부여하고 있으며, 인간이 기여하지 않은 기계적 공정이나 무작위 선택을 통해 만들어진 작품은 등록이 불가능한 것으로 명시되어 있음
    • 또한, 전통적인 예술작품의 경우 비교적 저작권 주체가 명확한 데 비해, 인공지능에 의해 저작된 작품은 저작권의 주체가 모호
      • 인공지능에 의해 학습된 이미지 또는 작품의 저작권을 보유한 자
      • 인공지능 미술 제작을 위해 작업(프로젝트)을 설계하고 주도한 자
      • 인공지능 미술 제작의 원천 알고리즘을 제작한 개발자
    • 결론적으로, 인공지능 미술에 기여한 수많은 플레이어들에 대한 고려가 저작권법 테두리 내에 반영되어 있지 않음에 따른 관련 현안이 발생할 것으로 예상

시사점

  • 최근 1년간 국내 언론에서 인공지능과 미술을 함께 다룬 기사는 총 35건이었으며, 그 중 국내 인공지능 미술에 대한 언급은 0건 그림 6 최근 1년간 국내 언론사의 인공지능 미술에 대한 키워드 현황(SPRi)
    <그림 6> 최근 1년간 국내 언론사의 인공지능 미술에 대한 키워드 현황(SPRi)

    ※ 좌 : 소셜네트워크, 우 : 핵심 키워드(Hub) 수치

    • 한국의 경우 해외의 사례를 관망하고 있는 상황이며, 아직 뚜렷한 국내 사례 및 기술 관련 현안이 존재하지 않음
    • 인공지능 미술에 대한 본질보다는, 기존 미디어 아트를 풍부하게 하기 위한 도구로서 인공지능을 활용하는 방안에 초점을 맞추고 있는 상황임
  • 글로벌 인공지능 미술 시장이 형성되어 가는 시점에서, 국내 또한 미래를 대비한 기술력 확보가 필요
    • 기술(Skill) 측면에서 화가의 생산성은 창의성을 동반한 미술과 그렇지 않은 미술로 나누어지는 경향이 있으며, 향후 인공지능 미술의 발전은 후자에 집중적으로 인간의 영역을 침범할 것으로 예상
      • 해외 동향 및 관련 문헌을 종합해 보았을 때, 인공지능 미술작품의 작품 가치를 인정하는 것과는 별개로, 인간의 고유 능력인 창의성 및 독창성을 인공지능이 침해할 가능성은 비교적 낮게 보는 시각이 다수
    • 현 미술계의 쟁점은 인공지능의 예술행위 논쟁에 편중되어 있어, 모사 미술 시장으로 인한 화가의 직무(Job-duty) 침범 가능성에 무방비로 노출되어 있는 상황
    • Deep Dream(구글), attGANs(마이크로소프트) 등 실제 인공지능 작품 거래에 성공한 소프트웨어가 이미 등장한 상황에서, 국내 또한 미래 新시장 창출을 위한 준비 차원에서 관련 R&D를 활성화 할 필요가 있음
  • 1 B. Xing,“Creativity and Artificial Intelligence : A Digital Art Perspective”, 2018
  • 2 S. Salevati and Steve DiPaola,“Engancing Viewer’s Emotional Connections to the Traditional Art Creative Process via an AI Interactive System”, 2015
  • 3 Ian Goodfellow et al,“Generative Adversarial Nets”, 2014
  • 4 컴퓨터를 사용하여 창의성을 모델링, 시뮬레이션 또는 복제한 것(Wikipedia의 Artificial Creativity 설명 참조)
  • 5 펠드먼의 비평 : 펠드먼은 미술작품의 비평을 하는데 있어, 4가지 단계를 설명하고 있으며 그의 저서 『시각적 경험의 다양성』에 따르면 객관적인 사실들에 의하여‘목록’을 작성하는 과정으로 정의하고 있음
  • 6 유전자가 후대에 계승되는 모델을 벤치마크한 알고리즘으로서, 학습을 위한 데이터는 각기 자신의 특성을 유전자의 형태로 보유하고 있으며, 유전자의 조합을 통해 자식(Child)을 생성한다. 자식 중에는 우성과 열성이 존재하며 비주기적인 돌연변이를 통해 지역 최적화(Local-optima) 현상을 회피하고 더 나은 값을 도출한다.
  • 7 Deniz E. Kurt,“Artistic Creativity in Artificial Intelligence”, 2018
  • 8 CNN,“AI can produce pictures, but can it create art for itself?”, 2018

인공지능 미술 최신 동향 월간SW중심사회 2018년 10월호