데이터, 알고리즘, AI 예술

데이터 기반 창작과 AI 뉴미디어 예술
생성형 AI는 예술가의 도구를 넘어 매체로 움직이기 시작했다. 텍스트와 이미지, 영상의 생산을 자동화하는 수준을 넘어, 입력을 해석하고 상황에 맞는 결과를 실시간으로 새로 만들며 창작 방향까지 제안하기 때문이다. 이 책은 데이터가 어떻게 예술의 소재가 되고, 알고리즘이 어떻게 규칙으로 미학을 만들며, AI가 어떻게 협업 주체로 등장하는지를 한 흐름으로 정리한다. CCTV, 교통카드, 지도 앱, ‘좋아요’와 쇼핑 기록처럼 일상에서 축적되는 데이터가 사회와 문화의 초상을 담는다는 점을 출발점으로 삼아, 데이터 아트에서 제너러티브 아트, AI 예술로 이어지는 전환을 설명한다. 동시에 데이터 편향과 대표성의 한계, 정성적 맥락을 다루는 씩데이터의 필요, 개인정보와 라이선스, 합성 데이터의 위험까지 짚는다. 기술의 새로움에 휩쓸리기보다, 무엇을 데이터로 삼고 어떤 알고리즘을 선택하며 어떤 관계로 AI와 창작할지 묻는 책이다.

생성형 AI는 도구가 아니라 매체로 작동하며 예술의 제작 방식을 바꾼다. 이 책은 데이터·알고리즘·AI가 예술과 결합해 온 경로를 정리하고, 데이터 편향, 라이선스, 씩데이터, 합성 데이터의 위험까지 함께 점검하며 AI 예술의 방향을 제시한다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

김영희
홍익대학교 디자인컨버전스학부 교수이자 미디어 아티스트다. 퀸즐랜드공과대학교(QUT)에서 데이터아트를 주제로 미술학 박사 학위를 받았다. 뉴욕 파슨스스쿨오브디자인에서 예술 학사 학위를, 뉴욕대학교 ITP에서 석사 학위를 받았고 2007년 홍익대학교에 인터랙션 디자인 분야 교수로 임용된 후 디지털미디어디자인 전공주임, 디자인컨버전스 학부장을 역임했다. 최근 제 30회 국제전자예술심포지움(ISEA)에서 아티스트 토크 조직위원으로 활동했고, 국제 Art & HCI 저널 《Digital Creativity》에서 다년간 편집위원으로 활동하고 있다. ACM CHI, SIGGRAPH, TEI 등 다수의 국제 학회에서 논문 발표 및 작품 전시를 가졌으며, KCI, SCOPUS 등 등재 학술지에 논문을 게재했다. 2023년 12월 데이터 아트 개인전 〈겹겹, 그 두 번째〉를 포함 10회의 미디어아트 개인전과 약 40회 이상의 기획전을 가졌다.

데이터와 AI는 현시대의 뉴미디어인가?

01 데이터
02 예술적 소재로서 데이터
03 데이터 편향성과 예술적 접근법
04 데이터 기반 디자인
05 규칙과 알고리즘 생성 예술
06 데이터, 알고리즘, AI
07 AI와 예술
08 창작 도구로서 AI
09 AI 시대의 사회적 이슈와 예술
10 예술 산업의 변화

데이터의 특성을 잘 이해해야 창의적인 활동에 활용해서 유의미한 결과를 볼 수 있다. 가장 두드러진 특성은 데이터는 동시대의 사회적, 문화적 배경과 상황을 반영한다는 것이다. 이는 그 다음 특성인 데이터가 시간에 민감한 부분과 연관이 깊다. 데이터는 실시간적이거나 기록된 정보의 조각이다. 역사적인 기록이 될 수도 있고, 순간의 기록으로 잠시 후 소멸될 수도 있다. 또한 데이터는 사생활 보호와 공개 혹은 비공개에 민감한 내용을 지니고 있다. 데이터는 수집될 수 있으며, 분류될 수 있고, 그 속에 숨겨진 이야기를 찾을 수 있다.
－01_“데이터” 중에서

데이터는 수집, 가공, 분석되고, 주관적으로 해석되는 과정을 통해 여러 겹의 편견으로 정보화된다. 무엇보다도 데이터는 수집될 때부터 특정 목적을 가지고 수집하는 자의 의도와 편향을 포함한다. 수집되지 않은 데이터는 남겨지고 배제된다. 이후에도 데이터를 가공·분석하는 사람의 개인적 혹은 문화적 성향에 영향을 받아 ‘여러 겹의 편견 레이어’가 형성된다. 최종적으로는 데이터를 이해하는 사람의 편향성이 더해진다. 저자는 이를 통틀어 ‘데이터 편향성의 겹(The Layers of Data Bias)’이라고 한다.
－03_“데이터 편향성과 예술적 접근법” 중에서

10초마다 새로운 패턴의 오색 띠가 한 줄씩 그려진다. 만약 관람객이 작품의 데이터 소스를 인지하고 #셀카 해시태그로 셀카 이미지를 캡션 글과 함께 인스타그램에 포스트하면 그 내용에 따라 실시간으로 업데이트되는 다양한 두께의 색의 띠를 볼 수 있다. 이러한 수동적 인터랙션은 관객의 데이터가 시각화의 일부가 되었을 때 작품에 공감을 느낄 수 있고, 데이터에 의한 작품 속 새로운 변화를 즉시 경험할 수 있으며 다른 데이터와의 관계적 변화를 시각적 표현으로 인지할 수 있다. 이러한 인터랙션은 다이내믹한 데이터 스케이프(Datascape)를 그려 준다. 데이터 스케이프는 데이터로 그린 랜드스케이프(Landscape)로 이해하면 되겠다. 실시간 데이터로 생성되는 데이터 시각화는 작품이 설치된 공간에서 데이터로 인터랙션하는 타인과 연결되어 다이내믹한 공간을 조성할 수 있다.
－06_“데이터, 알고리즘, AI” 중에서

빅데이터 시대에 도래하는 사회적 이슈, 그 세 번째는 오해되는(misleading) 데이터다. 사회·인문학적으로 보았을 때 데이터 분석에 대한 정확성은 오해의 소지가 있지만 데이터라는 강력한 단어에 의해 그 결과를 맹신하는 경우가 있다. 숫자 데이터라 하더라도 연구자가 그 데이터 세트를 이해하기 위하여 해석하는 순간 해석자 개인의 주관적인 편향성의 필터를 거치게 된다. 또한 데이터 수집, 분석, 해석 프로세스 중 생기는 미세한 오류는 결과적으로 과정의 끝에서 더 커진다.
－09_“AI 시대의 사회적 이슈와 예술” 중에서