AI 아트, 프롬프트 시대의 득과 실

기술과 예술의 만남이 늘 그랬듯, 인공지능(AI) 아트는 우리에게 새로운 가능성과 함께 깊은 질문을 던진다. 2023년 10월, OpenAI 포럼 강연에서 럿거스 대학교(Rutgers) 예술 및 AI 연구소 설립자이자 디렉터인 아메드 엘가말 박사는 “AI 아트: 언캐니 밸리에서 프롬프트까지, 얻은 것과 잃은 것”이란 주제로 이 고민의 한가운데를 파고들었다. 나는 이 강연을 듣고, AI 시대 미술 교육이 나아가야 할 길에 대한 중요한 통찰을 얻었다고 판단한다.

AI 아트의 여명—낯선 이미지의 탄생

AI가 예술에 발을 들인 역사는 생각보다 길다. 엘가말 박사의 럿거스 예술·AI 연구소는 지난 10년간 AI가 예술 작품을 분석하고 생성하는 방식을 깊이 탐구했다. 초기 AI는 이미지를 보고 사물을 인식하는 수준에 머물렀다. 10년 전만 해도 컴퓨터가 이미지 속에서 사람, 자동차, 고양이를 식별하면 대단한 성과였다. 하지만 예술은 단순히 대상을 인지하는 수준에 있지 않다. 층층이 쌓인 감정과 의미를 내포한다.

엘가말 박사는 2014년, AI가 서양 미술 작품 8만여 점을 분석하여 미술사학자들도 놓쳤던 작품 간의 영향을 발견했다고 밝힌다. 1800년대 후반 프랑스 화가 바실(Basile)의 작품과 1900년대 초 미국 화가 노먼 록웰(Norman Rockwell)의 작품에서 AI는 놀라운 유사성을 찾아냈다. 두 작품은 80년의 시차와 다른 대륙에서 탄생했으나, 세 명의 인물, 의자, 오븐, 큰 창문, 심지어 유사한 구도까지 발견된 것이다. AI가 예술으로 우리가 몰랐던 것을 알려주는 순간이었다.

초기 AI 기반 이미지 생성 모델, 즉 GAN(Generative Adversarial Network)은 마치 꿈속의 장면처럼 모호하고 기이한 이미지를 만들어냈다. 2014년 굿펠로우(Goodfellow)가 처음 개발한 GAN은 당시 해상도도 낮았고, 흐릿한 결과물을 내놓았다. 이 시기 AI 아트는 종종 언캐니 밸리(Uncanny Valley), 즉 불쾌한 골짜기에 비유되곤 했다. 인간의 모습과 닮았지만 완벽하지 않아 되려 거부감을 주는 듯한 이미지들이었다. AI에게 고전 초상화를 학습시키면 기형적인 얼굴들이 튀어나왔다. 하지만 역설적으로 이 ‘기형적’인 결과물들이 당시 예술가들에게는 신선한 자극이었다. 기계적 실패에서 오는 예상치 못한 아름다움, 통제할 수 없는 우연성이 창의적 영감으로 작동한 것이다.

언어의 힘, 창작의 민주화인가?

AI 아트의 역사는 언어, 즉 텍스트 프롬프트(Text Prompt)가 도입되면서 거대한 전환점을 맞이했다. 2021년 달리(DALL-E)의 등장, 그리고 2022년 달리2(DALL-E2)와 스테이블 디퓨전(Stable Diffusion) 같은 확산 모델(Diffusion Model)의 약진은 AI 아트의 패러다임을 완전히 바꾸었다. 수십억 장의 이미지와 캡션을 학습한 모델들은 더 이상 모호하고 기이한 이미지를 만들지 않았다. 현실과 구별하기 어려운 고해상도, 고품질의 결과물을 쏟아냈다.

엘가말 박사는 이 변화를 ‘언어의 힘’이라고 단언한다. AI가 단순히 픽셀을 조작하는 데서 벗어나, 언어라는 ‘렌즈’로 이미지를 생성하게 된 것이다. 이제 우리는 “인간의 영혼으로 커피를 만드는 에스프레소 머신” 같은 기상천외한 프롬프트를 입력해 상상 속의 이미지를 현실로 가져올 수 있다.

이 변화는 AI 아트에 대한 대중의 인식에도 큰 영향을 미쳤다. 한때는 환영받았던 AI 아트는 2022년 이후 레딧(Reddit) 등 일부 예술 커뮤니티에서 배척당하는 현상이 나타났다. “왜 AI 아트에 대한 반발이 생겨났을까?” 엘가말 박사는 이 질문의 중심에 저작권과 예술가 정체성 문제가 있다고 분석한다. 훈련 데이터 복제와 재구성을 저작권 침해로 보는 시각이 있는가 하면, 이는 인간이 작품을 보고 학습하는 과정과 다르지 않다고 주장하는 반론도 있다.

분류	특징	초기 GAN 시대	프롬프트 시대
생성 방식	-	픽셀 조작, 패턴 학습	언어를 통한 제어, 개념 조합
결과물 품질	-	모호하고 기형적, 언캐니 밸리	고해상도, 고품질, 현실적
창작 주체	-	기계의 ‘실패’에서 오는 우연성	사용자의 프롬프트 설계
창의성의 원천	-	예상치 못한 이미지의 미학	언어 조합을 통한 개념 발상
접근성	-	전문가 영역	일반 사용자도 손쉽게 활용

창작의 주체는 누구인가—예술가 정체성의 혼란

프롬프트 기반 AI 아트는 ‘예술가 정체성’이라는 근본적인 질문을 던진다. 예술가는 자신만의 고유한 스타일과 창작 방식을 가져야만 진정한 예술가로 인정받는다. 하지만 모두가 같은 AI 도구에 같은 프롬프트를 입력할 때, 과연 누가 그 작품의 진정한 주인이 될까? 엘가말 박사는 두 명의 예술가가 정확히 같은 프롬프트를 입력했을 때 결과물이 다르게 나오는 이유가 오직 ‘랜덤 시드’ 때문이라고 지적한다. 사용자의 의도적 행위가 아니라 무작위적 요소가 결과물 차이를 만든다는 것이다.

이는 19세기 사진술이 등장했을 때와 유사한 논란이다. 1861년 프랑스 법원은 사진작가의 작품에 대해 “카메라를 들고 버튼을 누른 것에 예술이 어디 있느냐?”는 질문을 던졌다. 당시 사진이 예술로 인정받기 위해서는 사진작가 개개인의 구성 방식, 빛 활용, 주제 선택 등 고유한 정체성이 있음을 증명해야 했다. 지금 AI 아트도 같은 기로에 서 있다. AI가 수많은 이미지로 학습된 ‘편향’을 내포한다면, 과연 예술가의 고유한 정신과 예술적 개성이 AI의 층위를 뚫고 빛을 발할 수 있을까? 이는 단순한 기술적 문제가 아니라, 예술 철학의 영역에 걸쳐 있는 난제다.

언어의 덫—20세기 미술과 AI의 한계

텍스트 프롬프트는 분명 이미지 생성의 품질을 높이고 접근성을 확장했다. 하지만 엘가말 박사는 언어가 창작의 렌즈가 되는 순간 발생하는 심각한 한계를 명확히 제시한다. 예술가는 본질적으로 시각적 사고를 하는 사람이다. 예술은 언어가 없어도 소통하는 시각 언어다. 그런데 예술적 창작의 주요 경로에 언어를 놓는 행위는 표현의 폭을 크게 제한한다.

피카소의 **<아비뇽의 아가씨들="">**이나 로스코(Rothko)의 색면 추상, 달리(Dali)의 초현실주의 같은 **20세기 비구상 미술**을 프롬프트만으로 만들어낼 수 있을까? 엘가말 박사는 당시 피카소가 이 작품을 만들 때, 그에게 "이전에는 없던 방식으로 평면을 찢어내고 인물을 해체하여 아프리카 가면의 영향을 받은 작품을 만들어라"는 프롬프트를 주었다고 상상해 보라고 말한다. 불가능에 가깝다. AI는 이미 학습된 데이터 안에서 달리나 피카소의 스타일을 '모방'할 수는 있어도, 그들이 당대에 시도했던 '경계 허물기'나 '새로운 시도'를 프롬프트만으로 해내지는 못한다.

엘가말 박사는 AI 아트가 “반(反)창의적 편향(counter-creative bias)”을 지닌다고 단언한다. AI 시스템은 학습 분포를 따르도록 설계되었기 때문에 ‘전형성’을 추구한다. 즉, 이미 존재하는 것의 변주를 잘 만들지, 전혀 새로운 개념이나 장르를 발명하지 못한다는 의미이다. 우리가 AI 아트에서 발견하는 놀라움은 기계 자체의 창의성에서 오는 것이 아니라, 예측 불가능한 결과물이나 사용자가 기발한 프롬프트를 고안했을 때 발생한다.

측면	AI 아트의 ‘잃은 것’	상세 설명 및 한국 교육 시사점
예술가 정체성	누가 창작자인가? AI 편향을 뚫고 개성이 드러날까?	학생의 아이디어가 AI 프롬프트에 얼마나 반영되었는지, AI 결과물을 자신만의 방식으로 어떻게 재해석했는지 평가 지표 필요
저작권 문제	학습 데이터 사용, 모방과 창작의 경계	AI 생성물의 저작권 교육과 함께, 타인의 작품을 학습 데이터로 사용하는 윤리적 문제 토론
언어의 한계	시각적 사고의 제약, 비구상 예술 표현의 어려움	미술 교육에서 언어적 설명 능력만큼, 비언어적이고 시각적인 사고 과정의 중요성 강조
창의성의 본질	‘반창의적 편향’, 기존 아이디어의 재활용 위험	AI를 통한 ‘아이디어 확장’과 인간 고유의 ‘경계 허물기’를 구분하고, 후자를 위한 교육 강화
예술적 깊이	이미지와 예술, 단순 재현과 의미 창조	AI로 만든 이미지를 단순한 시각 자료가 아닌, 의미를 담은 ‘예술’로 승화시키는 비평적 사고력 함양

엘가말 박사가 진행한 설문조사에 따르면, 예술가들은 AI 도구의 유용성에 대해서는 긍정적이나(46% 매우 유용, 32% 어느 정도 유용), 제어 가능성(controllability)이 가장 큰 제약이라고 말한다. 즉, 결과물이 흥미롭긴 해도 원하는 대로 정교하게 만들기는 어렵다는 뜻이다. 미술 수업에서 아이들이 프롬프트로 멋진 이미지를 만들어낼지라도, 그 이미지가 아이들의 진정한 창작 의도를 온전히 담아낸 것인지 질문해야 한다.

교실 속 AI 아트—창의적 도구인가, 정체의 시작인가?

엘가말 박사는 초기 AI 아트 사용자들이 AI를 창의적 영감과 창작량 증대라는 두 가지 측면에서 높이 평가했다고 말한다. AI가 새로운 아이디어를 제공하고, 작업을 빠르고 효율적으로 만들어낼 수 있는 ‘협력자’ 역할을 한다는 것이다. 한국의 교육 현장에서도 AI 아트 도구는 학생들의 시각적 사고를 확장하고, 아이디어를 빠르게 구현해보는 강력한 도구가 될 수 있다. 특히 미술 교육에서 드로잉이나 회화의 물리적 장벽 때문에 어려움을 겪던 학생들에게는 큰 기회가 될 수 있다.

하지만 여기서 우리는 엘가말 박사가 던진 가장 중요한 질문을 다시 마주한다. “모두가 AI 아트 도구를 사용하기 시작하면 예술은 정체될까? 계속해서 아이디어를 재활용하는 것만으로 끝나지는 않을까?” AI는 훈련 데이터의 분포를 따르기에 본질적으로 ‘경계를 허무는’ 창의성과는 거리가 멀다. AI는 이미 있는 것을 ‘가장 그럴듯하게’ 조합하는 데 능할 뿐이다.

이 지점에서 교육의 역할이 중요하게 부각된다. 우리는 단순히 AI를 ‘잘 쓰는’ 데서 그치지 않고, AI 시대에 인간만이 할 수 있는 ‘진정한 창의성’이 무엇인지 탐구해야 한다. 미술 교사들은 이제 학생들에게 단순히 멋진 이미지를 만들도록 지시하는 데 머물지 않고, 다음 질문들을 함께 탐색해야 한다.

• AI가 보여주는 ‘전형성’을 비판적으로 인식하고, 이를 넘어설 새로운 시각 언어를 어떻게 탐색할 것인가?
• 언어적 프롬프트의 한계를 인지하고, 직접적인 시각적 조작이나 비언어적 개념을 AI 창작에 어떻게 통합할 것인가?
• AI가 제시하는 다양한 ‘실패’ 또는 ‘오류’ 이미지 속에서, 인간만이 포착할 수 있는 예술적 영감을 어떻게 발견하고 재해석할 것인가?

이러한 논의는 곧 AI 미술 교육의 핵심이 되어야 한다. 교사들은 학생들이 AI 도구를 사용한 경험을 바탕으로, ‘무엇을 만들었는가’보다 ‘무엇을 생각했고, 왜 그렇게 만들었으며, AI의 한계를 어떻게 극복하려 했는가’에 초점을 맞추도록 이끌어야 한다. 동료 교사들과 점심시간에 학생들의 AI 아트 결과물을 공유하며 “이 작품에서 과연 학생의 개성은 어디서 오는가?”와 같은 짧은 대화를 나누는 것만으로도, 교실 속 AI 아트의 방향을 재정립하는 작은 시작이 된다.

AI는 이미지를 생성하는 데는 탁월하다. 하지만 과연 ‘예술’을 만드는 데도 그만큼 유용할까? 이 질문은 오늘날 우리가 AI와 더불어 살아갈 미래 교육의 본질을 꿰뚫는 질문이다. AI 시대의 미술 교육은 학생들에게 ‘정답’을 제시하기보다, 이 질문의 해답을 함께 찾아가는 여정을 제공해야 한다.

출처

• OpenAI Forum: https://forum.openai.com/public/videos/ai-art-from-the-uncanny-valley-to-prompting-gains-and-losses-2023-10-20