How Learning Reshapes Aesthetic Evaluation of AI-generated and Traditional Xilankapu Patterns: Evidence from a Longitudinal Intervention Study

수 세기 동안 인류는 예술에 대한 가장 깊은 감상은 인간의 마음과 인간의 정신을 필요로 한다고 믿어 왔습니다. 우리가 그림이나 태피스트리를 볼 때, 우리는 단순히 색상과 모양만을 보는 것이 아니라 그 작품 뒤에 숨겨진 이야기, 역사, 그리고 의도를 느낍니다. 이러한 감정은 우리가 아름다움을 판단하는 방식의 핵심입니다. 하지만 오늘날, 컴퓨터는 인간이 만든 것만큼이나 인상적인 이미지를 만들어낼 수 있습니다. 인공지능을 기반으로 하는 이 기계들은 기존 예술의 방대한 라이브러리로부터 학습함으로써 패턴, 풍경, 초상화를 생성할 수 있습니다. 이러한 능력은 조용하지만 긴박한 질문을 던졌습니다. 즉, 우리가 예술이 어떻게 만들어졌는지 알게 될 때, 예술을 인식하고 가치를 부여하는 우리의 능력이 변하는가 하는 점입니다. 만약 우리가 컴퓨터가 따르는 규칙을 이해하거나, 전통적인 디자인 뒤에 숨겨진 깊은 역사를 배우게 된다면, 우리의 뇌는 그 작품을 다르게 보기 시작할까요? 미학적 지각을 연구하는 분야인 신경미학(neuroaesthetics)의 과학자들은 우리의 취향이 고정된 것인지, 아니면 배움을 통해 재형성될 수 있는지 묻고 있습니다.

한 연구팀은 구체적이고 아름다운 전통인 중국 투쟈족(Tujia)의 시란카푸(Xilankapu) 패턴에 집중하여 이 질문에 답하고자 했습니다. 이것은 자연, 종교, 일상생활의 상징들로 가득 찬 정교한 직물 태피스트리로, 세대를 거쳐 전해 내려온 것입니다. 연구진은 사람들이 이 전통적인 패턴을 인공지능이 만든 새로운 패턴과 비교하여 어떻게 판단할지 알아보고자 했습니다. 그들은 특히 세 가지 유형의 이미지에 주목했습니다. 즉, 원래의 수작업 직조 디자인, 인간의 도움 없이 컴퓨터가 전적으로 만든 패턴, 그리고 인간 디자이너가 컴퓨터와 협력하여 결과를 다듬은 패턴입니다. 이를 테스트하기 위해, 연구진은 이 태피스트리에 대해 전혀 알지 못하는 100명의 성인을 모집했습니다. 참가자들은 예술이나 기술 전문가가 아니었지만, 시각적 디자인에 대한 일반적인 감각을 갖추고 있었습니다. 연구진은 그들에게 패턴을 보여주고 얼마나 아름다운지, 얼마나 의미 있게 느껴지는지, 그리고 그것을 인간이 만들었는지 혹은 기계가 만들었는지에 대해 평가하도록 요청했습니다.

실험은 한 달간의 학습 기간을 사이에 두고 두 단계로 진행되었습니다. 첫 번째 단계에서 참가자들은 단순히 패턴을 보고 솔직한 인상을 남겼습니다. 그들은 색상이 얼마나 선명한지부터 얼마나 정서적 연결을 느끼는지까지 15가지의 서로 다른 특성에 대해 평가했습니다. 그 후, 연구진은 구조화된 학습 프로그램을 도입했습니다. 30일 동안 참가자들은 시란카푸의 역사, 상징 뒤에 숨겨진 의미, 그리고 컴퓨터가 새로운 패턴을 생성하는 기술적 원리를 공부했습니다. 그들은 투쟈족이 어떻게 자연의 이미지를 기하학적 형태로 바꾸는지, 그리고 인공지능이 이러한 요소들을 어떻게 결합하는지를 배웠습니다. 이 한 달간의 학습 후에, 동일한 참가자들은 다시 한번 같은 패턴들을 보며 다시 평가했습니다. 목표는 이 새로운 지식이 그들의 생각을 변화시켰는지 확인하는 것이었습니다.

결과는 참가자들이 세상을 보는 방식에서 명확한 변화가 있었음을 보여주었습니다. 학습하기 전, 그들의 판단은 주로 즉각적인 감각적 반응에 의해 주도되었습니다. 그들은 밝고 선명하며 표현력이 풍부한 이미지를 좋아했습니다. 그들은 패턴의 표면적인 아름다움에 끌렸습니다. 그러나 학습 한 달 후, 그들의 기준은 변했습니다. 그들은 작품의 더 깊은 의미를 가치 있게 여기기 시작했습니다. 패턴이 전통적인 양식에 얼마나 잘 부합하는지를 나타내는 '전형성(typicality)'과, 그것이 문화적 이야기를 얼마나 잘 전달하는지를 나타내는 '의미(meaning)'가 그들의 평가에서 훨씬 더 중요해졌습니다. 참가자들은 단순히 어떻게 보이는가가 아니라, 그것이 무엇을 나타내는가에 따라 예술을 판단하기 시작했습니다. 그들은 더 이상 색상에만 반응하는 것이 아니라, 상징을 해석하고 있었습니다.

이러한 사고의 변화는 예술의 출처를 판단하는 방식에도 영향을 미쳤습니다. 학습 기간 전에는 참가자들이 패턴을 만든 주체가 누구인지 자주 혼동했습니다. 그들은 인간이 만든 태피스트리와 컴퓨터가 생성한 패턴을 신뢰성 있게 구별하지 못했습니다. 실제로 학습 전에는 인간과 컴퓨터가 함께 만든 패턴(HITL)이 순수하게 전통적인 패턴이나 순수하게 컴퓨터가 생성한 패턴보다 높은 아름다움 점수를 받았습니다. 하지만 역사를 배우고 난 후, 전통적인 패턴을 찾아내는 그들의 능력은 크게 향상되었습니다. 그들은 진짜 손으로 짠 태피스트리를 훨씬 더 잘 식별하게 되었으며, 이는 전형성과 의미 같은 핵심적인 문화적 차원에서 가장 높은 점수를 받았습니다. 흥미롭게도, 그들은 인간과 컴퓨터가 함께 만든 패턴을 여전히 매우 아름답다고 평가했지만, 순수하게 컴퓨터가 생성한 패턴에 대한 평가는 여전히 가장 낮았습니다. 학습이 그들로 하여드 컴퓨터가 만든 예술을 더 사랑하게 만든 것이 아니라, 오히려 순수하게 자동화된 버전에서 무엇이 빠져 있는지를 볼 수 있는 도구를 제공한 것입니다.

이 연구는 우리가 대상의 문화에 대해 배울 때, 우리의 뇌가 그것을 처리하는 방식이 바뀐다는 것을 시사합니다. 우리는 빠른 본능적 반응에서 느리고 더 사려 깊은 평가로 이동합니다. 연구의 참가자들은 순수하게 컴퓨터가 생성한 패턴이 때때로 시각적으로는 인상적일지라도, 전통적인 패턴이 가진 깊은 문화적 울림이 부족하다는 것을 발견했습니다. 컴퓨터와 함께 작업한 인간 디자이너들은 이 간극을 메워, 새로우면서도 문화적으로 근거가 확실한 작품을 만들어내는 듯 보였습니다. 연구는 인공지능이 한 문화의 시각적 스타일을 모방할 수는 있지만, 인간의 안내 없이는 그 역사의 무게와 의미를 온전히 담아내기 어렵다는 것을 보여줍니다.

궁극적으로 이 연구는 우리의 예술 감상이 고정된 특성이 아니라 지식과 함께 성장하는 유연한 기술임을 보여줍니다. 사람들이 패턴 뒤에 숨겨진 이야기를 이해할 때, 그들은 그것을 다르게 가치 있게 여깁니다. 그들은 설령 작품이 표면적으로는 아름다워 보일지라도, 그 이야기가 결여된 작품에 대해 더 비판적이 됩니다. 이 발견은 창의적인 세계에서 인간과 기계의 관계에 대한 새로운 관점을 제공합니다. 이는 인공지능이 예술을 만드는 능력이 점점 더 향상됨에 따라, 예술을 만드는 것뿐만 아니라 그것이 우리에게 진정으로 공감을 불러일으킬 수 있도록 맥락과 의미를 제공하는 인간의 역할이 더욱 중요해진다는 것을 시사합니다. 패턴의 아름다움은 단지 그 선과 색에 있는 것이 아니라, 우리가 그곳에 가져오는 지식에 있습니다.