Radical Transitions in Generic Design: Frame Semantic Hypergraphs and Topological Diagrams in C/K Theory

디자인은 흔히 새로운 무언가를 그리는 행위, 즉 다리, 의자, 또는 소프트웨어 시스템을 만들기 위해 제작자를 안내하는 스케치를 그리는 것으로 생각되곤 한다. 수십 년 동안 디자이너들은 디자인 과정을 두 개의 서로 다른 세계 사이의 대화로 취급하는 이론들에 의존해 왔다. 하나는 아이디어가 증명 없이 자유롭게 떠다니는 '가능성의 세계'이고, 다른 하나는 사실과 데이터가 그 아이디어들을 고정하는 '알려진 것의 세계'이다. 이러한 균형은 점진적인 개선에는 효과적이었으나, 인공지능의 급격한 부상은 단순한 개선을 넘어 우리가 생각하는 방식 자체에 대한 근본적인 변화처럼 느껴지는 전환을 강요하고 있다. 기계가 이제 인간이 따라잡을 수 없는 속도로 언어, 이미지, 코드를 생성할 수 있게 되면서, 우리가 디자인하는 방식, 아이디어를 검증하는 방식, 그리고 무엇이 진실인지 아는 방식에 대한 기존의 규칙들이 시험대에 올랐다. 질문은 더 이상 어떻게 더 나은 제품을 만들 것인가가 아니라, 우리가 세상을 설명하는 데 사용하는 개념 자체가 하룻밤 사이에 변할 수 있는 미래를 감당할 수 있는 프로세스를 어떻게 디자인할 것인가로 바뀌었다.

새로운 연구에서 연구자 이라 모나크(Ira Monarch)는 디자인을 단순히 정신적인 연습이 아니라 구조화되고 시각적이며 실행 가능한 프로세스로 취급함으로써 이러한 불확실성을 헤쳐 나갈 방법을 제안한다. 이 작업은 개념의 공간과 지식의 공간을 분리하는 C/K 이론이라는 프레임워크를 기반으로 한다. 이 관점에서 '개념'은 아직 증명되지 않은 가능성인 반면, '지식'은 특정 아이디어를 뒷받침하는 사실과 증거의 집합이다. 모나크는 생성형 AI가 가져온 급격한 변화를 다루기 위해, 디자이너들에게 우리가 상상하는 것과 우리가 아는 것 사이의 간극을 시각화하고, 그 간극을 채우는 과정을 능동적으로 안내할 수 있는 도구가 필요하다고 주장한다. 그 결과물은 언어의 논리와 데이터베이스의 구조를 결합하여, 디자인이 오늘 어디에 서 있는지뿐만 아니라 내일 어디로 갈 수 있는지를 보여주는 지도를 만드는 시스템이다.

이 접근법의 핵심은 정보를 조직하기 위해 특화된 데이터베이스를 사용하는 프레임 시맨틱 하이퍼그래프(Frame Semantic Hypergraphs)라는 방법이다. 모든 책이 단순히 선반에 보관되는 것이 아니라, 이야기 속에서 수행하는 특정 역할에 따라 다른 모든 책과 연결되어 있는 도서관을 상상해 보라. 이 시스템에서 단어와 아이디어는 '설계 결정'이나 '재료 선택'과 같은 상황을 설명하는 '프레임'으로 취급된다. 각 프레임은 선택을 내리는 사람, 변경되는 대상, 변경의 이유와 같은 구체적인 부분, 즉 역할을 가진다. 연구자는 인공지능을 사용하여 지역 철도 개보수에 관한 복잡한 공학 논문을 읽고, 68개의 핵심 문장을 이러한 프레임으로 자동 분류했다. AI는 누가 참여했는지, 어떤 규칙이 준수되었는지, 어떤 문제가 해결되고 있는지를 식별하여, 텍스트 덩어리를 관계의 구조화된 네트워크로 변환했다. 이 네트워크, 즉 하이퍼그래프는 디자인 프로세스의 살아있는 지도로서, 특정 증거가 어떻게 더 넓은 개념과 연결되는지를 정확히 보여준다.

이 방법이 강력한 이유는 디자인이 벽에 부딪히는 순간을 처리하는 방식 때문이다. 전통적인 디자인에서는 새로운 아이디어가 기존 규칙과 충돌할 때 프로세스가 중단되거나 사람이 수동으로 규칙을 다시 써야 하는 경우가 많다. 이 새로운 시스템에서는 컴퓨터가 충돌을 자동으로 감지할 수 있다. 만약 프로젝트 세션의 데이터가 현재의 규칙이 허용하지 않는 이유로 재료가 선택되었음을 시사한다면, 시스템은 이를 '이상 징치(anomaly)'로 표시한다. 이는 시스템이 단순히 아이디어를 거부하는 것이 아니라, 규칙 자체를 변경해야 하는지 묻는 순환 과정을 촉발한다. 시스템은 아마도 설계 선택이 그것이 충족하려 했던 요구사항을 재형성할 수 있도록 허용하는 새로운 프레임을 제안할 수 있다. 이는 가능성의 지도와 사실의 지도가 끊임없이 서로를 업데이트하는 루프로 디자인 프로세스를 변화시킨다. 그러면 시스템은 인간과 기계 팀에게 다음에 무엇을 해야 할지, 무엇을 확인해야 할지, 결과를 어떻게 검증할지를 알려주는 단계별 계획, 즉 실행 그래프를 생성할 수 있다.

이 연구는 프랑스의 오래된 철도 네트워크 9,200km를 개보수하는 실제 사례를 통해 이 아이디어를 테스트했다. 디자이너들은 딜레마에 직면했다. 오래된 노후 궤도를 유지하여 노선 폐쇄 위험을 감수할 것인가, 아니면 가용한 예산보다 더 많은 돈을 들여 모든 것을 교체할 것인가. 새로운 방법을 사용하여 그들은 문제를 매핑했고, 기존의 기초는 유지하면서 고속 열차에서 영감을 받은 새로운 유형의 레일을 도입하는 해결책을 찾아냈다. 시스템은 이 과정을 두 가지 방식으로 시각화했다. 첫째, 상세한 연결 네트워크를 보여줌으로써 모든 결정이 프로젝트 로그의 특정 증거에 의해 뒷받침되었음을 입증했다. 둘째, 디자인의 '긴장(strain)'을 보여주는 일종의 3D 경관인 위상적 표면(topological surface)을 생성했다. 이 경관에서 디자인이 견고한 영역은 높은 지대로 나타났고, 간극과 모순은 깊은 구멍으로 나타났다. 성공적인 해결책은 하나의 봉우리로서 나타나 구멍을 메웠으며, 이는 새로운 레일이 기존의 규칙과 새로운 현실 사이의 간극을 어떻게 메웠는지를 시각적으로 입증했다.

이러한 시각적 접근법은 디자인이 작동하는 방식에 대한 더 깊은 진실을 드러낸다. 연구자는 너무 오랫동안 우리가 물리적 세계와 정신적 모델이 얼마나 잘 일치하는지, 즉 '그림의 정확성'에만 집중해 왔다고 주장한다. 그러나 우리는 우리의 행동이 실제로 목표를 얼마나 잘 달성하는지, 즉 '수행의 정확성'을 소홀히 해왔다. 새로운 시스템은 이 두 가지가 서로에게 응답하도록 강제한다. 이는 아름다운 아이디어가 실제 데이터에 근거하도록 보장하며, 실질적인 행동이 명확한 개념에 의해 유도되도록 한다. 디자인 프로세스를 지도와 영토가 끊임없이 서로를 교정하는 루프로 다룸으로써, 시스템은 한 학문 분야가 스스로의 토대에 대해 마음을 바꾸는 듯한 급격한 변화를 다룰 수 있다. 이것은 단지 더 나은 기차나 의자를 만드는 것에 관한 것이 아니다. 스스로 생각할 수 있는 기계의 등장 속에서도 살아남을 수 있는 사고 방식을 만드는 것에 관한 것이다.

논문은 이 방법이 인공지능이 스스로의 개념과 규칙을 생성하기 시작한 현재의 시점에 특히 필수적이라고 제[]안한다. 연구자는 AI를 사용하여 논문에 기술된 바로 그 시스템을 구축하는 데 도움을 받았으며, 인간 디자이너와 기계가 협력하여 목표를 정의하고, 데이터를 분류하고, 결과를 시각화하는 파트너십을 만들었다. 이 협업은 단순히 효율성을 위한 도구가 아니었다. 그것은 요구되는 새로운 종류의 디자인 사고에 대한 시연이었다. AI는 인간이 놓칠 수 있는 텍스트의 패턴을 포착하는 데 도움을 주었고, 인간은 어떤 패턴이 중요한지를 결정하는 판단력을 제공했다. 그 결과, 디자인 프로세스는 인간이나 기계가 단독으로 달성했을 때보다 더 견고하고 적응력이 뛰어났다.

궁극적으로, 이 연구는 인공지능이 단순히 인간의 창의성을 대체하거나 혼란스러운 미래를 초래할 것이라는 두려움을 넘어설 수 있는 방법을 제시한다. 대신, 인간의 직관과 기계의 정밀함이 함께 작동하는 구조화된 경로를 제안한다. 시스템은 모든 문제를 해결하거나 미래를 확실하게 예측하겠다고 약속하지 않는다. 다만, 우리 이해의 간극을 보고 이를 증거 기반의 행동으로 채울 수 있는 방법을 제공한다. 디자인의 보이지 않는 구조를 가시화하고 발견의 과정을 가이드된 여정으로 바꿈으로써, 이 접근법은 우리가 다가오는 전환기를 명확성을 가지고 헤쳐 나갈 수 있음을 시사한다. 목표는 미래를 통제하는 것이 아니라, 미래를 맞이할 수 있을 만큼 유연한 프로세스를 디자인하는 것이며, 이를 통해 우리의 도구가 변하더라도 의미 있고 올바른 것을 만들어내는 우리의 능력이 온전히 유지되도록 하는 것이다.