Through a Gendered Lens: Artificial Intelligence, Photographic Representation, and the Politics of Vision in World Cinema

기술 요약: 젠더의 렌즈를 통해 본 인공지능, 사진적 재현, 그리고 세계 영화의 시각 정치학

문제 제기
본 논문은 세계 영화계에 인공지능(AI)이 통합되는 과정에서 발생하는 젠더화된 정치학을 이해하는 데 있어 존재하는 비판적 공백을 다룬다. AI는 영화 제작 워크플로(애니메이션, VFX, 촬영 등)를 급격히 변화시키고 있으나, 생성형 AI 모델이 가부장적 사진 관습을 어떻게 재현, 증폭 또는 대항하는지에 대한 구체적인 메커니즘은 아직 충분히 연구되지 않았다. 저자들은 생성형 모델이 역사적으로 남성 중심적인 사진 및 영화 아카이브를 학습하기 때문에, 해당 데이터셋에 내재된 '젠더화된 시각의 정치학'을 상속하고 체계화한다고 주장한다. 결과적으로, AI 시각 도구들은 기술적 중립성이라는 가면 아래 대상화된 관습을 정상화하는 정치적 참여자가 될 위험이 있으며, 이는 여성 종사자들의 창의적 자율성을 남성 동료들보다 더 심각하게 제약할 가능성이 있다.

연구 방법론
본 연구는 페미니스트 관점 인식론(feminist standpoint epistemology)에 기반하여 네 가지 실증적 층위를 통합한 비판적 혼합 방법론 설계를 채택하였다.

1. 전문가 설문 조사 (n=186): 인도, 영국, 미국의 영화 산업 종사자를 대상으로 실시한 구조화된 온라인 설문 조사이다(성별 균형을 위해 층화 추출함). 이 연구에는 AI의 사진적 관습, 창의적 자율성 및 젠더 경험에 대한 인식을 측정하기 위해 검증된 12개 항목의 '젠더화된 AI 경험 척도(GAES)'가 사용되었다. 통계 분석에는 독립 표본 t-검정, 카이제곱 검정 및 이항 로지스틱 회귀 분석이 포함되었다.
2. 전문가 인터뷰 (n=8): 시니어 종사자(촬영 감독, 시나리오 작가, VFX 슈퍼바이저 및 학자)를 대상으로 한 반구조화된 인터뷰를 실시하였으며, 경험적 미묘함을 탐구하기 위해 성찰적 주제 분석(reflexive thematic analysis)을 통해 분석하였다.
3. 컴퓨터 기반 사례 연구 (GPBI): 세 가지 주요 생성 플랫폼(Stable Diffusion XL, DALL-E 3, Midjourney v6)을 대상으로 600개의 AI 생성 시네마토그래피 이미지(시스템당 100개의 매칭된 성별 쌍)를 정량적으로 분석하였다. 본 연구는 페미니스트 시네마토그래피 학술 연구에서 도출된 세 가지 차원을 조작화한 **젠더화된 사진 편향 지수(GPBI)**를 도입하였다:
   • 프레이밍 거리 점수 (FDS): 샷 거리 측정 (여성에 대한 타이트한 프레이밍은 대상화를 의미함).
   • 조명 비율 점수 (LRS): 키 라이트와 필 라이트의 대비 측정 (여성에 대한 높은 대비는 대상화를 의미함).
   • 신체 부위 돌출 점수 (BPS): 얼굴 이외의 신체 부위가 차지하는 구도적 면적 측정 (신체 파편화).
     이 점수들은 12명의 수상 경력이 있는 여성 촬영 감독들의 작품에서 도출된 **페미니스트 시네마토그래피 벤치마크(FCB)**와 비교되었다.
4. 체계적 문헌 고찰: AI, 젠더 및 시각적 재현에 관한 기존 학술 연구를 맥락화하기 위해 89개의 출처를 대상으로 한 PRISMA 프로토콜 리뷰를 수행하였다.

주요 기여
본 논문은 AI 매개 영화 제작, 페미니스트 영화 이론, 사진 철학 분야에 세 가지 독창적인 기여를 한다:

1. 젠더화된 사진 편향 지수 (GPBI): AI 생성 시네마토그래피 이미지의 젠더 편향을 측정하기 위해 검증된 복합 지표이다. 이는 프레이밍, 조명, 신체 파편화를 통해 편향을 조작화함으로써, 페미니스트 시네마토그래피의 형평성으로부터의 체계적 이탈을 탐지하는 정량적 도구를 제공한다.
2. AI-젠더화된 시선 프레임워크 (AGGF): 로라 멀비(Laura Mulvey, 1975)의 '남성적 시선(male gaze)' 개념을 알고리즘적 시각 생산으로 확장한 이론적 종합이다. 이 프레임워크는 네 가지 상호 연결된 메커로니즘을 제시한다:
   • 코퍼스 가부장제 (Corpus Patriarchy): 학습 데이터가 역사적 젠더 위계 구조를 인코딩함.
   • 알고리즘 증폭 (Algorithmic Amplification): 통계적 학습이 지배적인(남성적/대상화하는) 시각적 관습을 증폭함.
   • 포스트-지표적 자연화 (Post-Indexical Naturalisation): AI 생성 이미지는 지표적 흔적 없이도 사진적 권위를 가지며, 이로 인해 젠더화된 관습이 보이지 않고 '자연스러운' 것처럼 렌더링됨.
   • 제도적 정상화 (Institutional Normalisation): AI 도구의 배치가 이러한 편향을 전문적 규범에 통합시켜, 페미니스트 비판을 구조적으로 저해함.
3. 일차적 실증적 근거: 여성 영화 종사자들이 AI 도구를 남성보다 특히 가부장적 관습이 인코딩되는 측면에서 훨씬 더 제약적인 것으로 경험한다는 대규모 표본 데이터를 제시한다.

결과

• 설문 조사 결과: 여성 응답자들은 남성보다 유의미하게 높은 수준의 인지된 편향과 창의적 제약을 보고했다. 구체적으로, 여성의 74.1%가 AI 도구가 가부장적 사진 관습을 인코딩한다고 보고한 반면, 남성은 40.8%에 그쳤다 ($\chi^2(1) = 28.4, p < .001$). 오즈비(odds ratio) 분석 결과, 여성은 이러한 편향을 인지할 확률이 4.71배 더 높았다. 모든 젠더 관련 설문 항목은 큰 효과 크기($d > 0.95$)를 보였다.
• GPBI 사례 연구: 세 가지 AI 플랫폼 모두 페미니스트 형평성 벤치마크(1.00)를 유의미하게 상회하는 GPBI 점수를 기록하여, 대상화된 관습의 체계적 재생산을 확인하였다:
  • Stable Diffusion XL: GPBI = 1.94
  • DALL-E 3: GPBI = 1.77
  • Midjourney v6: GPBI = 1.62
  • 핵심 발견: 모든 시스템에서 여성 피사체는 남성 피사체에 비해 약 절반의 샷 거리로 프레이밍되었다 (평균 FDS 비율 ~0.71/1.37). 이는 '코퍼스 가부장제' 메커니즘을 실증한다.
• 인터뷰 테마: 질적 데이터는 실무자들이 AI를 "우리의 가장 나쁜 습관들을 흡수한" 것으로 보며, 여성 피사체의 내면성을 결여한 '기본값(default)' 미학을 생성한다고 보는 것을 드러냈다. 여성 종사자들은 페미니스트 대항 미학을 달성하기 위해 (기본값을 상쇄하기 위한 특정 프롬프트 입력과 같은) '추가적인 노동'이 필요하다고 보고한 반면, 기술적 역할의 종사자들은 젠더화된 비용을 인식하지 못한 채 AI를 효율성 증진 도구로만 인식하는 경 경향을 보였다.

의의 및 주장
본 논문은 영화계의 AI 통합이 중립적인 생산성 이벤트가 아니라, 측정 가능한 결과를 수반하는 '젠더화된 정치적 이벤트'라고 주장한다.

• 이론적 의의: 페미니스트 영화 이론을 인간이 저술한 영화에서 알고리즘적 생산으로 확장하며, '저자적 시선(authorial gaze)'이 '확률적 시선(probabilistic gaze)'으로 대체되었으나 이것이 결코 덜 정치적인 것은 아니라고 주장한다.
• 실천적 의 의의: AI를 '민주화'의 힘으로 보는 업계의 서사에 도전한다. 대신, 저자들은 개입이 없다면 AI가 지배적인 가부장적 미학을 재생산하는 비용을 낮추는 데 불과하며, 이로 인해 여성 영화인들이 평등한 재현을 달 위해 '대항 작업(counter-work)'을 수행하도록 강요받게 된다고 주장한다.
• 거버넌스 의제: AGGF 메커니즘에 매핑된 5단계 거버넌스 의제를 제안한다. 여기에는 독립적인 코퍼스 감사, 스튜디오를 위한 GPBI 기반 조달 표준, 필수적 투명성 공시(출처 메타데이터), 여성 주도 개발팀 구성, 그리고 페미니스트 시네마토그래피 프롬프트 라이브러리 구축이 포함된다.

저자들은 업계가 이러한 편향을 측정하고 완화할 기술적 능력(시스템 간의 차이에서 입증된 바와 같이)을 갖추고 있음에도 불구하고, 근본적인 장벽은 알고리즘적 시각에 내재된 젠더화된 시선을 인식하고 해결하려는 정치적 의지에 있다고 결론짓는다.