인공지능이 인간의 얼굴에 대해 사람과 다른 독창적인 매력을 느낄 수 있을까? 이 미묘한 질문에 대한 답을 헬싱키 대학 연구원들이 확인했다.
미국의 비비엔타임스(BBNTimes)는 지난달 국제전기전자기술자협회의 감성컴퓨팅 트랜잭션(IEEE Transactions on Affective Computing)에 발표된 헬싱키 대학 연구원들의 연구 내용을 지난 3일 자 기사로 실었다.
IEEE 감성컴퓨팅 트랜잭션은 인간의 감정과 관련된 정서적 현상을 인식, 해석, 시뮬레이션하는 시스템 설계에 관한 연구 결과를 보급하는 국제 아카이브 저널이다.
이 대학 연구진은 매력적인 얼굴을 만들기 위해 AI와 뇌-컴퓨터 인터페이스(BCI) 기술을 사용한 결과, 인공지능은 기존 이론과 다른 매력 이미지를 생성할 수 있는 것으로 조사됐다.
뇌-컴퓨터 인터페이스(BCI)는 중추신경계(CNS)의 활동을 측정하고 이를 인공 출력으로 변환해 자연 중추신경계의 출력을 대체, 복원, 강화할 수 있는 인체 시스템이다. 또 BCI는 양방향 정보 전달을 통해 뇌와 외부 장치 간의 직접적인 상호작용을 담당한다.
이 실험 전에 헬싱키 대학 연구원들은 기존의 미학 이론에 대해 논의한 결과, “아름다움에 대한 취향은 매우 개인적이지만 심리학은 매력적이라고 여겨지는 시각적 특징에 대해 강한 공감대를 일관되게 보여주고 있다.”고 주장했다.
즉 인간에겐 특별히 아름답다고 느끼는 일반적인 시각적 특징이 존재한다는 것이다. 그렇다면 인간에 의해 탄생한 인공지능은 과연 어떻게 생각할까?
AI의 예술 감각, 심층신경망
지난 2017년 7월, 글로벌 미술 인터넷 매체‘아트네트(Artnet)’에 따르면 인공지능(AI)이 심층신경망(Deep Neural Networks, DNN) 기술을 이용해 미술을 배우면서 걸작들을 그리기 시작했다고 보도했다.
심층신경망(DNN)은 머신러닝의 한 방법이며, 인간의 뇌와 같이 미세하게 연결된 여러 개의 가상 신경이 다양한 자료를 축적 및 분석하고, 이를 통해 스스로의 판단에 의해 새로운 데이터를 만들어 저장해나가는 기술이다.
일례로, 미 뉴저지주 러트거스대학의 아트·인공지능연구소(Art & Artificial Intelligence Lab)는 심층신경망 기술로 인공지능이 고도의 프로 화가처럼 그림을 그리는 알고리듬을 개발해 실제 작품을 전시했다.
인공지능 화가는 이 알고리듬에 의해 점묘법, 컬러 필드, 야수파(Fauvism), 추상적 표현주의(Abstract Expressionism) 등의 그림 기술을 배운 것으로 알려졌다.
아트네트에 따르면 이 인공지능 화가가 기존 화가의 작품을 배운 후 스스로의 판단에 의해 자신만의 방식으로 그림을 그렸다는 것이다. 연구진은 이 알고리듬이 타인의 화가 방식을 따르지 않도록 설계되어 있었다고 전했다.
한 가지 재밌는 사실은 설문조사 결과, 85%의 응답자가 인공지능 화가의 그림을 보고 사람이 그린 그림이라고 판단했다는 것이다. 심층신경망(DNN) 기능이 독자적 예술적 감각을 인정받은 것이다.
기존 이론과 다른 매력 추구
헬싱키 대학 연구진의 실험에서도 AI는 독창적인 매력의 관점을 가질 수 있는 것으로 나타났다. 우선, 이 대학 연구원들은 인공지능의 개인적인 매력을 모델링하는 실험을 진행했다.
그 과정은 첫째로, Celeb A-HQ (celebA 데이터를 이용해 만든 1024x1024짜리 고해상 이미지)의 데이터를 사용, 연예인 얼굴 3만 장의 사진을 가진 ‘생성적 적대 네트워크(GAN)’를 훈련시키는 것이었다.
생성적 적대 신경망(GAN)에서 ‘생성’의 기능은 딥러닝의 공학 측면에선 주로 정량적 지표나 정답과 오답의 유무를 판단하는 것이다.
반면에 미술적 측면에선 다양한 관점에서 정답과 오답을 교차 검증해 의심하고, 세상과 인간의 삶을 해석하는 기능이다.
이를 위해 연구 참가자 30명이 BCI에 의해 뇌파 활동을 기록하면서, GAN에서 무작위로 샘플링된 이미지를 평가했다.
이어서 참가자들에게 새로운 이미지를 보여줬는데 이 이미지들은 참가자들이 매력적이라고 생각하는 이미지들이었다. 마지막 단계에선 새로운 합성 영상이 생성됐다.
연구원들은 그 결과에 대해 “인공지능은 사전에 정의된 모델에 의해 제약되지 않는 주관적 선호도를 모델링할 수 있었다.”고 주장했다.
생성 뇌-컴퓨터 인터페이스(GBCI)는 대조군과 비교하는 합성 이미지의 이중 블라인드 평가에서 높은 정확도로 자신만의 매력적 이미지를 찾아낸 것으로 조사됐다.
이에 대해 연구자들은 “이 결과는 GBCI가 매우 개인적으로 매력적인 이미지를 생성한다는 것을 보여준다.”라고 설명했다. .
또 연구진은 “BCI 방법을 GAN과 결합하면, 뇌 활동에 기초한 사실적인 이미지를 생성할 수 있다.”며“생성 뇌-컴퓨터 인터페이스(GBCI)는 이미 존재하지 않는 매력적인 얼굴 이미지를 생성할 수 있다.”고 밝혔다.
따라서 인공지능의 GBCI는 학습을 통해 기존의 아름다움 이론에 구애받지 않고, 데이터 중심 방식으로 매력적인 이미지를 생성할 수 있음이 증명된 것이다.
AI타임스 조행만 객원기자 chohang5@kakao.com
