인공지능(AI)에 대한 편견, 당신도 갖고 있나요?
인공창의성에 대한 편견을 극복하는법
#Arts#AI#Authorship#Bias#Computational Creativity#GAN#Painting
위 주제에 관심이 있으시다면 꼭 읽어보세요!
인공지능(AI)과 인공창의성(Computational Creativity)에 대한 편견
최근 창의성을 요구하는 음악이나 디자인, 패션, 예술과 같은 영역에서 새로운 연구 분야가 떠오르고 있습니다. 인공지능(AI) 분야의 하위 개념이면서, 인간의 창의성과 인공적인 창의성을 함께 연구하는 분야인 인공창의성(Computational Creativity)이라는 개념입니다.
인공창의성은 특히, AI를 활용한 명령어 기반 예술 창작 프로그램들로 근 몇 년간 매우 큰 화제가 되고 있습니다. 2014년 Goodfellow라는 프로그래머와 그의 동료들이 개발한 생성적 대립 신경망(GAN, General Adversarial Network)기술을 시작으로, 생성적 대립 신경망(GAN)을 활용한 회사 Midjourney의 Midjourney, 디퓨전 방식(Diffusion)을 활용한 Stability AI의 Stable Diffusion, Open-AI의 DALL-E와 같은 서비스들이 시장에 나와 있습니다. 이렇듯 인공지능은 우리의 삶에서 이미 창의성의 조력자로 큰 역할을 하고 있고, 인공 창의성의 역할에 기대하는 바도 큽니다.
그러나 우리는 알게 모르게 인공지능이나 기계, 컴퓨터에 대한 편견을 가지고 있습니다. 실제로 이전의 많은 연구에서 이러한 기계나 인공물에 대한 편견들이 언급되고 있습니다 [1, 2, 3]. 문제는 이러한 편견을 실제로 검증한 경우는 희소하다는 점입니다. 본 연구에서는 이러한 편견을 검증하고자 설문을 통해 응답을 수집하였고 통계를 통해 이를 검증하고자 하였습니다.
편견에 대한 검증을 예술작품으로?
본 연구에서는 편견을 검증하기 위해 565명을 대상으로 8개 그림에 대한 평가를 진행하였습니다. 먼저, 응답자들이 그림들을 통해 원작자를 특정하고 알아채는 것을 숨기기 위해 비슷한 스타일의 인상주의 그림 40점을 선별하였습니다 [4]. 그리고 해당 40점의 그림은 실험 결과의 더 넓은 일반화를 위해 10개의 AI가 그린 자화상, 10개의 AI가 그린 풍경화, 10개의 사람이 그린 자화상, 10개의 사람이 그린 풍경화로 구성하였습니다.
해당 그림들은 Piet Mondrian, Claude Monet, AI 아티스트인 Robbie Barrat 그리고 AI 아티스트 그룹인 Obvious의 작품들이었으며, 프라이밍 효과(앞서 접한 정보가 이후에 접한 정보에 영향을 미치는 경우 - 예: 뜨거운 것을 먹고 매운 것을 먹었더니 원래 맵기보다 훨씬 맵게 느껴졌다)를 활용하여 주체(AI또는 인간)에 따른 그림 예술작품에 대한 평가가 목적이었습니다. 즉, 프라이밍 효과를 이용하여 같은 그림들에 대해 인간이 그렸다고 인식했던 그림을 특정하게 평가하는 경향이 있는지 그리고 AI가 그렸다고 인식했던 그림을 특정하게 평가하는 경향이 있는지 알아보려 하였습니다. 따라서, AI 또는 인간이 그렸다는 프라이밍 효과를 주기 위해 아래와 같이 설문 안내 문구를 2가지 버전으로 제공하였습니다.
프라이밍 효과를 위한 설문 안내 문구안내 문구와 같이 40점의 그림 중, 프라이밍 효과를 주어 무작위로 선별된 8개 그림에 대한 그림을 평가하였으며 결론적으로, 아래와 같이 그룹을 나누었습니다.
또한 평가를 위해 호감도, 미적 아름다움, 새로움, 총 4가지를 평가하였고 결과는 아래와 같습니다 [5,6,7]:
호감도(Declared Liking)
미적 아름다움(Perceived Beauty)
새로움 (Perceived Novelty)
의미성(Perceived Meaning)
호감도, 미적 아름다움, 새로움, 의미성에 대한 평가 모두 프라이밍에 대한 효과를 기반으로 그림을 그린 주체가 인간이라고 믿었을 때 AI보다 더 높았으며, 진짜 그림을 그린 주체를 기반한 평가 또한 마찬가지였습니다. 마지막으로, 초상화보다는 풍경화에 대한 4가지 평가 기준이 모두 더 높은 것으로 드러났습니다.
인공지능(AI)에 대한 편견을 어떻게 줄일 수 있을까?
연구 결과에서 알 수 있듯, AI가 그린 그림에 대한 인식이 전반적으로 호감도, 미적 아름다움, 새로움, 의미성에 대해 인간이 그린 그림보다 낮은 점수를 기록하였습니다. AI나 컴퓨터에 대한 인식을 줄이고 이를 사용자 친화적인 인간과 같은 요소들로 치환하고자 하는 노력이 필요합니다.
그렇다면, “인간이 그린 그림의 어떠한 측면들이 AI가 그린 그림보다 높은 평가를 받게끔 할까?” 라는 의문이 생깁니다. 본 연구에서는 이러한 경향에 대한 이유로 내적 편견(intergroup bias)을 제시합니다. 내적 편견은 사람들이 자신이 속해있는 집단을 속해있지 않은 집단보다 더 호의적으로 보는 경향을 의미합니다 [6,7,8,9]. 우선, 내적 편견을 타파하기 위해서는 AI에게 인간 친화적인 페르소나를 부여하면 해결될 가능성이 높습니다. 예를 들어, 가상 AI인간인 버추얼 휴먼을 한 명 제작하여 예술가로 표현하거나 AI를 사용하여 예술작품을 만드는 예술가 자체를 AI보다 강조하며 인간적인 면을 훨씬 더 드러낸다면 해당 미술품들에 대한 평가를 높일 수 있을 것입니다.
하지만, 내적편견에 대한 가설은 맹점이 하나 있습니다. 왜냐하면, 창조가 아닌 다른 분야에서는 오히려 AI가 주체가 된다는 이유로 전체적으로 더 높은 평가를 받을 수 있기 때문입니다. 예를 들어, 수술, 주식과 같이 냉철하고 분석적인 판단이 요구되는 분야에서는 AI를 더 믿음직스럽고 좋게 평가할 것입니다.
따라서, AI 창조 예술품에 대한 평가 절하는 내적 편견 외에도 아이러니하게 AI 인공창의성 프로덕트들의 즉시성과 편리성 때문이라고 생각합니다. 누군가 1년이 걸려 만든 예술작품을 전시관에서 보는 것과 AI가 3분 만에 만든 예술작품을 컴퓨터 화면으로 보는 것은 확실히 전달되는 무게감이 다릅니다.
그렇다면 그 무게감과 정성이 왜 느껴지지 않을까요? 바로, 대부분의 인공 창의성을 보조해주는 AI가 표현한 그림에서는 결과만 바로 표현되기 때문입니다. AI창조 예술품이라고 하였을 때, 관중들은 AI를 활용한 예술가가 AI를 학습시키기 위해 데이터를 넣고 정제한 과정은 생각하지 않고 굉장히 빠르게 바로 즉시 결과물이 나온다고 생각합니다. 따라서, 예술작품을 표현한 과정과 정성이 물리적인 작품보다 느껴지기 어렵습니다. 그러므로, 그 과정을 보여준다면 결과물에 대한 가치를 보다 더 높게 평가될 것입니다. 결론적으로, 현재 AI 분야에서 필요한 HCI 적인 개입은 아래 그림과 같이 (예술품을) 창조하는 일련의 과정을 가상의 주체와 함께 넣는 것이라 생각합니다.
UX George는 아래 논문을 대신 읽어드렸어요. 여러분이 프로덕트 만드는 시간은 소중하니깐요!
Ragot, Martin, Nicolas Martin, and Salomé Cojean. "Ai-generated vs. human artworks. a perception bias towards artificial intelligence?." Extended abstracts of the 2020 CHI conference on human factors in computing systems. 2020.
참조 문헌
[1] Carolyn Lamb, Daniel G. Brown, and Charles L. A. Clarke. 2018. Evaluating Computational Creativity: An Interdisciplinary Tutorial. ACM Comput. Surv. 51, 2: 28:1–28:34.
[2] 1. David C Moffat and Martin Kelly. 2006. An investigation into people’s bias against computational creativity in music composition. Proceedings of the 3rd International Joint Workshop on Computational Creativity (ECAI06 Workshop).
[3] Joo-Wha Hong. 2018. Bias in Perception of Art Produced by Artificial Intelligence. Human-Computer Interaction. Interaction in Context, Springer International Publishing, 290–303.
[4] Philippe Pasquier, Adam Burnett, and James Maxwell. 2016. Investigating Listener Bias Against Musical Metacreativity. Proceedings of the Seventh International Conference on Computational Creativity (ICCC 2016), Sony CSL.
[5] D. E. Berlyne. 1971. Aesthetics and psychobiology. Appleton-Century-Crofts, East Norwalk, CT, US.
[6] Anna Jordanous. 2014. Stepping Back to Progress Forwards: Setting Standards for Meta-Evaluation of Computational Creativity.
[7] Ahmed Elgammal, Bingchen Liu, Mohamed Elhoseiny, and Marian Mazzone. 2017. CAN: Creative Adversarial Networks, Generating “Art” by Learning About Styles and Deviating from Style Norms. arXiv:1706.07068 [cs].
[8] Margaret A. Boden. 2010. The Turing test and artistic creativity. Kybernetes.
[9] Miles Hewstone, Mark Rubin, and Hazel Willis. 2002. Intergroup bias. Annual review of psychology 53, 1: 575–604.
