brunch

You can make anything
by writing

- C.S.Lewis -

by 이남주 NJ Namju Lee Oct 24. 2020

디자인 엔지니어링 그리고 데이터?

Computational Design

컴퓨테이셔널 디자인

앞서 컴퓨테이셔널 디자인으로 포지셔닝을 명확하게 하고 싶다면, 하나의 예로, 엔지니어링을 해야 한다고 앞서 말씀드린 적이 있는데요 - link(궁극의 테크트리! 컴퓨테이셔널 디자이너로 살아 남기!!) , 디자인 그리고 엔지니어링에 대해서 이야기를 해 보려고 합니다. 


디자인 그리고 엔지니어링


디자인 엔지니어링에서 가장 중요한 것은 무엇일까요? 무엇이 디자인을 엔지니어링 레벨로 바라보게 할 수 있을까요? 참고로 여기서 말하는 디자인 엔지니어링은, UI, UX나 Front end에서 말하는 그런 직업군을 말하는 것이 아니에요.


DATA(데이터)


바로 DATA(데이터)라고 생각합니다. 여러 가지 콘텐츠를 관통하는 주제기도 하죠. 데이터와 건축디자인에 대한 소개는 다음의 링크를 참조해 주세요 - 데이터 & 디자인, 데이터에 대한 저의 개인적인 정의는, 현상에 대한 하나의 단면이다 생각해요. 즉 데이터를 바탕으로 현상을 모델링을 하는 거죠. 즉 디자인 환경을 구축, 모델링하고, 그 모델링을 환경에서 실험, 시뮬레이션을 통한 예측을 할 수 있다는 것이죠. 여러분들에게 익숙한 파라메트릭 디자인 혹은 제너레이티브 디자인도 환경을 모델링 함으로써 결과를 생성해낸다고 볼 수 있어요. 따라서 다양한 파라미터를 데이터로 볼 수 있겠죠.



데이터를 두 가지로 측면으로 보면! 


첫째로, 원시 데이터(Raw Data), 즉 가공이 안된 데이터죠. 데이터들은 기본적으로, 현상과 관찰을 기록한 것이기 때문에, 우리가 일반적으로 이해하는 데이터는 대부분이 여기에 속할 수 있죠. 2010년 즈음에 한창 떴던 빅데이터 가 그 예일 수 있죠. 인구나 소득 통계, 지리정보, 트래픽 등등 어떤 현상을 기록해 놓은 것들은 Raw Data로 볼 수 있는 거예요. 


두 번째, Processed Data(가공된 데이터), 즉 알로리즘을 통과한 데이터로 생각할 수 있죠. 혹은 결과물로도 볼 수 있죠. 우리가 만들어 놓은 알고리즘들을 통과, 정제되면서 새로운 데이터를 생성하게 되죠. 예를 들면 데이터를 가져와서 함수에 집어넣고 나온 그 리턴 값이 그 예일 수 있죠. 혹은 파라메트릭 디자인에서 특정 함수들을 통과하면서 나오는 아웃풋들이 가공된 데이터 로볼 수 있다는 것이에요.


가령, 한 교실의 학생들의 키가 있다면 150, 148, 180, 그리고 175cm 있다면, 이 데이터들은 Raw Data로 볼 수 있고, 이 데이터를 정규화(Normalization)시킨다고 가정해 보면, 그 값이 원본 데이터의 서로의 관계성을 유지된 체 0과 1 사이로 리맵(Remap)이 되겠죠. 결국 이러한 과정들을 통해 최종 결괏값이 나올 것이고, 우리는 이것들을 Processd Data로 볼 수 있는 거예요. 만약, 그 알고리듬을 정확히 뒤로 돌릴 수 있다면, 그 값을 리버스 엔지니어링 (reverse engineering) 통해 기존 Raw Data로 연결도 가능하겠죠!


더 쉽게 이야기를 해보면, 닭고기가 있다고 가정해 봐요. 닭고기는 Raw Data가 될 것이고, 다양한 레시피를 통해서 후 파이드 치킨, 간장 혹은 매운 불닭, 백숙 등등으로 그 결괏값이 반환이 되는 것이죠.


  그래서? 


디자인에서 왜 데이터가 엔지니어링에 중요하나? 데이터는 어떤 현상을 표상(representation) 하기 때문에 그래요. 즉 좀 더 객관적인 현상의 모델링이 가능하다는 말인 거죠. 테슬라의 CED 일론 머스크가 말한 것처럼 모든 복잡계를 설명하는 모델링을 만드는 것은 불가능하지만, 중요한 정보들을 바탕으로 특정한 부분을 시뮬레이션할 수 있다는 것이죠. 그 모델링의 바탕에는 데이터가 있죠.


일단 모두가 합의할 수 있는 사실(fact) 기반으로 시작을 한다는 전제가 굉장히 중요하죠. 모두가 암묵적으로 합의가 가능하기 때문에 나의 상상력 혹은 경험에서 시작하는 것과는 그 결의 본질이 다르죠.  예를 들면, 빌딩 에너지 혹은 구조 엔지니어링을 들 수 있죠. 자신의 상상력과 경험으로 하면 많이 위험해질 수 있죠. 즉 설루션 자체가 아무리 좋다 하더라도, 그 시작점 자체가 문제가 있을 수 있기 때문이죠.


데이터에 기반하면 다 맞을까?


현상을 표상하는 데이터에서 시작했다고 다 맞을까요? 물론 아니죠! 데이터는 편항(Bias)이 항상 존재하기 때문에 이것들을 이해하고 어떤 부분을 표상하는지에 대한 고민이 분명 선행되어야 해요! 동시에, 그 가공의 프로세스가 합리적이고, 오랜 기간 동안 연구된 방법론들, 가령 수학이나, 기하학, 통계학 등등의 검증된 방법론을, 차용하고, 조합하고, 수정해 가며, 주어진 데이터를 프로세스 하기 위한 알고리듬들을 만들어 가는 것이죠.


분명, 그 안에는 수많은 시행착오(Trial and error)를 반드시 통과할 것이고, 결괏값들을 보며 이것이 과연 데이터의 본질을 정확하게 이해하고 프로세스 했는지? 그 결괏값이 유의미한지를 계속 확인하며 그 데이터와 알고리즘의 흐름 즉 파이프 라인들을 개선시켜 나가는 것을 엔지니어링 한다라고 볼 수 있어요.


Human factor

이 단계에서 디자이너의 경험과 상상력이, 발휘 그리고 개입될 수 있는 여지가 많죠! 물론 도메인 놀리지(Domain knowledge)는 데이터 콜렉트 단계부터 발휘할 수 있지만 이 단계가 특히 더 그러하죠. 특별히 디자인의 영역에서는 그 결괏값을 어떻게 이해하고, 어떤 설루션을 도출 해 낼 수 있는지가 중요하기 때문이죠. 단순이 데이터가 이러해, 끝! 이렇게 하기에는, 숨겨진 많은 가능성과 창의적인 설루션들이 존재할 수 있죠.


예를 들면,

가령, 어떤 결과 값이, 디자인 개입을 평가하여 수치적 유의미한 결과를 나타낼 수 있죠. 그 결과물은, 숫자 혹은, 형태, 즉 지오메트리로 볼 수 도 있어요. 즉 평가를 할 수 있는 형태고요 그것을 기존 도시나 건물 데이터에 의해서 서로 비교되거나, 혹은, 역으로 그 데이터를 다시 업데이터 할 수 도 있고요. 결국 데이터를 가공해 가는 디자인 프로세로 볼 수 있죠. 여기서 창의적이고 분석적이고 과학적인 접근 전략을 만들어 낼 수 있죠.


아니면 전문가들이 합의 해 놓은 평가 방식을 구현할 수도 있고요. 즉 빌딩 에너지나(Building energy), 교통 흐름(Traffic flow), 대피 계획(evacuation plan) 등등이 그 예일 수 있죠. 이러한 최적화(Optimization)는 데이터를 바탕으로 엔지니어링 측면이 다분하다고 볼 수 있죠.


사실 디자인 측면으로 한다고 해서 무조건 엔지니어적이지 않다고 볼 수 없어요. 가령 내가 굉장히 과학(scientific research)적인 방법론과, 평가 분류 방식을 차용해 디자인했고, 그 방법론이 매우 합리적이고 누구나 합의할 수 있다면 그것 도한 엔지니어링 적이다 볼 수 있죠. 예로는, 논문 같은 저널 등의 페이퍼를 들 수 있죠. 새로운 방법론이 기존 것보다 우수하다는 것을 증명해 내는 창의적이고 독창적인 프로세스를 소개한다던가, 이미 존재하는 다양한 영역의 프린스플들을 적절히 매우 합리적으로 융합을 시켰다던가 등등이 될 수 았죠! 


무엇이 더 필요할까?


좀 더 단계를 내려가 보면, 이러한 것들을 하기 위해서는 컴퓨테이셔널 사고, 더 나아가, 컴퓨테이셔널 사고의 방법론이 굉장히 중요해요. 문제들을 작은 단위로 나누고 분리하여 가공하는 능력과, 복잡한 문제를 본질을 계산 가능한 형태로 추상화시켜 시스템을 만드는 사고인 것이죠.


동시에 데이터 구조(Data structure)에 대한 이해도 매우 중요합니다. 앞의 컴퓨테이션의 기본 개념들을 충분히 체화됐다면, 그 방법론을 다양한 디자인 분야에 적용할 수 있겠죠. 기본적인 데이터의 타입뿐 아니라, 지오메트리의 데이터, 혹은 때에 따라 커스터마이징 된 데이터 구조를 선언하고 변형할 수 있는 능력이 바탕이 되어야겠지요.


즉, 데이터를 가공하는 능력, 이것이 제가 정리하고 있는 디자인 엔지니어링입니다.




Reference:


1. Lecture, Data and Design - Medium link

    데이터 그리고 디자인 - 전체 버전 - 편집 버전


2. Lecture, Computational Design Thinking for Designers - Medium link

    디자이너를 위한 컴퓨테이셔널 팅킹 - 전체 버전 - 편집 버전


3. Lecture, Pipeline for Interaction, Data, and Geometry Visualization  - Medium link

    CAD 소프트웨어의 구조 그리고 데이터의 흐름과 시각화 - 전체 버전 - 편집 버전


4. Lecture, Discrete Urban Space and Connectivity - Medium link

    이산 도시 공간과 연결성  - 전체 버전 - 편집 버전


5. Lecture, Geometry as Data Structure and Visualization - Medium link

    데이터 구조로서의 지오메트리 그리고 시각화 - 전체 버전 - 편집 버전


6. Workshop, Data Visualization, Numerical Image Utility

        데이터 시각화 / 이미지 툴 - 전체 버전


7. Data, Geometry & Visualization - link



매거진의 이전글 포스트-COVID19 어반니즘

매거진 선택

키워드 선택 0 / 3 0

댓글여부

afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari