일시 : 2021. 3. 30. (화) 오후 4:00~5:30
장소 : 비대면강연(ZOOM)
주제 : 데이터 중심 사회 속 ML기반 창작 환경
연사 : 민세희 (국민대학교 소프트웨어융합대학원 인공지능 전공 겸임교수)



학력

2005
Pratt Institute/ 프랫 아트 인스티튜트 컴퓨터 그래픽/ 인터랙티브 미디어 석사, NYC, NY
논문 : “Awake,” 3D 인터랙티브 미디어

1998
Texas Christian University
텍사스 크리스찬 유니버시티 커뮤니케이션 디자인 학사, Fort Worth, TX

경력

2021.03 ~ 현재 국민대학교 소프트웨어융합대학원 인공지능 전공 겸임교수
2020.08 ~ 현재 AI기반 creative tool, Praxis.ai (전 studyGirls) 스타트업 대표
2018.07 ~ 현재 Founder of the data visualization studio, randomwalks.org
데이터 시각화 프로젝트 디렉팅 및 비주얼 소프트웨어 개발
2019.08 ~ 2019.12 서울디자인재단 “서울라이트" 총감독
2018.03 ~ 2020.12 서강대학교 아트 & 테크놀러지 산학협력교수 (데이터 시각화, AI와 창작
강의)
2017.02 ~ 2019.08 판교 스타트업캠퍼스 AI & Creativity 랩 디렉터 및 상근 코치, (사) ARCON
2015.03 ~ 2015.10 시니어 컨설턴트, 삼성 SDS
2011.01 ~ 2015.02 Co-founder of the data visualization studio, randomwalks.org
데이터 시각화 프로젝트 디렉팅 및 비주얼 소프트웨어 개발
SK 텔레콤, intel USA, 청도 신도리코 미디어파사드 등 데이터 시각화
작업 실행
2009.11 ~ 2010.12 도시 정보 디자인 연구원 센서블 시티 랩, MIT
도시 데이터 시각화 소프트웨어 개발. 코펜하겐휠, 트래쉬 트랙, 씨스웜등 다수의 프로젝트 참여.
2008.03 ~ 2009.10 Founder of the data visualization studio, randomwalks.org
데이터 시각화 프로젝트 디렉팅 및 비주얼 소프트웨어 개발
2008년 3월 randomwalks.org 설립 프리랜서 커뮤니티로활동 시작
2009년 4월 1일 개인 사업자 등록
2006.10 ~ 2008. 10 미디어 교육 연구원, 아트센터 나비 미디어 아트/ 디자인 교육 및 전시 기획 등 다수의 프로젝트에 참여. (Bonding Company, OpenSource, OpenCourse 2007 etc )
2005.01 ~ 2005. 12 웹 디자이너, VH1.com / MTV Networks in New York
VH1.com 메인 및 마이크로 사이트 디자인
그래픽 디자이너, Creative Service / MTV Networks in New York
플라이어, 사이니지등 MTV 내부 진행 이벤트를 위한 다수의 편집 디자인 진행.
1999.01 ~ 2000. 05 그래픽 디자이너, McKinney Advertising, Chicago
B2B 위주의 그래픽 디자인 프로젝트 진행

*기타*
2012.01 ~ 2013.12 테드 시니어 펠로우 2012, TED
“Visualizing data for the new age” @ 에딘버러, 영국
2011.01 ~2011.12 테드 펠로우 2011, TED

강연

*visiting lectures
2018 데이터 시각화 / 연세대학교 정보 대학원
2017 데이터 시각화 / 한양대학교 건축 대학원
2017- 제너레이티브 디자인 / 서울시립대학교
2016-17 데이터 시각화 / 연세대학교 정보대학원
2015-16 데이터 시각화 / 패스트 캠퍼스
2014 데이터 시각화 / 연세대학교 커뮤니케이션 대학원
2013 데이터 시각화 / 서울대학교 융합기술 대학원
2013 미디어 디자인 / 건국 대학교 시각 디자인과
2013-15 시니어 프로젝트 / SADI
2012-15 데이터 시각화 / 연세대학교 커뮤니케이션 대학원
2007-12 컴퓨터 그래픽스 / 한국예술종합학교 조형예술원
2011 컴퓨터 프로그래밍 / 한국예술종합학교
2011 인터액션디자인 / 산업디자인 대학원, 홍익대학교
2011 데이터 비주얼라이제이션 / 앨리스온 아카데미
2010 도시환경 데이터 / VSMM 2010
2010 프로테이 _ 기름 유출 / 앨리스온 아카데미
2010 데이터비주얼라이제이션 / 앨리스온 아카데미
2009 프로세싱 (processing)/ 홍익대학교 IDAS 디자인 대학원 디자인 혁신 센터
2008 멀티미디어 디자인 / 계원조형예술학교 임베디드 소프트웨어과
2008 프로세싱 (processing) : 아티스트를 위한 컴퓨터 언어의 이해 중앙대학교
2007-08 프로세싱 (processing) : 아티스트를 위한 컴퓨터 언어의 이해 I, II / 아트센터 나비
2007 멀티미디어 디자인 / 경희대학교 멀티미디어 디자인학과
*selected talks
2021 “기술과 예술 융합주간” 기조연설, 문화예술위원회
2019 “데이터와 창작하는 기계환경” 서울라이트, DDP
2019 “Paradox: Frames and Biases in Art and AI” Carnegie Mellon University, USA
2018 “인공지능시대의 예술과 디자인" K-Art Conversation, KIAFF
2017 “데이터, 시각화, 학습하는 기계환경" 어도비 맥스, 코리아
2017 “2017 “데이터, 시각화, 그리고 학습하는 기계환경" IBM Korea
2017 데이터, 시각화, 그리고 인공지능, 도시데이터 사이언스 연구소
2017 미래 건축, 도시 건축 국제 비엔날레
2016 “Visualizing data for the new age“ ,Data for Life conference, 자카르타,
인도네시아
2015 “Data Arts “ 토탈 뮤지움, 서울
2014 “Visualizing data for the new age “ 하이데라바드, TEDx, 인디아
2012 “DATA, think and act “ Quantities Self, 베이징
2012 “DATA, 인식과 변화 “ 시멘틱 웹 컨퍼런스, 서울
2012 “DATA, 인식과 변화 “ 융복합 컨퍼런스, 서울, Seoul
2012 “DATA, visual and physical “ TEDGlobal 2012, 에딘버러, 영국
2011 영 리더스 포럼, ICISTS-KAIST 2011, KAIST, 한국
2011 “DATA : a powerful instrument for our awareness”

TECH PLUS, the Korea Institute for Advancement of Technology, Korea
2011 “DATA : a powerful instrument for our awareness”, xMediaLab, 시드니
2011 “DATA : a powerful instrument for our awareness”, TED 2011
2010 프로테이_기름 유출 / 카이스트 해양시스템공학과
2010 프로테이_기름 유출 / 한국 예술 종합 학
2009 "Data Visualization for sustainable behavior", 센서블시티랩, MIT
2009 "Data and Life", 리프트아시아, 제주
2008 " from DATA to DATA : shareness in media art" , CC코리아, 서울

ADDITIONAL EXPERIENCE
2016 CT 매거진 자문 위원, 한국콘텐츠 진흥원 (KOCCA)
2014 국가정책 R&D 위원, 문화체육관광부
2012 지역문화발굴 사업 멘토, 서울문화포럼
2011 XmediaLab 워크샵 멘토, 시드니
2011 살기좋은도시 정책 위원, 한국산업기술진흥원
2011 청년희망 멘토, 노동고용부

전시 및 프로젝트

2021 ~ 현재 현대자동차 제로원센터 입주작가, 서울, 한국
2019 ~ 현재 “climate change impact filter”, 구글 art & culture 프로젝트, 런던, 영국
2018 “Overfitted Society” NuerIPS 2018 machine learning for design and creativity workshop exhibition
2018 <모두의 인공지능, A.I, entirely on us> 데이터 시각화, 웹기반 작품, SeMA 비엔날레 미디어시티서울 2018 커미션
2017 “What if machines can see music....?” NIPS creativity workshop online exhibition, NIPS 2017, Long Beach, CA AI가 이해하는 음악을 시각화, NIPS 전시
2016 “Optical data and the subjective values”, TechArt Exhibition at Data for Life 2016, 자카르타, 인도네시아
2015 “몰입형 가상공간에서 사용하는 데이터 주도형 3D 마인드맵”, 에트리, 한국
2014 “도시데이터, 서울시 재정정보 시각화”, 국립현대 미술관, 한국
2014 “도시 데이터, 서울시 재정정보 시각화”, 성남 아트 센터, 한국
2013 사운드 시각화 프로젝트, Planet Shiver 콜라보레이션, 아메바후드 콘서트, 한국
2013 “poungru(風樓)-풍루”, 제주, 한국
2012 “intel SNS data visualization”, intel USA, 미국 및 유럽
2012 “informally formal, formally informal”,서울역사 박물관, 한국
2012 “Mobile traffic data visualization” 여수 엑스포, 한국
2011 “DATA Currency”, SKTelecom, 한국
2011 “DATA Currency”, 광주 디자인 비엔날레, 한국
2011 “이웃 효과", 갤러리 팩토리, 한국
2010 "redefined city" 군산 아티스트 레지던시, 한국
2010 "Protei_Oil Spill" at "Blur" exhibition at INDAF, 인천, 한국
2009 "transcend perspective" 디자인 페스티벌, COEX, 한국
2009 "form follows function, emotion follows form" , 리빙 디자인, 서울 아트 센터, 한국
2009 "the Gender Ratio" VDAS 클럽 나이트, 클럽 에덴, 한국
2008 "nowThen.crowded? 헤이리 판 페스티벌, 한국
2008 "nowThen.crowded?" at "Bonding Company" 리프트 아시아 08, 제주, 한국
2008 "intoxication" and "fallen flower" at "Le Voyageur for Jacqueline"

정재형 콘서트, 한국

2008 "classically digitized spot : Guang Yang" , 양 한국 음악 축제, 한국
2008 "21c palace" , "Luxury, Palace" 서울 리빙 아트 페어, 한국
2007 인터랙티브 사운드 비주얼라이제이션, "Smooch, Smooch :

첫눈에 반한 미디어 아트" 네마프, 한국

2007 미디어 아트 쇼, t "Media : at the first sight" 연세대학교, 한국
2007 인터랙티브 미디어 아트 VJing , P.Art.y, 아트센터 나비, 한국
2005 "awake", 3D 인터랙티브 미디어, 프랫 쇼,, 뉴욕, 미국

간행물

2016~17 “창작의 영역에서 만난 인공지능” , 연재 기사, TECHM
2015 “data visualization design and the art of depicting reality”, MOMA 블로그

강연요약

커뮤니케이션과 데이터 비주얼라이징
 2000년대 중반부터 데이터 비주얼라이징 작업을 시작했습니다. 학부 전공은 커뮤니케이션 디자인으로, 커뮤니케이션적으로 디자인을 어떻게 할 것인지에 대해 공부했습니다. 프로그래밍에 대한 지식은 없었지만 데이터 비주얼라이징도 일반적인 미디어 작업이 아니라 대중들에게 무언가를 이야기하고 싶어하는 작업이라는 점에서 커뮤니케이션과의 공통점을 찾을 수 있었는데, 이러한 점에서 데이터 시각화 작업에도 target consumer에 대한 고민이 필요하다고 생각합니다.
 
Randomwalks
2008년부터 randomwalks라는 data visualization studio를 시작했습니다. 7명 정도가 모인 커뮤니티에서 ‘데이터는 무엇인가, 어떻게 시각화할수 있을 것인가’ 등을 공부하면서 시작되었고, 올해부터 ‘project randomwalks’ 라는 프로젝트성 작업도 함께 했습니다. 사운드, 웹, 데이터 아티스트 등으로 구성된 미디어 아티스트 콜렉티브 그룹으로 매년 작업을 진행 중인데, 계속해서 진화하는 기술에 발맞춰 새로운 작업 방식을 가진 사람들과 협업할 수 있는 기회의 장으로서 2021년에는 제로원 레지던시 작가로 선정되기도 하였습니다. 당사 멤버들이 함께 머신러닝 기반 창작 툴 스타트업 Praxis.ai을 최근 오픈하기도 하였습니다.
 
작업을 시작한 계기
 MIT media lab 소속 the aesthetics + computation group의 프로젝트로 ‘Processing’이라는 프로그램이 탄생했는데, 대학원 생활 중 참석한 Processing 워크샵과  ‘Maeda&Media’라는 그래픽 디자인 책을 통해 computational design에 관심을 갖게 되었습니다. DARFUR 유혈사태에 대해 ‘for statement’ 하나로 얼마나 많은 사람들이 죽었는지를 보여준 작업은 Computational design의 가장 좋은 레퍼런스입니다. 기술 하나만으로도 내용을 전달할 수 있다는 것을 알려준 레퍼런스로, 프로그래밍 환경에서 메세지를 가장 잘 전달한 케이스입니다. Computational design에서 기술에 함몰되지 않기 위해 ‘내가 하고자 하는 방향에 이 기술이 얼마나 잘 부합하는가’를 판단해보는 것이 중요할 것이라 생각합니다.
 
데이터 시각화
시각화가 주는 가장 재미있는 부분은 스스로 가진 배경지식에 따라 그를 이해하는 방식이 다르며 경험도 달라지는 것입니다. 예를 들어 Hirosh Koi 의 metrogram 을 볼 때 만약 그래픽을 전공한다면 비주얼 작업 자체서 느껴지는 속도감에 매력을 느낄 것이지만 그렇지 않은 사람은 지하철 노선의 효율성을 떠올릴 수 있을 것입니다.
 Aaron Koblin의 작업 중 flight pattern은 비행기의 비행 노선을 시각화함으로써, 지도가 물리적으로 존재하지 않은 하늘에도 지도가 있음을 보여주는 의미 있는 작업이었는데, 이처럼 데이터가 우리 주변에 항상 존재하며 이를 증명하는 것이 시각화의 매력이라고 생각합니다.
 데이터 비주얼 작업을 하는 작가, 혹은 연구자들은 여전히 같은 직군에 있으나,  아쉬운 점은 백인 남성이 그 분야에서 절대 다수를 차지하고 있다는 점입니다. 또 메시지를 전달하는 입장에서 메시지의 소비자가 단순히 ‘흥미’를 느끼고 끝나는 것에 아쉬움을 느끼는데요, 때문에 만들어진 창작물이 사회의 변화까지 연결되는데 딜레이가 발생하면서 문화 컨텐츠로 변화를 이끄는 것은 어렵다는 것을 알게 되었습니다.
  최근에는 머신러닝 기술의 발전으로 함께 태동하는 ML Feature Visualization 작업을 통해서 네트워크 안에서 모델이 무엇을 어떻게 학습하는가를 시각화하는 작업에 매력을 크게 느끼고 있습니다. 머신러닝에서 자주 쓰는 시각화 알고리즘은 특징을 뽑아내고, 그것을 기반으로 차원을 축소하는 것을 시각적으로 보여주는 것인데, 비주얼 아티스트의 입장에서는 스스로 만들려는 의지로 작품을 만드는 것이 아닌 데이터를 기반으로 형태가 생성되는, 사람이 컨트롤하지 못 한 채로 만들어진 형태에서 아름다움을 느낍니다.
 예를 들어, open AI에서 퍼블리싱된 ‘microscope’ 프로젝트는 이미지 인식 모델에서 각각의 뉴런들이 어떤 정보를 찾고 집중하는지를 보여주는 대표적인 온라인 툴입니다. 이는 연구 분야로써뿐 아니라 비주얼적인 아름다움도 느낄 수 있는 경험이었는데, 개인의 의도가 있다면 편향을 배제하기 위해서 반복되는 행동, 편향을 찾기 쉬울 것입니다. 그러나 그렇지 못한, 습관과 같은 반복적인 행동으로부터 하나의 feature를 발견되어 이에 기반한 결과물을 만드는 과정에서 ML Visualization이 주는 매력이 분명히 있다고 생각합니다.
 이와 같이 데이터 시각화 자체에 관심이 있다면, inceptionism을 쓴 작가들이 현재까지 하고 있는 프로젝트를 한번 보는 것을 추천합니다. 작가들이 진행하는 프로젝트들 모두 공통적으로 웹 기반으로 사람들이 어떻게 이해하는지를 보여주지만, 그것이 가진 한계는 기술에 대한 이해도가 없다면 시작조차 힘든 것입니다
 
프로듀스 101의 분류적 특성을 이용한 우리 자신들의 분류
 이전에 아이돌 오디션 프로그램인 프로듀스 101의 참가자의 얼굴과 등급을 이용하여, 사용자는 과연 무슨 등급을 받을 수 있는지 볼 수 있는 머신러닝 기반의 창작 프로젝트를 진행한 적이 있는데, 제가 이 시스템을 가지고 제일 처음 한 것은 오디션 프로그램 참가자들의 얼굴을 등급 별로 학습시킨 후에 나는 몇 등급의 사람인지 보는 것이었습니다. 이 프로젝트는 어떻게 이 사회 자체가 over-fitted 되어 있는지를 설명하기 위해 진행했고, 이 작업은 웹 버전으로도 만들어서 neurips에서 artwork도 전시했습니다. 이것을 통해 제가 말하고 싶었던 것은, ai가 창작하시는 분들 입장에서 새로운 아이디어를 주는 것은 맞지만 우리가 101을 등급화했던 것처럼 제한적 데이터만으로 학습된 ai는 다양성을 수용할 수 없다는 것입니다.
 
데이터와 인공지능을 활용한 창작
 현재 머신러닝을 활용한 창작은 두 가지가 있는데, 데이터 기반 창작과 생성모델 기반 창작입니다. 이러한 방식들의 문제점은, 기술에 기대어 창작을 하기 때문에 누가 작품을 만들든 똑같은 작품이 나온다는 점이고, 발전하는 기술을 트래킹하는 자체도 어렵다는 것입니다. 이런 방법 외에 feature visualization을 활용한 창작도 생소하지만 재미있는 분야입니다. 이는 Neural network가  학습하는 low level과 high level에서의 정보를 시각화하는 것입니다. 그리고 ai 기술이 가져온 창작의 변화는 기계 해석 (데이터의 유사성)으로 만들어지는 형태입니다. MNIST 데이터의 clustering 이나 구글의 t-SNE map, 그 외에도 IDEO의 fontMap, Pentagram 사의 Covariant 로고가 대표적인 예시입니다.
 
생성모델을 활용한 이미지 생성
 생성 모델을 활용한 이미지 생성은 생성 모델을 활용하여 특징들 간의 전이를 만들어내는 시각 작업들을 의미합니다. 대표적인 예시로 DCGAN을 활용한 Mike Tyka의 작품, mario klingomann의 Memories of Passersby, 알고리즘을 이용한 패션쇼인 Camoflage project 등이 있습니다.
 <Memories of Passersby I, Mario Klingemann>은 카메라가 사람의 얼굴 특성을 기억하게하는 작품으로 새로운 관람객이 오면 기존 학습된 것에 새로운 관람객의 얼굴 특성을 더해 새로운 얼굴을 만들어줍니다. 해당 작품은 우리나라에서 8개월 정도 설치했으며, 작품을 만드는 과정에서 카메라에 가장 많이 노출된 작가의 얼굴이 초창기에는 베이스가 되었습니다. 그런데 이후 시간이 흐르니 우리나라 사람들이 많이 노출되어, 어떤 사람이 와도 우리나라 사람들의 얼굴 형태와 유사한 형태의 얼굴이 많이 도출되기도 했습니다.
 <Entangled II, Scott Eaton>은 맑은 물에 잉크가 퍼지는 것 대신 신체가 텍스쳐로 입혀진 작품으로, 생성모델을 활용하여 이 작품을 만들기 위해서 작가는 신체에 관한 사진을 촬영과 물이 떨어지는 형태 사진을 다 직접 찍어서 데이터를 수집하였다는 점에서 의의가 있습니다.
 국내 작업으로는 <서울라이트 2019>가 있는데, 가장 대표적인 대중적인 컨텐츠 중 하나로, 우리나라의 DDP에서 AI를 기반하여 작업한 빔프로젝트 컨텐츠입니다. 다만 처음에는 신선하나 2번째 볼 때는 상대적으로 비슷해 보이는 것에서 아쉬움이 남는 작업이었습니다.
 
기술이 아닌 내용
<Google Arts & Culture Art Filter>에서는 칸딘스키 전시를 현장, AR, VR, 브라우저에는 머신러닝으로 제작된 음악으로써 다양하게 표현하여, 여러방면에서 칸딘스키와 관련된 내용을 즐길 수 있게 했습니다. 기존에 얼굴을 변환시키는 컨텐츠는 한번하면 이후 쉽게 질려 상대적으로 수명이 짧은 컨텐츠였으나, Google Arts에서는 광고 이해를 통한 미술교육 중 하나로 사용자 얼굴을 광고에 활용하였고, 그 결과 사용자가 흥미를 느낌과 동시에 미술에 대한 이해가 증가하였습니다. <Climate Change Impact Filter>은 72종의 샘물이 기온이 올라갈 때 얼마나 사라지는지 웹 기반 시각화한 작업으로, 머신러닝이 들어간 부분은 수집한 이미지를 처리하는 과정에서만 담겨, 원하는 내용을 위해 머신러닝을 하나의 도구로써 사용한 작품입니다. 마지막으로 <Gringgo Tech>는 쓰레기를 없애기 위한 인도네시아 스타트업으로 모바일 앱을 만들어서 어떻게 쓰레기를 잘 버릴게 할지에 대한 고민을 전달한 광고작업입니다. 해당 광고에서는 인간이 쓰레기라는 개념을 만들어내고, 문제를 해결하기위해 기존과 캠패인들과 달리 쓰레기를 수거해가는 사람들을 지원해야하는 시스템을 필요하다고 말하는 매력적인 부분이 있습니다. 그리고 이 과정에서 내가 픽업하는 쓰레기가 가치가 얼마인지를 확실히 알려주기 위해 머신러닝을 이용하고 있습니다.
 
Creative data
 GAN을 이용하여 이미지를 생성하는 것뿐만아니라 데이터를 직접찍고 보여주는 등 결과물이 만들어지는 과정을 시각화하여 이를 통해 관람객이 해당 작품을 더 잘 감상할 수 있게 합니다.
<NVIDA smartBrush with gauGAN>은 데이터 분할하는 과정을 재밌게 표현하였는데, 이와 같이 결과 뿐만 아니라 데이터를 어떻게 모을지, 어떻게 학습시킬지에 대해서 단순한 augmentation이 아닌 창의적인 방법들을 제고해야 함을 느낄 수 있는 작업입니다.
 2021년 1월 OpenAI에서 공개한 <DALL-E>는 텍스트에서 이미지를 생성할 수 있는 머신러닝 프로그램인데, 이와 같은 머신러닝 시스템인 디자이너들이 썸네일과 같은 창작물을 만드는데 있어 어시스턴트 역할을 해줄 수 있는 영역이 충분하다고 보입니다.          
 
어디서부터 시작할 수 있을까
기존 인공지능 창작 툴의 경우, 대다수의 사람들은 진입장벽이 너무 높고 용어가 익숙하지 않아서 접근성이 떨어지는 현실입니다. 구글 아트&컬쳐에서 제공하는 Teachable Machine은 모델 트레이닝을 시킬 수 있고 트레이닝 된 모델을 스크립트 형태로 뽑을 수 있기 때문에 데이터를 생성해 내어 분류 모델을 만들어서 브라우저에서 사용할 수 있는 반면, 기술에 대한 설명이 부족하며 창작 환경과의 연계는 스스로 해야한다는 단점이 있습니다. 최근 많이 쓰이는 runwayML은 AI에 기반한 창작관련 알고리즘을 클라우드 서비스로 제공하지만, 특별한 교육 프로그램이 없기 때문에 AI 사전지식이 필요하면 진입장벽이 높다는 단점이 있습니다. 결국 최소한의 머신러닝 관련 기본 지식은 있어야 하는 것입니다.
 랜덤웍스에서 제작한 Praxis.ai는 runwayML보다는 더 쉬우며, 창작자들에게 코딩없이 GUI 기반으로 사람들이 데이터를 수집하고 데이터의 특징을 추출하여 visualization 할 수 있는 툴입니다. 창작자가 기존 툴을 사용하면서 어려웠던 점은 직접 데이터를 수집하여 전처리 과정을 거쳐야 하고, ML모델을 이해해서 모델도 직접 선택을 해야 하는데 기술적인 이해가 수반되지 않았기 때문에 결과물에 대한 확신을 가지지 못했다는 단점이 있었습니다. Praxis.ai는 ai 관련 지식이 없는 일반인도 현업에서 AI와 데이터활용을 배우고 프로토타입에 적용할 수 있을 것으로 기대합니다.
 
질의응답

• Ques) 다양한 분야에서 사용가능하다고 하셨는데 저작도구에서 사용할 수 있다고 말씀하셨습니다.  하지만, 예를들어 포토샵이나 일러스트의 블랜딩 옵션과 같은 기능은 단일한 함수로 적용되지만, AI 방식을 쓰면 단일한 함수가 아니라 계속 바뀌는 함수가 될 것입니다. 만약 툴을 오픈한다면 기능의 어느 부분까지 설명해주는 것이 좋을까요?
• Ans) 타겟으로 하는 사용자는 기술자가 아니라 일반인을 대상으로 하기 때문에, 기술 자체를 설명해주는 것 보다 사용 방법을 설명해주는 것이 나을 것이에요. 아무런 관련 지식이 없다면, 단어 레벨부터 관련 지식까지 많은 지식을 설명해야 할 것입니다. 따라서 정보전달의 수준을 일반적인 상식의 수준으로 내리는 것을 목표로 합니다.

 

• Ques) 딥러닝을 이용한 창작활동과 마찬가지로, 교육 목적을 가진 프로그램을 제작할 생각을 하고 계신가요?
• Ans) 가까운 미래에는 지식을 글로써 배우는 것이 아니라 소프트웨어를 통해서 배우게 될 것 입니다. 곡선을 그려봄으로써 sin, cos함수를 이해하는 것과 같이, 창작하는 것과 지식의 학습이 동시에 일어날 것이에요. 아직은 실험적으로 많은 시도를 해봄으로써 가장 적합한 방법이 무엇인지 찾아보고 있는 과정입니다.

 

• Ques) 현재 많은 툴들이 생겨나고 일반인들도 사용하기 쉬워지고 있습니다. 따라서 사용자들이 쉬운 툴들을 활용해서 많은 것을 만들 수 있는데요, 사용자들의 능력이 툴을 활용하는 것에 머물러 있을 것으로 예상하시나요, 혹은 툴을 넘어서 더 새로운 것을 만드는 방향으로 갈까요? 또한 툴을 제공함으로써 사회적으로 어떤 도움이 될 것이라고 생각하시나요?
• Ans) 프로그래밍을 전공하지 않은 디자이너들이 프로그래밍으로 작품활동 하기를 요구받는 경우가 생기고 있어요. 하지만 기술이 고도화됨에 따라 비전공자가 어려운 지식을 이해하는 것은 점점 어려워지고 있는데, 이에 따라 비전공자들이 뒤쳐진다는 느낌을 받는 경우가 생기고 있습니다. Praxis.ai 툴을 통해 기술에 대한 기초지식을 설명하고 활용할 수 있게 함으로써, 비전공자들이 기술에 관심을 가질 수 있게 하고 더 나아가 더 나은 툴을 만들 수 있을 것으로 예상합니다.

 

• Ques) 쉽게 기술을 사용하게 된다면 사회적으로 좋지 않은 방향으로 툴을 사용하게 될 수도 있습니다. 이것에 대한 장치가 있나요?
• Ans) 기술 그 자체보다 개발된 기술을 불특정 다수에게 사용할 수 있게 하는 것이 더 책임감이 드는 문제입니다. 아직 특별한 고려를 해보지 않았지만, 기술을 가르치는 단계에서 공정하게 기술을 쓰는 방법 및 윤리적 교육이 필요할 것 같습니다.

 

• Ques) 제 친구들 중에서 영상작업이나 조각과 같은 예술을 전공하면서 미디어 아트에 관심을 가지게 되는 친구들이 생기고 있습니다. 하지만 코딩을 해본적이 없고 새롭게 시도하는 것을 두려하는데요. 네트워크를 직접 디자인 해주는 툴이 나오지 않을까 기대하고 있습니다. 교수님 생각은 이렇게 좋은 툴이 나오길 기다리는 것이 좋을까요, 혹은 코딩 지식을 배우는 것이 나을까요?
• Ans) 제 개인적인 생각에는 대작이 나오려면 바닥부터 이해를 해야한다고 생각해요. 간단하게 생각하는 것이 아니라 기술을 즐겁게 경험하고자 하는 거라면 즐겁게 한번 사용해보는 것이 좋을 것 같아요. 만약 대작을 하고자 한다면 바닥부터 이해하는 고행길을 걸을 필요가 있겠죠.