인공지능 기술이 발전하면서 전통적인 디자인의 개념과 디자이너의 역할에도 많은 변화가 이루어질 것으로 예상되고 있다. 인공지능이 디자이너들의 기술을 대체하는 데 두려움을 느끼는 사람들도 있지만, 많은 기술 개발자들은 인공지능이 디자이너의 창의성을 더 발휘할 수 있도록 돕는 파트너가 될 것으로 기대한다. 현재의 디자이너들은 창의적인 아이디어를 생각해내는 것뿐 아니라 포토샵, 일러스트레이터, CAD등 그래픽 툴을 이용한 작업에 많은 시간을 소요한다. 인공지능 알고리즘은 이런 단순 노동에 가까운 작업들을 자동화해 줄 뿐만 아니라, 압도적인 양의 아이디어와 시안을 제공하는 제안자가 될 수 있다.
이미 구글처럼 인공지능 기술을 선도하는 기업이나 어도비, 오토데스크 등 디자인 소프트웨어를 개발하는 회사들은 인공지능을 활용한 서비스를 상용화하는 추세다. 이번 design closed up에서는 이미 상용화되었거나 출시가 예정된 인공지능 디자인 도구들을 살펴본다. 앞으로 미래에 디자인 분야에 올 변화를 엿볼 수 있을 것이다.
컴퓨터 그래픽 분야의 1인자인 어도비(Adobe)사는 그래픽 분야의 인공지능 기술을 선도하고 있다. 어도비는 2016년 어도비 센세이(Adobe Sensei)라는 인공지능 및 머신 러닝 플랫폼 서비스를 개시했다. 아직까지는 자동 크롭, 전경•배경 선택, 태그 부여 등 디자인 자동화의 기반이 되는 기능을 제공하는 단계이지만, 어도비는 매년 기술 컨퍼런스 ‘Adobe MAX’에서 개발 중인 기술의 데모를 소개하며 유저들의 기대를 높이고 있다.
2017년 ‘MAX’에서는 어도비 센세이를 기반으로 한 새로운 포토샵 CC 기능을 소개했다. 개발 방향의 핵심이 되는 개념은 ‘디자인 인텔리전스(Design Intelligence)’이다. 디자인 인텔리전스는 유저가 자주 쓰는 이미지, 기능 등 작업 패턴을 익혀 관련된 이미지를 제안한다는 개념이다.
예를 들어, 유저가 우주선, 여성, 글씨가 포함된 스케치를 포토샵에 가져오면, 어도비 센세이는 각 요소에 해당하는 태그를 자동으로 부여해서 이 스케치가 ‘우주’라는 컨셉이라는 것을 이해한다. 어도비 센세이는 각 요소에 맞는 이미지를 추천해 준다. 프로그램이 ‘별’ 요소에 맞는 이미지들을 제공하면, 디자이너는 크기, 밀도 슬라이더를 조정해서 더 적합한 이미지를 찾을 수 있다. 인물의 얼굴 각도에 맞는 이미지도 슬라이더로 탐색할 수 있고, 과거에 선택한 요소 중 ‘남성’이 마음에 들지 않으면 여성 이미지로 즉시 교체할 수도 있다. 어도비 센세이는 전경과 배경을 구분할 수 있으므로 배경을 선택해서 바로 제거할 수도 있다. 또한 유저의 히스토리를 추적해 과거에 이용했던 글꼴을 바탕으로 다양한 글꼴을 제안하기도 한다. 디자이너의 구상을 바탕으로 프로그램의 제안을 선택하기만 해도 디자인이 완성된다.
어도비는 어도비 센세이의 자동 크롭 기능과 관련된 특허를 출원했다.
이 특허는 사진을 보기 좋게 크롭(crop)할 수 있도록 컴퓨터가 자동으로 제안하는 기술에 관한 특허다. 사진을 보기 좋게 자르기 위한 특성들을 먼저 정의한다. 첫째로, 보기 좋게 잘린 이미지는 잘 구성된(well-composed) 이미지여야 한다. 둘째로, 중요하다고 생각되는 내용을 잘 보존하고 있어야 한다. 예를 들어 예시에서는 성당이 중요한 내용에 해당될 것이다. 셋째, 자르는 경계에 걸리는 물체가 없을수록 좋다.
이 기술은 크롭 결과 후보들에 대해서 여러 개의 saliency maps을 이용해 세 가지 특성에 해당하는 ‘구성 점수’, ‘내용 보존 점수’, ‘경계 단순성 점수’를 각각 계산한다. Saliency map이란 컴퓨터로 이미지를 분석할 때 눈에 띄는 영역이나 물체를 인식하기 위한 모델이다. 기존의 다른 기술들이 주로 단일 saliency map을 사용해서 이미지를 분석했다면 이 기술은 여러 개를 사용한다는 점이 특징이다. 점수 계산이 끝나면 각 후보들에 대해 세 점수의 랭킹을 매기고, 이를 바탕으로 크롭 후보들의 평균 랭킹을 산출한다.
오토데스크(AutoDesk)가 개발 중인 소프트웨어 드림캐처(DreamCatcher)는 산업디자인 분야에서 디자인 설계를 위해 사용되는 CAD에 인공지능을 도입한 차세대 버전이다. 제품 디자이너가 기능 요구 사항, 재료 유형, 제조 방법, 성능 기준, 비용 제한 등을 포함한 설계 목표를 입력하면 인공지능이 그에 맞는 여러 디자인 솔루션을 제공한다.
드림캐처(DreamCatcher)는 단순히 CAD의 진일보한 버전이 아니라, 디자인 프로세스의 변화를 가져올 수 있는 툴이다. 디자이너는 한번에 하나씩 시간을 들여 설계해야 하는 제약에서 벗어나 문제를 정의하고 해결하는 역할에 집중할 수 있다. 디자이너가 문제를 정의하면, 인공지능이 조건에 맞는 약 1000개의 솔루션을 제공한다. 드림캐처는 각 솔루션에 대한 성능 분석까지 제공하므로 어떤 솔루션이 가장 효율적인지 파악하기도 쉽다. 디자이너는 솔루션을 탐색한 다음 다시 제약 조건을 조정하여 결과에 만족할 때까지 프로세스를 반복한다. 그렇게 얻어낸 결과물은 3D프린터로 출력하거나 설계도로 저장할 수 있다.
오토데스크가 출원한 이 특허는 기존의 생성적 디자인 툴의 문제로 ‘원하는 기능적인 속성을 정의하는 데서 시작해야 한다’는 것을 지적한다. 그러나 엔지니어 혹은 디자이너가 직관적으로 떠올린 요구 사항을 구체적인 기능적 속성으로 표현하기가 어려울 수 있으므로, 이 특허는 소프트웨어가 사용자가 제공한 설계 예시로부터 기능적 속성을 정의해주는 방법을 제안한다.
넷플릭스는 아트워크 개인화에 데이터 분석과 머신 러닝을 이용한다. 넷플릭스가 서비스 사용데이터를 수집하고 기계학습을 통해 사용자의 이용률을 가장 높일 수 있는 추천 알고리즘을 만든다는 사실은 이미 널리 알려져 있다. 뿐만 아니라 넷플릭스는 사용자의 관심에 맞는 아트워크가 클릭 확률을 더 높인다는 사실을 발견했다.
영화 ‘굿 윌 헌팅’을 추천하면서 남녀 주인공이 나오는 아트워크 A와 코미디에 주로 출연한 배우가 나온 아트워크 B를 보여준다고 해 보자. 로맨스 장르를 좋아하는 유저는 아트워크 A를 보여줬을 때 더 클릭할 확률이 높고, 코미디 장르를 선호하는 유저는 아트워크 B를 보여줬을 때 더 많이 클릭한다. 넷플릭스는 비슷한 취향의 이용자 그룹이 어떤 아트워크를 선호하는지 데이터를 분석하고, 디자이너들이 만든 여러 아트워크 중에서 알고리즘이 유저의 취향에 따라 아트워크를 선별해서 보여준다. 넷플릭스의 사례는 디자인 결정이 데이터와 인공지능 알고리즘에 기반해서 내려지고, 단일 결과물이 아닌 개인화된 결과물을 고객에게 제공하면서 디자인의 마케팅 효과를 극대화할 수 있음을 보여주는 예시다.
복수의 아트워크를 디자인해서 개인에게 최적화된 이미지를 제공한다는 것은 하나의 이미지만 디자인하는 기업보다 더 많은 디자인 인력이 필요하다는 의미이기도 하다. 따라서 넷플릭스는 아트워크 디자인도 자동화할 예정이라고 한다. 이미 머신 러닝이 영상 이미지를 분석해서 아트워크 백그라운드로 쓰일 수 있는 이미지를 추출하는 데 이용되고 있다.
구글에서는 AI 실험 프로젝트의 일환으로 인공지능 클립아트 생성 프로젝트 AutoDraw를 발표했다. AutoDraw는 사용자의 스케치를 바탕으로 유사한 클립아트 형태를 추천한다. 사용자는 AutoDraw가 제공하는 클립아트를 이용해 그림 실력이 없더라도 원하는 그림을 생성하고 채색까지 할 수 있다. AutoDraw는 구글의 AI 리서치 팀인 Google Brain이 개발한 ‘Sketch-Rnn’라는 소프트웨어를 발전시킨 결과물이다. ‘Sketch-Rnn’은 사람이 스케치를 그릴 때 사용하는 방식과 마찬가지로 인공지능 신경망이 스케치의 추상적인 컨셉을 이해하는 기술을 바탕으로 한다.
이 기술은 사람이 그린 스케치를 학습하여 추상적이고 일관된 하나의 모델을 만든다. 여기서 요점은 사진처럼 구체적인 실제 이미지가 아니라 추상적인 스케치를 바탕으로 개념을 뽑아낸다는 것이다. 위 그림의 예를 보면, 신경망은 여러 돼지 스케치를 입력 받아 ‘돼지’의 추상적인 스케치 모델을 만들어냈다. 설사 다리가 8개 달린 돼지 스케치를 입력 받더라도, 이미 신경망은 돼지가 다리가 네 개 달렸다는 특징을 알고 있기 때문에 정상적인 돼지 스케치를 출력한다.
구글 연구팀은 이 기술의 응용 가능성을 더 확장하면 디자이너들이 디자인 컨셉을 만드는 데 많은 도움이 될 것으로 보고 있다. 예를 들어, 신경망의 ‘고양이’ 모델에 의자 스케치를 입력하면 어떨까? 재미있게도 고양이를 닮은 의자의 스케치가 출력되어 나온다. 인공지능이 여러 개념들을 조합한 스케치들을 만들어내면 디자이너들이 이를 바탕으로 새로운 디자인을 발전시킬 수 있을 것이다.
2017년 이탈리아 누텔라는 7백만 개의 고유한 디자인의 누텔라 병을 판매하는 ‘Nutella Unica’ 캠페인을 진행했다. 누텔라와 협력한 디자인 대행사 오길비 앤 매더(Ogilvy & Mather)는 7백만 개의 시안을 일일이 디자인하지 않았다. 이 프로젝트에는 입력 받은 이미지를 바탕으로 무작위의 고유한 디자인 아이덴티티를 무한대로 생성할 수 있는 ‘HP Mosaic’ 기술이 사용되었다. HP Mosaic은 프린터 회사인 HP가 제공하는 디자인 소프트웨어 ‘HP SmartStream Designer’에 포함된 기능이다. HP Mosaic의 알고리즘은 핵심이 되는 이미지 수십 개를 템플릿 파일 혹은 벡터 PDF파일로 입력 받아, 크기 조절, 이동, 회전을 통해 무한대의 서로 다른 이미지를 생성한다.
지금까지 인공지능이 디자인 분야에 가져오는 여러 변화의 모습을 살펴 보았다. 인공지능은 귀찮은 작업들을 대신하고 최적의 옵션들을 추천해 주는 제안자다. 또한 ‘어떤 디자인이 좋은 디자인인가’라는 문제도 데이터 분석과 머신 러닝이 결정을 내려 줄 수 있다. 고객들은 대량생산 시대의 일관된 디자인이 아니라 취향에 맞춰 개인화된 시안들을 받아 볼 것이다. 그림 실력이 없거나 심미적으로 사진을 편집할 줄 모르는 일반인들도 인공지능의 도움을 받아 디자인을 할 수 있다. 앞으로 인간과 기계의 협력을 통해 더 혁신적이고 창의적인 디자인들을 주변에서 볼 수 있는 미래를 기대해 본다.
글｜디자인맵 편집부
