AI 창의성, 확산 모델로 분석

인공지능 분야에서 혁신적인 연구가 기계가 새로운 아이디어를 생성하는 방식에 대한 오랜 가정을 도전하고 있다. 연구자들은 특히 DALL-E와 같은 이미지 생성기가 방대한 데이터셋 패턴을 복제하도록 훈련되었음에도 불구하고 창의적인 출력을 생성하는 이유에 대해 오랫동안 궁금해했다. Wired 기사에 따르면 최근 연구는 이러한 창의성이 마법이 아니라 이러한 모델의 구조에 내재된 특성임을 밝혀냈다.

브리스톨 대학교의 수학자 올리버 존슨이 이끄는 연구의 핵심은 많은 생성 AI를 구동하는 확산 모델을 해부하는 수학적 프레임워크이다. 이러한 모델은 무작위 노이즈로 시작하여 학습된 확률에 기반하여 일관된 이미지로 점진적으로 정제한다. 주요 통찰력은 창의성이 불확실성과 데이터 포인트 간의 보간을 처리하는 방식에서 파생된다는 것이다.

존슨의 팀은 간단한 장난감 모델을 사용하여 이 과정을 시뮬레이션했다. 확산 알고리즘이 고차원 공간을 탐색하는 방식을 분석하여 창의성이 훈련 데이터 이상으로 외삽할 수 있는 모델의 능력에서 비롯된다는 것을 발견했다. 예를 들어, '날아다니는 코끼리'를 만들라는 요청을 받았을 때 AI는 직접적인 예시에서 가져오는 것이 아니라 코끼리, 비행 및 관련 개념에 대한 확률적 이해를 결합하여 새로운 결과를 만들어낸다.

이 연구는 AI 시스템 설계 방식에 중대한 영향을 미친다. 창의성이 구조적 필연성이라면, 개발자는 모델에 다양한 데이터를 강제로 주입하는 것보다 수학을 정제하여 창의성과 같은 바람직한 특성을 강화하는 데 집중할 수 있다. 그러나 이러한 발견은 윤리적 질문도 제기한다. AI의 '창의성'이 단순히 세련된 리믹스라면, 인간 예술가를 약화시키는 것인가? 호주 대학교의 연구는 AI가 출력을 생성하는 데 뛰어나지만 진정한 참신함을 위해 여전히 인간의 프롬프트에 의존한다고 밝혔다.

실질적으로 산업계는 이미 이러한 통찰력을 활용하고 있다. 식품 기술 회사들은 지속 가능한 조합을 예측하기 위해 유사한 생성 기술을 사용하고 있으며, 창의적 에이전시들은 AI를 통합하여 아이디어 개발을 가속화하고 있다. 2025년 이후 전문가들은 이러한 이해가 AI가 인간의 창의성을 증강하는 하이브리드 시스템을 촉진할 것으로 예측하고 있다.