제너레이티브 디자인과 유전자 알고리즘

2014년 12월 HCI KOREA 2015 학회에서 이건명(충북대 소프트웨어학과)이 발표한 '고객 성향을 반영하는 자동화된 변환생성 디자인' 세션은, 디자이너의 개입 없이 시스템이 디자인 생성부터 사용자 평가 반영까지 전 과정을 수행하는 알고리즘을 소개했다. 문제의식은 반지처럼 같은 형태의 제품이라도 그 미적 가치를 느끼는 선호도가 개인의 경험에 따라 다르다는 데서 출발한다 — 같은 형태에서 다른 감성을 느낄 수도 있고, 같은 감성을 느끼더라도 선호도가 다를 수 있다.

건축 설계나 디지털 아트 제작에 흔히 쓰이는 기존 Generative Design은 디자이너가 아이디어를 제공하고, 디자인 규칙을 정의해 프로그래밍한 뒤, 결과물을 평가해 규칙을 다시 수정하는 사이클을 반복하는 방법으로 사람의 개입이 매 단계에 필요하다. 이 세션이 소개한 Automated Generative Design은 이 전 과정에 유전자 알고리즘을 도입해 디자인·제작·평가·반영까지 시스템이 자동으로 처리하고, 사람은 오직 결과물을 선호도에 따라 평가하는 단계에만 관여한다는 점에서 근본적으로 다르다.

유전자 알고리즘은 다윈의 진화 이론에 기반해, 두 부모 형질의 특성을 조합해 부모 세대에 없던 돌연변이 형질의 자식 세대를 만들어내고, 그 자식 세대를 다시 조합해 또 다른 세대를 낳으며 다양한 형질을 확보해나가는 방식이다. 반지 디자인 프로젝트에서는 이 알고리즘으로 다양한 형질의 반지를 생성한 뒤, 여성성 vs 남성성·단순성 vs 복잡성·일반적인 vs 개성 있는 세 가지 가치 평가 축을 세워 일반 고객들에게 반지를 평가하도록 했다. 그 결과로 각 반지에 심미적 가치가 매겨지고, 해당 가치에 부합하는 다양한 반지 풀을 확보해 고객 개개인의 취향에 맞는 반지를 추천할 수 있는 시스템이 만들어졌다.

이 세션은 인간이 오직 평가 단계에만 개입했지만, 알고리즘이 평가 기준 자체를 학습하는 단계까지 나아가면 기계가 디자인과 평가를 모두 수행하며 스스로 발전하는 상황도 가능하다는 시사점을 남긴다. 다만 인간 디자이너와의 결정적 차이로 '고집'의 유무가 꼽힌다 — 알고리즘은 평가 기준에 부합하지 않는 디자인을 가차없이 걸러내지만, 인간 디자이너는 때때로 대중의 평가에 순응하기보다 자신의 관점으로 설득하려 하며, 이는 결과물을 더디게도 하지만 간혹 대중의 평가를 뛰어넘는 호응을 얻기도 한다.

핵심 내용

• Automated Generative Design: 유전자 알고리즘으로 디자인 생성부터 평가·반영까지 자동화한 시스템, 사람은 선호도 평가 단계에만 개입
• 기존 Generative Design과의 차이: 아이디어 제공→규칙 정의→평가→규칙 수정을 반복하는 기존 방식은 매 단계에 사람 개입 필수
• 유전자 알고리즘: 다윈의 진화 이론 기반, 부모 형질 조합으로 돌연변이 자식 세대를 생성하며 다양한 형질을 확보
• 반지 디자인 사례: 여성성/남성성·단순성/복잡성·일반적/개성있는 3축으로 고객 평가 → 심미적 가치가 매겨진 반지 풀 확보 → 취향 기반 추천
• 시사점: 평가 기준까지 알고리즘이 학습하면 디자이너 개입이 더 줄어들 수 있음
• 인간 디자이너와 알고리즘의 차이: 알고리즘에는 없는 '고집' — 대중 평가에 순응하지 않고 자신의 관점을 밀어붙이는 인간적 특성

관련 개념

• 머신러닝 학습 방식과 GAN — 데이터·평가로부터 결과물을 스스로 생성한다는 점에서 맞닿지만, 유전자 알고리즘은 진화 연산 기반이라는 점에서 접근 방식이 다름
• 알고리즘 경험 디자인 — 알고리즘이 사용자 취향을 학습·반영한다는 공통 문제의식, 이쪽은 추천 시스템을 마주하는 사용자 경험 설계에 초점
• IoT 제품 디자인 — 같은 HCI KOREA 2015 학회에서 발표된 다른 세션(IoT 미래 전망)
• 생성형 AI와 스테이블 디퓨전 — 이후 등장한 생성형 AI가 이어받은 '디자인 자동 생성' 문제의식의 후속 흐름

출처

• [HCI KOREA 2015 후기 2/2] 참관 후기 — 2015-01-20, 알 수 없는 사용자