AI 그림, 인간보다 화려하고 이상하게 완벽한 이유

인공지능이 그리는 그림은 놀라울 정도로 정교하다. 하지만 아무리 봐도 인간의 손끝에서 나온 그림과는 다르다. 선 하나하나가 부드럽고 완벽한데 정작 감정이 없다. 이유는 명확하다. 인간은 세상을 ‘느낌’으로 그리지만 AI는 ‘패턴’으로 그린다. 

사람은 머릿속에서 장면을 구성할 때 이유를 함께 넣는다. 인물의 표정은 왜 그런지, 빛이 어디서 들어오고 어떤 감정을 전달할지 계산한다. 

반면 AI는 수많은 이미지를 분석해 “이 단어가 나오면 이런 픽셀이 어울린다”는 확률을 학습한다. 즉 그림을 ‘이해’하는 게 아니라 ‘예측’하는 것이다. 그래서 표면적으로는 완벽해 보여도 인간의 감정과 맥락이 빠진 그림이 만들어진다.

초창기 AI 이미지가 ‘손가락 여섯 개 인간’으로 화제가 됐던 이유도 그 한계 때문이었다. 과거 AI 모델은 손이 뭔지 몰랐다. 단지 팔 끝 근처에는 길쭉한 막대기 모양이 여러 개 존재한다는 통계적 패턴만 알고 있었다. 

그러니 손가락이 다섯 개여야 자연스럽다는 개념은 없었다. 그저 ‘비슷하게 생긴 것’을 맞춰 붙였을 뿐이다. 하지만 요즘 AI는 다르다. 최신 디퓨전(diffusion) 모델과 비전 트랜스포머(ViT) 기술은 이미지를 구성하는 ‘관계’를 학습한다. 

이제는 ‘이건 사람이다 → 사람에겐 팔이 있다 → 팔 끝에는 손이 있다 → 손가락은 다섯 개다’라는 이해가 가능하다. 게다가 데이터 양도 폭발적으로 증가했다. 초창기 수백만 장에서 지금은 수십억 장의 고해상도 이미지가 훈련 데이터에 포함됐다. 

다양한 각도, 조명, 자세의 손을 수없이 본 덕분에 이제는 손가락의 개수와 위치를 거의 완벽하게 예측할 수 있게 된 것이다. 즉 ‘손가락이 다섯 개인 이유’를 이해한다기보단 ‘다섯 개여야 한다는 통계적 진실’을 지나치게 정확히 배운 셈이다.

AI가 실제로 본 적 없는 장면을 ‘그럴듯하게’ 만드는 것도 같은 원리다. 존재하지 않는 것을 그려달라고 해도 AI는 상상하지 않는다. 대신 이전에 봤던 수많은 비슷한 사례를 조합한다. 

‘하늘을 나는 고래’를 그리라면 ‘하늘’의 배경 패턴과 ‘고래’의 형태를 각각 불러와 그 둘이 시각적으로 자연스러워 보일 확률이 가장 높은 형태를 예측한다. 인간은 아이디어를 감정과 의미로 조합하지만 AI는 데이터와 통계로 섞는다. 

‘고래가 하늘을 날면 자유의 상징이겠다’는 철학적 의도는 없지만 색감·명암·구도 측면에서 ‘사람이 납득할 만한 모양’을 만들어낸다. 이는 디퓨전 모델의 작동 방식과 맞닿아 있다. 디퓨전 모델은 처음에 랜덤 노이즈를 만들어 놓고 그 안에서 점점 현실적인 형태를 찾아나간다. 

이 과정에서 AI는 “이 노이즈 패턴이 고래일 확률이 높다”, “이 배경은 하늘일 확률이 높다”는 식으로 예측을 반복한다. 그렇게 완전한 무(無)에서 ‘그럴듯한 현실’을 만들어낸다. 결국 AI의 상상은 감정이 아니라 확률의 산물이다.

하지만 이렇게 만들어진 그림들이 요즘 유난히 밝고 화려한 이유는 또 있다. AI가 학습한 세상의 색감 자체가 ‘인스타그램 세상’이기 때문이다. 

인공지능은 현실을 본 적이 없다. 대신 인간이 SNS나 웹에 올린 수십억 장의 이미지를 통해 세상을 배웠다. 문제는 인간이 실제로 좋아하는 색과 클릭하는 색이 다르다는 점이다. 사람들은 마음속으론 차분하고 자연스러운 이미지를 선호하지만 클릭은 밝고 자극적인 이미지에 더 많이 한다. 

AI는 “사람들이 많이 클릭한 이미지는 좋은 이미지다”라는 패턴을 학습했다. 그래서 명도와 채도가 높을수록 정답에 가깝다고 판단한다. 결과적으로 AI가 그리는 세상은 언제나 해가 정오에 떠 있고 하늘은 포화된 청색으로 번쩍이며 모든 피사체는 지나치게 선명하다.

기술적 이유도 있다. 디퓨전 모델은 노이즈를 제거하면서 이미지를 복원하는 구조다. 이 과정에서 어두운 영역과 밝은 영역의 경계가 강조되기 때문에 자동으로 대비(contrast)가 강해진다. 

또 훈련 데이터의 상당수가 이미 보정된 이미지이기 때문에 AI는 ‘자연광의 부드러움’보다 ‘후보정의 선명함’을 정상으로 배운 셈이다. 여기에 손실함수(loss function)의 영향도 있다. 모델이 이미지를 최적화할 때 색 대비가 약하면 손실값이 커지므로 자연스럽게 더 쨍한 이미지를 만들어낸다.

그렇다면 AI는 차분한 이미지를 만들 수 없을까. 가능은 하다. 프롬프트(명령어)에 “low contrast”, “muted tone”, “soft lighting”, “film grain” 같은 표현을 추가하면 AI는 “화려하지 않은 게 정답일 수도 있다”고 인식한다. 

또 CFG(Classifier Free Guidance) 값을 낮추면 모델이 과도하게 색을 강화하지 않고 좀 더 중립적인 톤으로 이미지를 그린다. 하지만 기본적으로 AI가 본 세상이 ‘밝고 자극적인 세상’이라 완전히 자연스러운 톤을 구현하는 건 여전히 어렵다.

AI가 그리는 그림은 인간의 시각을 완벽히 흉내내지만 인간의 감정을 흉내내지는 못한다. 그럼에도 AI가 만든 이미지가 점점 더 자연스러워지고 있는 이유는 명확하다. 

AI가 세상을 직접 본 적은 없어도 세상이 어떻게 ‘보이고 싶은지’는 너무 잘 알고 있기 때문이다. 인간은 감정을 담아 그리지만 AI는 세상의 시각적 기억을 통계로 조합한다. 그 차이가 아직까지 인간의 예술과 AI의 이미지를 구분하게 만드는 마지막 경계선이다.