도서 소개

이제 예술은 붓이 아니라 알고리즘과 프롬프트를 통해 만들어지며, 창작의 기준 또한 새롭게 재편되고 있다. 칸트와 뒤샹 이후 확장되어 온 예술 개념은 AI 시대에 다시 시험대에 오른다. 아름다움, 창작자의 의도, 수용자의 경험이라는 기준 속에서 AI가 만든 작품은 어디에 위치하는가.

이 책은 디지털 기술이 예술을 어떻게 다시 정의하는지를 묻는다. 렘브란트의 화풍을 학습해 새로운 작품을 생성한 사례에서 출발해, AI와 데이터가 창작의 조건을 어떻게 바꾸고 있는지를 보여 준다. 기술을 예술가로 보지 않으면서도, 기술이 예술의 가능성을 확장하는 핵심 도구임을 강조한다. 작품을 데이터로 읽어내고 새로운 질문을 만들어 내는 디지털 미술사를, 기억의 학문에서 탐구의 학문으로 전환시키는 새로운 리터러시를 제시한다.

  출판사 리뷰

기술과 예술의 융합이 새로운 질문을 만들어 내다

데이터로 읽는 예술, 알고리즘이 바꾼 미술사의 질문
디지털 기술이 창작의 정의를 바꾸기 시작하다

AI가 렘브란트를 다시 그리는 시대, 미술사는 더 이상 과거를 해석하는 학문에 머물지 않는다. 〈더 넥스트 렘브란트〉 프로젝트에서 보듯, 수백 점의 작품을 데이터로 분석해 화풍을 정량화하고 이를 기반으로 새로운 이미지를 생성하는 기술은 예술의 정의 자체를 흔든다. 예술은 더 이상 인간의 손에서만 탄생하는 것이 아니라, 데이터와 알고리즘, 그리고 인간의 의도가 결합된 복합적 산물로 확장되고 있다. 이 책은 디지털 기술이 예술 창작과 해석의 방식 자체를 어떻게 바꾸고 있는지를 탐구하며, ‘디지털 미술사’라는 새로운 연구 영역의 필요성을 제기한다. 더불어 이러한 변화 속에서 예술의 본질을 다시 묻는다. 아름다움, 창작 의도, 수용자의 경험이라는 세 가지 기준을 통해 AI 예술의 가능성과 한계를 균형 있게 분석한다. 칸트의 미학, 뒤샹의 레디메이드, 현대 미술의 개념 중심 흐름을 연결하며, AI가 예술이 될 수 있는 조건을 철학적으로 검토한다. 특히 AI를 도구로 활용하는 인간 예술가의 역할, 그리고 감상자가 창작 과정에 참여하는 새로운 예술 경험을 주목한다.
나아가 미술사를 연구하는 방식 자체의 전환을 제안한다. 영상 처리, 네트워크 분석, AI 기반 데이터 분석 등을 통해 작품을 ‘텍스트’가 아닌 ‘데이터’로 읽어내는 새로운 리터러시를 소개한다. 이는 사료 중심의 전통 미술사가 놓쳐 온 영역을 보완하고, 미술사를 기억의 학문이 아닌 탐구와 재구성의 학문으로 확장하는 시도다. 디지털 미술사는 단순한 기술의 적용이 아니다. 새로운 질문을 만들고, 새로운 해석을 가능하게 하는 인식의 전환이다. 예술과 기술의 경계에서, 우리가 앞으로 어떤 방식으로 예술을 이해하고 기록할 것인지를 제시하는 책이다.

사료 중심의 전통적 미술사 방법론에 비해 디지털 미술사의 정량 분석은 완벽한 결론을 담보할 수 없다. 제아무리 정치한 분석 결과를 제시한다 해도 새로운 사료가 발견되지 않는 한 결코 확증에 도달할 수 없기 때문이다. 하지만 사료가 부족하다는 이유로 미술사적 난제 앞에 마냥 멈춰 있을 수는 없다. 공학적 분석을 비롯한 여타의 방식들을 정성껏 고안해 지견을 넓힐 수 있는 새로운 방식을 모색해 나가야만 한다. 사실 사료 또한 절대적이거나 전체적인 진실을 제공하지 않으며, 심지어 편향까지도 고스란히 전달하기 때문이다. 더욱이 사료에도 부익부 빈익빈 현상이 존재하는 까닭에 사료가 부족한 화가는 영원히 역사의 뒤안길에 남아있을 수밖에 없다. 그렇기에 우리는 정답을 알 수 없는 문제일지라도 집요하게 탐구해야만 한다.

“디지털 미술사가 필요한 이유” 중에서

정량적 분석을 제대로 이해하기 위해서는 수치화(數値化)와 정량화(定量化)를 구별할 필요가 있다. 먼저 과학 기기를 활용해 미술품을 분석할 수 있는 데이터를 산출(算出)하는 것은 수치화에 해당한다. (…) 그런 점에서 수치화는 과학적 접근을 위한 필수조건이자 디지털화의 개념적 동의어라 해도 과언이 아니다. 한편 정량화는 수치화할 수 있는 새로운 데이터를 창출하는 것을 의미하며, 영상처리기법을 통한 정량 분석이 바로 이에 해당한다. 공학적 분석으로도 불리는 영상처리기법은 다양한 알고리즘을 통해 육안으로 식별할 수 없었던 미술품 속 붓터치(brushstroke), 색, 표면 질감(texture), 잔금(craquelure) 등을 추출한다. 특히 그간 데이터의 범주로 포괄하지 못했던 정성 데이터를 ‘분석 가능한 데이터’로 변환함으로써 문제나 현상을 바라보는 새로운 관점을 제시하며, 이는 곧 수치화의 토대가 된다.

“01_화풍을 ‘정량화’하는 ‘데이터’” 중에서

영상처리는 컴퓨터를 이용해 디지털화된 영상 정보를 처리하는 분야로, 의학, 생체 계측, 보안 기술, 군사 분야에서만 주로 활용하고 있었다. 그러나 문자 인식, 자율 주행, 기상 분석 등 일상생활 전반으로 보급되면서부터 미술품 분석에도 적용되기 시작했다. 2008년 네덜란드에서 개최된 ‘Image Processing for Artist Identification(IP4AI)’ 워크숍이 바로 그 발단으로, 이들은 미술품의 디지털 이미지를 영상처리로 분석하여 진위 판별에 응용하고자 했다. 이에 반 고흐의 회화 총 101점을 고화질로 스캔하여 디지털화한 후, 붓터치의 길이, 폭, 방향 등의 특성을 정량적으로 계산할 수 있는 웨이블릿 변환(wavelet transform) 계열의 알고리즘을 개발했으며, 이를 반 고흐의 위작과 원작 속 붓터치를 비교하는 데 활용했다.

“03_영상처리를 활용한 화풍 분석” 중에서

  작가 소개

지은이 : 김민서
경희대학교 문화엔터테인먼트학과 조교수로 재직 중이다. 홍익대학교 미술대학 예술학과를 졸업하고, 한국과학기술원 문화기술대학원에서 공학박사 학위를 취득했다. 주요 연구 분야는 디지털 미술사, 엔터테인먼트 컴퓨팅, 문화콘텐츠 개발이며, 영상처리기법, 사회 연결망 분석, AI 등 정량적 분석을 활용한 콘텐츠 분석 및 개발에 주력하고 있다. 대표 논문으로는 “Visualization of Dynamic Network Evolution with Quantification of Node Attributes”, “Complementary Quantitative Approach to Unsolved Issues in Art History”, “A Socio-Scientific Analysis of the Artistic Originality of Tanw?n Kim Hongdo”, “A New Method for Museum Archiving: Quantitative Analysis Meets Art History”, “디지털 미술사의 발전과 효용 가치 연구”, “예술 분야에서 양적 분석의 효용에 관한 연구” 등이 있다.

  목차

디지털 미술사가 필요한 이유

01 화풍을 ‘정량화’하는 ‘데이터’
02 화풍을 구성하는 두 가지 요소
03 영상 처리를 활용한 화풍 분석
04 천경자 화백의 〈미인도〉 위작 사건
05 요하네스 베르메르의 스승 논쟁
06 17세기 화가들의 ‘델프트 블루’
07 ‘모양’을 ‘형태’로 바꾸는 방법
08 김홍도의 ‘특별함’을 고취한 ‘평범함’
09 생성형 AI 미술의 명암
10 디지털 미술사의 학문적 가치

  회원리뷰