영상 디자인 전공을 위한 머신러닝 교육 방법 연구: 컴퓨팅 패러다임의 변화와 생성형 AI 모형 도구 활용을 중심으로

Abstract

머신러닝 기술의 발전과 함께 인공지능의 대중화는 지속적으로 진행되었 지만, ChatGPT의 등장과 함께 비로소 인공지능은 사회 모든 분야에 걸쳐 혁 명적인 변화를 가져왔다. 이 과정을 이해하기 위해 컴퓨팅 패러다임의 변화 관점에서 연구할 필요성이 대두되었다. 본 논문은 영상 디자인 교육과정에서 머신러닝의 교육 방법을 디자인과 프로그래밍의 결합이라는 거시적 패러다임 을 바탕으로 개괄하고, 패러다임의 변화, 구현 방법의 실제, 도입 사례를 통한 시사점, 전망에 대하여 논하였다. 먼저 컴퓨팅 인터페이스의 변화 단계를 명령어 인터페이스(CLI), 그래픽 인터페이스(GUI), 자연어 인터페이스(NLI) 단계 별로 분석하고 인터페이스의 변화에 따른 디자인 환경의 변화에 대하여 논하였다. 다음으로 생성형 머신러닝 환경의 현황 조망을 위해 달리, 미드저니, 스테이블 디퓨젼 등의 주요 생성형 AI 환경에 대한 분석을 진행하였고, 생성형 AI의 활용 사례를 고찰하였다. 생성형 AI의 실제 사례 연구로 NLI를 활용한 디자인 수업을 구성 및 진행하고 수강생들의 심층 면접을 통해 조형 구성 과제와 영상 제작 과제, 2가지 제작 과제에 대한 생성형 AI 도구의 효용성에 대해 논하였다. 조형 구성 과제의 경우, CLI, GUI에 비해 NLI는 이미지 생성 속도, 다양한 스타일 생성 기능의 측면에서 장점을 가지는 것으로 보고되었다. 영상 과제의 경우 NLI는 프리프로덕션 단계에서 사전시각화 시 간을 단축하고 다양한 아이디어를 탐색해 볼 수 있는 효용성이 가장 큰 것으로 보고되었다. 이 결과를 바탕으로 컴퓨팅 패러다임의 변화를 수용할 수 있는 디자인 교육 모형을 위한 시사점을 추가로 논의하였다.

The popularization of artificial intelligence progressed gradually with the development of machine learning technology, but with the advent of ChatGPT, artificial intelligence brought about revolutionary changes in all fields of society. To understand this process, the need to study it from the perspective of a change in the computing paradigm has emerged. This paper outlined the teaching methods of machine learning in the interactive media design curriculum based on the larger paradigm of the combination of design and programming and discussed paradigm changes, actual implementation methods, implications through introduction cases, and prospects. First, the change stages of the computing interface were analyzed by the Command Line Interface (CLI), Graphic User interface (GUI), and Natural Language Interface (NLI), and the change in the design environment according to the change in the interface was discussed. Next, to view the environmental status of generative machine learning, an analysis of Generative AI environments such as Mid-journey and Stable Diffusion was conducted, and the use cases of Generative AI were considered. As a real-world case study of Generative AI, a design class using NLI was constructed and conducted, and through in-depth interviews with students, the effectiveness of Generative AI tools for formative composition tasks, video production tasks, and two production tasks was discussed. In the case of configuration tasks, it has been reported that NLI has advantages in terms of image generation speed and ability to create various styles compared to CLI and GUI. In the case of video tasks, it has been reported that NLI shortens the pre-visualization time in the pre-production stage and has the greatest utility in exploring various ideas. Based on this result, implications for a design education model that can accommodate the change in the computing paradigm were additionally discussed.