AI 이미지 생성 기술이 전문 영역을 넘어 대중화됨에 따라, 데이터는 점차 새로운 ‘미적 생산 메커니즘’으로 자리 잡고 있다. 그러나 이러한 알고리즘 기반의 시각적 전환은 결코 가치 중립적인 미적 과정이 아니다. 그 이면에는 복잡한 ‘취향의 정치’가 작동하고 있으며, 이는 데이터 권력, 문화 구조, 그리고 미적 규범 간의 깊은 상호작용을 드러낸다.

본질적으로 AI 이미지의 ‘미’는 기존의 미적 경험을 해체하고 재구성하는 과정에서 형성된다. 알고리즘은 방대한 학습 데이터를 바탕으로 구성, 색채, 스타일 등의 요소를 계산 가능한 변수로 전환하고, 이를 통해 비교적 안정적인 ‘최적의 미적 템플릿’을 도출한다. 그 결과, 치유적 분위기의 빛 표현, 정교한 인물 이미지, 혹은 동양적 스타일이나 사이버펑크와 같은 다양한 시각 양식들은 겉보기에는 다채로워 보이지만, 실제로는 유사한 데이터 선별 및 가중치 분배 구조 위에서 생성된다. 이는 결국 ‘데이터가 미를 규정하는’ 순환 구조를 형성하게 된다.

이른바 ‘취향의 정치’는 데이터의 선택과 활용 방식에서 가장 뚜렷하게 드러난다. 학습 데이터의 수집과 라벨링 과정은 결코 완전히 객관적일 수 없으며, 개발자의 관점, 자본의 논리, 그리고 주류 문화의 가치관이 필연적으로 반영된다. 이러한 구조적 편향은 특정 시각 체계를 알고리즘 내에서 우위에 놓이게 하며, 반복적인 생성 과정을 통해 더욱 강화된다. 예컨대, 인물 이미지는 점차 표준화되고, 문화적 기호는 고정된 이미지로 단순화되며, 비판적이거나 실험적인 표현은 상대적으로 약화되는 경향을 보인다. 이 과정에서 사용자는 단순히 AI를 활용하는 데 그치지 않고, 그 안에 내재된 미적 프레임을 무의식적으로 수용하게 된다.

한편, 이러한 데이터 기반의 미적 메커니즘은 예술 창작의 논리 자체에도 변화를 가져오고 있다. 전통 예술이 개인의 경험과 감정 표현, 그리고 고유성과 비재현성을 중시해왔다면, AI 이미지는 데이터의 재조합과 패턴 매칭에 의존하며 효율성과 완성도를 강조한다. 그 결과, 미적 판단은 점차 즉각적인 시각적 만족으로 단순화되고, 예술이 지니고 있던 비판성과 정신성은 약화될 위험에 놓인다. 나아가 개인의 취향 판단 역시 점차 알고리즘의 결과에 의존하는 방향으로 이동하고 있다.

따라서 기술이 미적 판단의 유일한 기준이 되어서는 안 되며, 데이터 기반 시각 패러다임 또한 ‘아름다움’의 정의를 독점해서는 안 된다. AI 이미지 시대의 ‘취향의 정치’에 대응하기 위해서는 무엇보다 미적 주체성의 재구성이 요구된다. 알고리즘이 초래하는 획일화 경향을 경계하는 동시에, 기술적 프레임 안에 다양한 문화와 인문적 가치를 적극적으로 반영해야 한다. 인간의 비판적 참여와 성찰이 수반될 때, AI는 비로소 미적 규율의 도구를 넘어 표현의 가능성을 확장하는 매개로 기능할 수 있으며, 데이터 미학 역시 보다 다원적이고 개방적인 방향으로 나아갈 수 있을 것이다.

진문/秦雯/ QIN WEN

진문(秦雯)은 중국 루쉰미술학원을 졸업하고 예술디자인학 석사학위를 취득한 후, 현재 국민대학교 테크노전문대학원에서 공간문화디자인 전공 박사과정에 재학 중이다. 시각디자인과 시각문화를 주요 연구 분야로 삼고 있으며, 재학 기간 동안 중국 예술대학의 인공지능 및 디지털 활용 커리큘럼 특성을 분석한 논문을 KCI에 게재하는 등 학문적 연구를 이어오고 있다. 아울러 한국이에스지위원회 사회공헌위원회 부위원장으로 활동하며, 지속가능한 사회 구현을 위한 다양한 사회공헌과 연구 활동을 병행하고 있다.