기계 창작 시대 한시를 어떻게 향유할 것인가-한시 창작 AI에 대한 비판적 고찰-
How to enjoy Sino-poetry in the era of Generative AI -A Critical Review of AI for Sino-poetry creation-
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 글은 한시 창작 AI의 현황을 검토하고 향후의 가능성과 그 의미에 대해 논의한 것이다. 딥러닝 기술의 대두 이후 문화예술 분야에 대한 각종 창작 AI의 도전이 가시화되고 있으며, 한시에 대해서도 비슷한 시도가 포착되고 있다. 한시는 한자 문화권의 대표적 문예 양식으로서 함축과 풍격, 율격과 의상 등을 중시하는 그 특성으로 인해 창작 AI의 성능을 테스트하는 효과적 매개가 될 수 있다. 또한 창작 AI를 기동하기 위해서는 표준적 형식으로 구축된 대규모 한시 데이터셋(dataset)이 요구되는데, 중화권에서는 그러한 성격의 한시 데이터가 개방적으로 공유되고 있어, AI의 학습 데이터를 확보하기가 상대적으로 용이하다. 현존하는 한시 창작 AI는 수십여 종에 이르며 <九歌>, <SikuGPT2>, <詩三百> 등이 그 대표적 사례에 해당한다. <九歌>는 청화대학교에서 제작한 창작 AI 및 구현 웹사이트로, 순환 신경망(RNN)의 방식을 사용하였다. 해당 창작 AI는 한시 약 80만여 수가 수록된 공개 데이터베이스를 활용하고 자체적으로 가공한 약 10만여 수의 한시 데이터베이스를 학습하여 이를 토대로 한시를 창작한다. <SikuGPT2>는 남경농업대학교에서 제작한 창작 AI로, GPT2의 인과 언어 모델(CLM) 방식을 사용하였다. 이 창작 AI는 한시 약 30만여 수가 수록된 공개 데이터베이스와 『四庫全書』 데이터베이스를 학습하여 창작에 활용하고 있다. <詩三百>은 언어 모델을 분명하게 제시하지는 않았으나, 위에서 언급한 공개 데이터베이스 외에도 대련 약 70만 연이 포함된 데이터베이스를 사용하고 있음을 밝히고 있다. 한시 창작 AI는 AI 생성 모델(generative model)의 확장적 구현이라는 측면에서 일정한 의의를 지닌다고 해야겠으나, 점점 사멸해가는 한시 문학의 특성상 한시 창작 AI에 의해 창작된 작품은 의례적 칭찬 이상의 온당한 평가를 받기가 쉽지 않다. 다만 이로부터 몇 가지 시사점을 정리해보자면, 생성형 AI 기술을 테스트하는 과정에서 한시(근체시)라는 전통적 문예 장르가 유효하게 활용될 수 있다는 점, 한시 창작 AI를 구현하려면 본격적 학습 데이터로써 웹 표준 형식의 대규모 한시 데이터셋(dataset)이 구축되어야 한다는 점, 한시 창작 AI를 활용하는 과정에서 소위 ‘기계(machine)’를 매개로 한시에 관한 새로운 시각 및 통찰 등을 전달받을 가능성이 있다는 점 등을 예시해볼 수 있겠다. 그리고 현시점에서 상용화된 대표적 한시 창작 AI 플랫폼들로부터 ‘대동소이한 창작 경향’, ‘용사의 부재’, ‘율격에의 지나친 의존’ 등을 관찰할 수 있는데, 이러한 부정적 징후를 개선하기 위한 유효한 변수로 “고전비평” 데이터와 “사전류” 데이터를 추가 학습 자원으로 활용하는 것 등을 대안으로 생각해볼 수 있겠다.
Abstract
This study examines the current status of Creative AI in Sino-poetry and discusses its future possibilities and implications. Since the rise of deep learning technology, various Creative AI challenges in the field of culture and arts have become visible, and similar attempts are being made in the field of Sino-poetry. Sino-poetry, a representative literary form of the East Asian culture, can be an effective medium to represent the performance of Creative AI due to its characteristics that emphasize connotation, style, rules, and images. In addition, genre big data based on web standard formats is required to trigger Creative AI, and Sino-poetry is fully equipped with this, making it very convenient to implement. There are dozens of Sino-poetry Creative AIs in existence, including <九歌>, <SikuGPT2>, <詩三百>. 九歌 is a Creative AI and implementation website created by Tsinghua University that uses a recurrent neural network (RNN) method. This Creative AI utilizes a public database of about 800,000 Sino-poetry and learns from its own database of about 100,000 Sino-poetry to create poems based on them. SikuGPT2 is a Creative AI created by Nanjing Agricultural University that uses GPT2's Causal Language Model (CLM) method. This Creative AI draws inspiration from extensive public databases, including around 300,000 Sino-poetry entries and the 『四庫全書(Sikuquanshu)』 database to fuel its creative processes. <詩三百> does not explicitly state its language model, but it reveals that in addition to the public databases mentioned above, it uses a 對聯(couplet) database containing about 700,000 couplet entries. While AI Creation for Sino-poetry has certain significance as a scalable implementation of AI Creative technology, the decline of Sino-poetry makes it difficult for the poems Created by AI to receive much more than cursory praise. Some takeaways, however, include the unexpected benefits of Sino-poetry in advancing Creative AI, the web-standardized format-based databases in China that have enabled rapid adoption of Creative AI, and the new context and insights that are generated in the process of guiding the training of Creative AI. In addition to the shortcomings commonly found in Creative AI, the work of Sino-poetry Creative AIs shows a tendency toward homogeneous creation, a lack of allusion, and an over-reliance on rules in Sino-poetry. Alternatives to these developmental weaknesses include using "classical Sino-poetry criticism" and accepting data from "thesaurus" as another valid variable in the function.
참고문헌 (58)
- "論語", ~
- "澤堂集", ~
- "東人詩話", ~
- "詩藪", ~
- 기태완, "호응린의 역대한시 비평" (2005), 성균관대학교 대동문화연구원
- "Attention Is All You Need"[URL]
- Chen Yiyun, "Development and Application of Poem Knowledge Graph:Take Sou-yun.cn as an Example", 数字人文 (2021)
- Chen Yiyun, "How the Classical Poem Rhyming Rules Intelligentization Can Help in Spelling Determination, Poetic Text Check and Authoring : Sou-yun. cn as an Example", 数字人文 (2023)
- Huimin Chen, "Sentiment-Controllable Chinese Poetry Generation", Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence (2019)
- Jiang L, "Generating chinese couplets using a statistical mt approach", Proceedings of the 22nd International Conference on Computational Linguistics, pp.377384~ (2008)
- He J, "Generating chinese classical poems with statistical machine translation models", Proceedings of the TwentySixth AAAI Conference on Artificial Intelligence, pp.16501656~ (2012)
- Rui Yan, "I,Poet:Automatic Poetry Composition through Recurrent Neural Networks with Iterative Polishing Schema", Proceedings of IJCAI (2016)
- Turing, Alan, "앨런 튜링 지능에 관하여" (2019), HB Press: 어떤책
- Xiaoyuan Yi, "Automatic Poetry Generation with Mutual Reinforcement Learning", Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, pp.3143~3153 (2018)
- Zhipeng Guo, "Jiuge: A Human-Machine Collaborative Chinese Classical Poetry Generation System", Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics: System Demonstrations, pp.25~30 (2019)
- 白钰卓, "“九歌”自动作诗系统的开发与建设", 数字人文 (2022)
- 薛扬, "镜像图灵测试 : 古诗的机器识别", 计算机学报, 44(07), pp.1398~1413 (2021)
- 矣晓沅, "具有文学表现力的中文古典诗歌自动写作方法研究", 博士, pp.2021
- 张珊, "论人工智能作诗研发的意义", 系统科学学报, pp.23~28 (2023)
- 钱念孙, "文学的浅涉与深耕--对人工智能写作的认识", 群言, pp.31~34 (2020)
- 周紫婷, "人工智能作诗的本质及其内在机制研究", 南京工程学院学报(社会科学版), pp.61~66 (2020)
- 朱辉, "符号美学思想下的人工智能写作的文学真实性悖论", 美与时代 (2020)
- 강병규, "AI의 중국 古典詩歌 창작", 중국문학, 100, pp.183~207 (2019), 한국중국어문학회
- 구현아, "조선시대 중국어 역학서 데이터베이스 구축 연구", 중국학, (78) (2022), 대한중국학회
- 김민지, "챗GPT를 활용한 시창작 방안 연구", 한국문학연구, (72), pp.289~316 (2023), 동국대학교 한국문학연구소
- 2020년도 한국고전번역원 기획연구과제 최종보고서 : 『승정원일기』자동번역시스템의 활용방안 연구, "김우정", 한국고전번역원, ~ (2021)
- 김지선, "여항문화 연구와 데이터 모델링", 한국한문학연구, (85) (2022), 한국한문학회
- 김지선, "지식의 공유와 표현 그리고 디지털 인문학 : 해외 디지털 인문학 연구 사례 검토", 인문논총, (79) (2022), 서울대학교 인문학연구원
- 노요한, "朝鮮初期 官撰 註解書의 文獻學的 硏究", 박사, pp.2019
- 류인태, "데이터로 읽는 17세기 재지사족의 일상 : 『지암일기(1692-1699)』 데이터베이스 편찬 연구", 박사, pp.2019
- 류정민, "그래프 속 제왕의 목소리: 네트워크 시각화를 통해 재구성한 『규장전운』", 한국고전연구, (57) (2022), 한국고전연구학회
- 류화정, "麗末鮮初 宋ㆍ元代 서적의 수용과 문학비평의 변화 양상 연구", 박사, pp.2022
- 민경주, "한국고전종합DB를 이용한 漢學 大衆化를 위한 스마트 검색 시스템개발 -脚註 시스템을 中心으로-", 민족문화, 60, pp.413~446 (2022), 한국고전번역원
- 박진호, "인공지능 언어모델에 통사구조와 한국어 특징에 대한 지식을 주입하는방법", 한국언어과학회 여름학술대회, pp.3~36 (2021)
- 심경호, "한국한문학 연구에 대한 해외로부터의 학적 요구", 한문학논집, 47 (2017), 근역한문학회
- 양성윤, "일본 고전 서적의 디지털 아카이브 구축현황에 관해 -“역사적 전적 NW 사업”의 현황 및 주요 학술 데이터베이스 소개-", 고전문학과 교육, (49) (2022), 한국고전문학교육학회
- 이병찬, "한국 한시 코퍼스 구축과 활용 방안 연구", 한문학논집, 53, pp.153~177 (2019), 근역한문학회
- 이병찬, "한시 유사도 분석 방안 연구", 한문학논집, 59, pp.361~383 (2021), 근역한문학회
- 이해윤, "디지털 아카이브에서 디지털 인문학으로 -대만의 사례를 중심으로-", 한문학논집, 65, pp.175~210 (2023), 근역한문학회
- 임준철, "한시 의상(意象) 통계 연구의 성과와 과제 -해외 연구사례를 중심으로-", Journal of Korean Culture, 53, pp.301~349 (2021), 한국어문학국제학술포럼
- 장염, "중국 내 고전 문헌의 디지털화 현황 및 전망", 고전문학과 교육, (49) (2022), 한국고전문학교육학회
- 장진엽, "한국 여성 한문학 데이터베이스 구축 방향 검토-<明淸婦女著作(Ming Qing Women’s Writings)>의 사례를 참조하여", 한문학논집, 63 (2022), 근역한문학회
- 정끝별, "인공지능 시대 한국 현대시의 생성시학", 이화어문논집, (60), pp.103~133 (2023), 이화어문학회
- 지영원, "『시화총림』 소재 비교시화 연구", 동아한학연구, (17), pp.43~83 (2023), 고려대학교 한자한문연구소
- 한희연, "한국 詩話 시맨틱 데이터 아카이브 구현 방안 모색-詩話叢林』대상 개념적 데이터 모델링을 중심으로", 한문학논집, 63 (2022), 근역한문학회
- 허철, "고전문언문(한문) 기계번역용 말뭉치 구축 방안 제안", 중국문학연구, (88) (2022), 한국중문학회
- 허준행, "인공지능 시대, 한국 현대시 연구의 과제와 전망 — 생성형 인공지능 챗GPT를 중심으로", 한국시학연구, (74), pp.45~80 (2023), 한국시학회
- "이세돌, 바둑은 '예술'…승패로 본질 흔들리지 않아", 연합뉴스, ~ (2016)
- "Sci-fi writer Ted Chiang: ‘The machines we have now are not conscious", FINANCIAL TIMES, ~ (2023)