AI가 그린 사람은 왜 비슷할까? 이미지 생성 AI와 젠더 표현
생성형 AI에게 ‘과학자’, ‘회사원’, ‘간호사’처럼 직업을 입력하고 사람을 그려 달라고 하면 어떤 이미지가 나올까. 성별을 따로 지정하지 않았는데도 특정한 모습의 인물이 반복해서 등장하는 경우가 있다.
이런 결과를 보면 AI가 직업마다 어울리는 성별을 스스로 판단한다고 생각하기 쉽다. 하지만 이미지 생성 AI가 사람처럼 직업이나 성별에 대한 가치관을 가지고 있는 것은 아니다. 그보다는 학습 과정에서 접한 이미지와 설명 사이의 패턴이 생성 결과에 영향을 미친다고 이해하는 편이 적절하다.
AI 이미지와 젠더의 관계를 살펴보면 인공지능이 사회에 존재하는 이미지를 어떤 방식으로 다시 표현하는지도 이해할 수 있다.
이미지 생성 AI는 사람을 어떻게 그릴까
이미지 생성 AI는 많은 이미지와 텍스트의 관계를 학습한다. 예를 들어 사진 속에 실험실, 흰 가운, 연구 장비가 등장하고 해당 이미지의 설명에 ‘과학자’라는 표현이 연결되어 있다면 AI는 이러한 시각적 특징과 단어 사이의 관계를 학습할 수 있다.
이 과정에는 사람의 성별이나 나이, 옷차림과 같은 특징도 포함될 수 있다.
중요한 점은 AI의 학습 자료가 사회와 분리되어 만들어진 것이 아니라는 사실이다. 인터넷에 공개된 사진이나 그림, 광고 이미지, 뉴스 사진, 스톡 이미지 등은 사람들이 특정한 목적을 가지고 제작하거나 선택한 자료다.
따라서 이미지 생성 AI는 현실 자체만 배우는 것이 아니라 사람들이 오랫동안 현실을 촬영하고 묘사해 온 방식의 영향을 받을 수 있다.
직업과 성별 이미지가 연결되는 이유
의사, 교사, 연구원, 개발자, 비서 같은 직업명에는 원래 특정 성별이 포함되어 있지 않다. 하지만 이미지 자료에서는 특정 직업과 특정 성별이 반복적으로 함께 등장할 수 있다.
예를 들어 어떤 직업을 표현한 사진에서 한 성별이 상대적으로 자주 등장했다면 AI가 그 관계를 하나의 패턴으로 학습할 가능성이 생긴다.
여기에는 시대적인 배경도 있다. 과거 광고에서 사용했던 직업 이미지와 현재의 직업 이미지는 서로 다를 수 있고, 뉴스나 홍보 자료가 사회 구성원을 항상 동일한 비율로 보여주는 것도 아니다.
결국 AI 이미지에서 나타나는 젠더 편향을 이해하려면 “AI가 왜 이런 사람을 선택했을까?”라는 질문과 함께 “AI가 학습한 자료에서는 이 직업이 어떻게 표현되어 왔을까?”라는 질문도 필요하다.
직접 생성해 보면 보이는 AI의 기본값
이미지 생성 AI를 사용할 때 간단한 비교를 해보는 것도 흥미롭다.
먼저 ‘한 명의 엔지니어’처럼 성별을 지정하지 않은 프롬프트를 입력하고 여러 이미지를 만들어 볼 수 있다. 그다음 나이, 성별, 공간, 상황 등을 조금씩 구체화하면서 결과가 어떻게 달라지는지 비교하는 것이다.
한 장의 이미지만 보고 AI 전체의 특성을 판단하기는 어렵다. 생성형 AI는 같은 문장을 입력해도 결과가 달라질 수 있기 때문이다.
대신 여러 결과에서 어떤 특징이 반복되는지 살펴보면 조건이 부족한 상황에서 AI가 어떤 시각적 표현을 선택하는지 관찰할 수 있다.
이 과정은 AI의 젠더 편향을 무조건 찾아내기 위한 실험이라기보다 생성형 AI가 가진 ‘기본값’을 이해하는 방법에 가깝다.
프롬프트를 구체적으로 작성해야 하는 이유
AI 이미지 생성에서는 사용자의 프롬프트도 중요한 역할을 한다.
단순히 ‘과학자를 그려줘’라고 요청하는 것과 ‘다양한 연구자들이 함께 일하는 현대적인 실험실 풍경’을 요청하는 것은 AI에 전달되는 정보의 양이 다르다.
조건이 거의 없다면 AI는 학습된 패턴을 활용해 비어 있는 부분을 채워야 한다. 반대로 원하는 인물과 배경, 상황을 구체적으로 설명하면 사용자가 의도한 장면에 가까운 결과를 만들 가능성이 높아진다.
그래서 블로그나 발표 자료 등에 AI 이미지를 사용할 때는 처음 생성된 결과를 바로 선택하기보다 등장인물의 구성이 콘텐츠의 내용과 잘 맞는지 확인하는 것이 좋다.
AI가 만든 이미지도 결국 사람이 다시 사용한다
AI 이미지의 젠더 표현이 중요한 또 하나의 이유는 생성된 이미지가 다시 인터넷 콘텐츠에 사용되기 때문이다.
오늘날 AI 이미지는 블로그 삽화부터 발표 자료, 교육 콘텐츠, 광고 시안까지 다양한 곳에서 활용된다. 만약 비슷한 직업에 비슷한 성별과 외모의 인물만 반복해서 사용된다면 기존의 시각적 고정관념이 새로운 콘텐츠에서도 이어질 수 있다.
반대로 사용자가 여러 결과를 비교하고 콘텐츠의 맥락에 적절한 이미지를 선택한다면 AI가 처음 제시한 표현을 그대로 받아들이지 않을 수 있다.
결국 생성형 AI의 젠더 문제는 기술만의 이야기가 아니다. AI가 학습하는 자료를 만든 것도 사람이고, AI가 생성한 이미지를 선택해 다시 사용하는 것도 사람이기 때문이다.
AI가 그린 사람을 자세히 살펴보는 것은 우리가 오랫동안 사진과 광고, 미디어를 통해 사람과 직업을 어떻게 표현해 왔는지 돌아보는 일이기도 하다. 다음 글에서는 시각 이미지에서 언어로 범위를 옮겨, AI 번역 과정에서 성별 정보가 어떻게 표현되는지 살펴본다.
FAQ
이미지 생성 AI는 사람의 성별을 실제로 이해할까?
사람과 같은 방식으로 성별의 사회적 의미를 이해한다고 보기는 어렵다. 이미지 생성 AI는 학습 데이터에서 단어와 이미지의 특징 사이에 나타나는 패턴을 학습하고 이를 이용해 새로운 이미지를 생성한다.
같은 직업을 입력하면 항상 같은 성별이 나올까?
항상 그렇지는 않다. 생성형 AI는 같은 프롬프트에서도 서로 다른 이미지를 만들 수 있다. 따라서 젠더 표현의 경향을 살펴보고 싶다면 한 장이 아니라 여러 결과를 비교하는 것이 좋다.
AI 이미지의 젠더 편향을 줄이려면 어떻게 해야 할까?
사용자 입장에서는 인물과 상황을 프롬프트에 구체적으로 작성하고 생성된 여러 이미지를 비교할 수 있다. 특히 실제 콘텐츠에 사용할 때는 AI가 자동으로 만든 인물 구성이 글의 목적과 맥락에 적절한지 확인하는 과정이 중요하다.
#인공지능 #AI #생성형AI #젠더와AI #AI젠더 #젠더편향 #AI편향 #이미지생성AI #AI이미지 #성별고정관념 #AI학습데이터 #AI윤리 #인공지능윤리 #프롬프트 #AI와사회
