Human–AI Co-Creativity
Research Atlas

공식 공개 범위

워크숍 프로그램, 공식 PDF, OpenReview, 별도 arXiv 공개본을 교차 검토한다.

프로그램 불일치

Paper #18은 별도 arXiv 자료로 검토한다. Paper #64는 제목 수준의 연구 의제만 반영한다.

초청강연 해석

미공개 발표 내용을 추정하지 않고, 발표 제목을 전체 연구 방향을 형성하는 주제축으로만 사용한다.

결과 수준

새로움, 유용성, 놀라움이 결합된 개별 산출물의 창의성이다.

분포 수준

모드 수, 확률 질량의 균형, 의미적 거리, 반복 생성의 집단 다양성을 평가한다.

과정 수준

프레이밍, 발산, 비평, 재프레이밍, 수렴의 궤적 전체를 창의성으로 본다.

관계 수준

인간과 AI가 목표, 제약, 후보, 평가기준을 상호 수정하는 공창작 구조다.

시간 수준

인물 상태, 세계 규칙, 복선, 분위기, 장기 의도를 유지하는 능력이다.

통합 정의

품질, 독창성, 다양성, 일관성, 인간 행위주체성, 과정 추적성을 함께 최적화한다.

평균화와 모드 붕괴

정렬이 품질을 높이는 과정에서 희귀한 표현과 소수 취향을 억제한다.

디자인 고착

AI의 최초 제안이 인간의 탐색공간을 좁혀, 이후 아이디어가 초기 예시 주변에 고정된다.

창작 의도 손실

텍스트 프롬프트는 분위기, 계층, 리듬, 모호성, 허용 가능한 편차를 충분히 표현하지 못한다.

평가의 구성타당도 부족

의미적 거리나 단일 LLM judge 점수가 실제 창의성과 미적 가치를 일관되게 예측하지 못한다.

인간 기여의 비가시화

토큰·픽셀 저자성만으로는 목표 형성, 요구사항 추가, 후보 제거, 방향 전환을 포착할 수 없다.

사회적 동질화

개별 사용자의 만족이 높아져도 사회 전체의 산출물이 동일한 미적 문법과 서사구조로 수렴할 수 있다.

현재 모델이 강한 영역

• 익숙한 패턴의 빠른 재조합
• 문법적·시각적 완결성
• 단기 지시 이행
• 전형적 스타일 모사
• 평균 평가자의 선호 충족

현재 모델이 취약한 영역

• 비명시적 함의와 공통기반 추론
• 장기 서사 상태와 미해결 긴장
• 구조적·물리적 편집
• 소수 취향과 비서구적 미학
• 자신의 제안이 인간 탐색에 미치는 영향

정렬과 가능성 공간 축소

선호 최적화는 안전성과 품질을 높이지만 비정형 구성, 불완전한 초기 아이디어, 소수 표현을 억제할 수 있다.

창작 데이터의 장르 편향

기존 창작 데이터가 이야기 중심으로 구성되어 광고문, 연설, 시, 대화, 기술적 창작물을 충분히 포함하지 못한다.

정답 중심 벤치마크의 한계

창의적 문제해결은 정답 검색보다 비명백한 연결, 관점 전환, 문제 재구성을 요구한다.

최종 결과 중심 평가의 한계

목표 설정, 후보 생성, 거부, 수정, 비평과 같은 과정 기여가 최종 출력 평가에서 사라진다.

RQ1

새로움, 유용성, 놀라움, 미적 가치, 다양성, 의도 보존을 하나의 점수로 통합할 수 있는가?

RQ2

정렬이 제거한 희귀 모드를 복원하면서 안전성과 품질을 유지할 수 있는가?

RQ3

표면적 다양성과 구조적 다양성을 어떻게 구분할 것인가?

RQ4

AI가 인간의 탐색공간을 넓혔는지 반사실적으로 측정할 수 있는가?

RQ5

단발성 프롬프트를 넘어 변화하는 창작 의도를 어떻게 표현할 것인가?

RQ6

인간이 보존해야 할 결정과 AI가 자동화할 결정을 어떻게 나눌 것인가?

RQ7

평가자 불일치를 오류가 아니라 취향 구조로 모델링할 수 있는가?

RQ8

다중 에이전트가 실제 시너지를 만드는 조건은 무엇인가?

RQ9

장기 창작 세계모델은 사건 외에 어떤 상태를 기억해야 하는가?

RQ10

목표 형성, 후보 선택, 수정, 거부를 포함하는 공창작 저자성 모델이 가능한가?

과학·경제 연구

문헌 탐색, 가정 생성, 반례 탐색, 전문가 루브릭 추출, 이론 연구 에이전트.

창작 글쓰기·서사

다장르 생성, 함축, 장편소설, 인터랙티브 내러티브, 오디오 드라마.

교육

다양한 문제 생성, 학습자별 피드백, 창의적 사고 훈련, 과정 기반 평가.

그래픽·프레젠테이션

타이포그래피, SVG 객체 편집, 슬라이드 적응, 레이아웃 복구.

영상·게임

반복 비디오 생성, 시각 피드백 루프, 셰이더·스프라이트·UI 기반 게임개발.

건축·구조설계

후보 형태 자동화와 인간의 구조 논리·시공성·가치 판단을 결합한다.

오디오·음악

그래프형 중간 표현, 스타일 완성, 장기 오디오 서사.

저자성·출처

코드와 콘텐츠의 생성 출처, 목표 기여, 수정·선택 과정의 추적.

산업 디자인

평균 설계를 넘어 인간 의도와 탐색을 중심으로 다중 에이전트 협업을 조직한다.

창의성의 통합이론 부재

의미적 거리, 엔트로피, 전문가 평가, 놀라움, 일관성의 상호관계가 정립되지 않았다.

개인 창의성과 집단 창의성

개별 만족과 사회 전체의 아이디어 다양성이 서로 충돌할 수 있다.

과정 수준의 인과 평가

AI가 없었을 때의 인간 탐색과 비교하는 반사실적 측정이 필요하다.

창의적 실패의 보존

초기에는 낮은 점수지만 후속 조합에서 가치가 생길 후보를 저장해야 한다.

평가자 불일치 모델링

불일치를 노이즈로 제거하지 않고 취향 모드와 문화적 전통으로 해석해야 한다.

의도의 동적 변화

창작자는 상호작용 중 자신의 목표를 발견하고 수정하므로 고정 프롬프트 모델이 부족하다.

다중에이전트 권력 구조

역할 정의, 발언 순서, 메모리 기록, 최종 선택 권한이 명시되어야 한다.

문화적 다양성과 데이터 주권

비서구 미학, 지역 창작 관습, 공동체 저작권, 학습 데이터 동의를 포함해야 한다.

비아카이벌 결과의 재현성

데이터 오염, 모델 버전, 평가 프롬프트, 반복실험, 독립 재현 검증이 필요하다.

Subtractive Co-Creativity

AI가 추가하는 것뿐 아니라 망설임, 우연, 시행착오, 지역적 문체를 무엇을 지우는지 평가해야 한다.

1. Intent Graph 기반 Creativity OS

2. Diversity Budget

의미, 서사구조, 시각스타일, 사실 안정성, 브랜드 일관성의 탐색 폭을 독립적으로 제어한다.

3. Mode Ledger

각 후보가 사용한 관점, 구조, 미적 모드, 위험 수준, 제약을 기록한다.

4. Disagreement-Aware Judge Ensemble

유용성, 독창성, 공예성, 위험, 문화, 전위성을 담당하는 평가자의 불일치를 보존한다.

5. Creative Provenance Graph

6. Friction-Adaptive Interface

전문성, 불확실성, 위험, 의도 성숙도에 따라 설명과 자동화 수준을 동적으로 조절한다.

7. World Model + Intent Model

8. Process Foundation Model

완성본보다 초안, 스케치, 삭제 장면, 실패, 비평, 수정 전후, 선택 이유를 학습한다.

9. 사용자 주도 다중에이전트 헌법

Explorer, Historian, Dissenter, Craft Critic, Intent Guardian, Archivist 역할과 권한을 사용자가 정의한다.

10. 집단 수준 창의성 평가

수천 명이 동일한 모델을 사용할 때 사회적 산출물의 다양성과 문화적 대표성을 측정한다.

결과 → 분포·과정

독창적인 한 개의 출력보다 유의미한 가능성 모드를 유지하는 능력이 중요하다.

사용자 → 오케스트레이터

인간은 승인자가 아니라 목표, 역할, 갈등, 선택을 조직하는 주체가 된다.

선호 정렬 → 다원적 제약 관리

하나의 평균 취향보다 사용자 제약과 다중 미적 가치를 관리해야 한다.