AI 시대의 문화 진화는 멈출 것인가? 편리함 뒤에 진행되는 '균질화' — AI가 선택하기 쉬운 표현만 남는 미래

생성 AI가 확산됨에 따라, "인터넷이 AI가 만든 콘텐츠로 가득 차고, 결국 AI가 AI를 학습하여 열화된다"는 우려가 여러 번 언급되어 왔습니다. 그러나 Phys.org가 소개한 최신 연구는 그 "미래의 걱정"을 한 단계 단축합니다. 결론은 이렇습니다. 문화의 균질화는 재학습을 기다리지 않고도 이미 일어날 수 있습니다. 게다가 원인은 "모델이 똑똑한지 여부"보다 운영의 반복 그 자체에 있습니다.

1) 실험은 "비주얼 전언 게임"——AI끼리 돌려봤다

연구자들이 수행한 것은 기발한 프롬프트 대결이 아닙니다. 장치는 단순하고, 그래서 무섭습니다.
문장에서 이미지를 만드는 AI와, 이미지를 문장(캡션)으로 만드는 AI를 연결하여 다음 순환을 반복했습니다.

• 문장(프롬프트)→ 이미지 생성

• 생성 이미지 → 캡션화(설명문)

• 그 설명문 → 다음 이미지 생성 프롬프트로 사용

• 이를 수십 번, 수백 번 반복

여기서의 포인트는, AI를 추가 학습시키지 않았다는 것입니다. 새로운 데이터를 먹여 "학습의 질이 떨어지는" 이야기가 아니라, 단지 사용법을 반복했을 뿐인데, 출력이 비슷한 방향으로 끌려가는 것입니다.

실제로, 출발점의 프롬프트가 아무리 다양해도, 생성의 랜덤성 설정을 바꾸어도, 최종적으로 출력은 **극히 제한된 "무난한 외관"**으로 모여들었습니다. 연구자가 붙인 명칭이 뛰어나며, 그들은 이 도달점을 "visual elevator music"(시각의 엘리베이터 음악)이라고 부릅니다.정돈되어 있지만 내용이 얇고, 편안하지만 아무것도 남지 않는——바로 "그럴듯함"의 극북입니다.

2) 왜 수렴하는가?——AI는 "설명하기 쉬운 것"만 남긴다

이 현상은 "AI의 창의성이 낮기 때문"으로 끝나지 않습니다. 더 구조적입니다.
이미지→문장→이미지라는 변환에서는, 언어화하기 쉬운 요소가 살아남고, 언어화하기 어려운 요소가 잘려나가기 쉽습니다.

예를 들어, 정치극의 긴장, 풍자, 시대 배경의 냄새, 인물 관계의 "사이", 시선의 의미, 장소의 분위기. 이러한 것들은 캡션화 단계에서 "설명하기 어려워" 일반 명사와 안전한 형용사로 대체되기 쉽습니다.

그러면 다음 생성에서는 그 "설명하기 쉬운 단어군"에 맞는 전형 이미지가 선택됩니다. 이를 반복할수록, 작품의 핵심에 있었던 의도는 증발하고, 누구에게도 와닿지 않는 평균점의 정경만 남습니다.

흥미로운 점은, 이것이 이른바 "모드 붕괴"나 "학습 데이터 오염"의 이야기보다 앞서 일어난다는 것입니다. 즉, 미래의 AI가 AI 생성물을 학습할지 여부 이전에, "생성→요약→재생성"이라는 문화적 파이프라인이 의미를 희석하는 방향으로 자연스럽게 작용해 버립니다.

3) 연구는 "극단적"인가?——하지만 현실은 더 일상적으로 루프하고 있다

"그런 AI끼리의 무한 루프, 현실에서는 하지 않겠지"라고 생각할 수 있습니다. 하지만 우리 주변에서는, 형태를 바꾼 루프가 일상화되고 있습니다.

• 이미지가 짧은 설명문(캡션/alt 텍스트)으로 요약된다

• 기사가 항목으로 요약된다

• 요약이 썸네일이나 짧은 영상으로 재패키지된다

• 랭킹에서 "강한 형"이 남고, 비슷한 형이 모방된다

• 생성 AI의 후보에서 인간이 "선택만" 하는 과정이 증가한다

여기서 반복되는 것은, 작품의 가치를 "다층의 번역"과 "선별"에 통과시키는 것입니다. 번역과 선별은 필요하지만, 반복할수록 남기 쉬운 것은, 전형·무난·설명 가능·상업적으로 안전한 것이 됩니다. 연구는 그 압력을 미니어처화하여 보여주었다고 할 수 있습니다.

4) "문화 정체는 도덕적 공황이다"에 대한 응답

신기술의 등장에 "문화가 파괴된다"는 목소리는 예전부터 있었습니다. 사진이 그림을 죽이지 않았고, 영화가 무대를 죽이지 않았으며, 디지털이 새로운 표현을 낳은 것은 사실입니다.

하지만 이번 초점은 "새로운 도구가 나왔다"는 것이 아닙니다. 문화가, 동일한 생성·요약·추천·랭킹의 장치를 통해, 지구 규모로 여러 번 재가공되는 점에 있습니다.

과거의 기술은 표현 수단을 늘렸습니다. 그러나 지금은, 표현 수단이 늘어날 뿐만 아니라, "유통의 중간"에서 의미가 여러 번 압축·재생성됩니다. 게다가 그 압축은, 의도하지 않게 "평균"으로 향하기 쉽습니다. 그래서 이것은, 단순한 회고적인 불안이라기보다, 현대의 정보 생태계의 설계 문제가 되고 있습니다.

5) "양산할 수 있다 = 혁신"이 아니다

생성 AI는 대량으로 변형을 낼 수 있습니다. 그러나 연구가 제시하는 것은, 양의 폭발이 탐색 공간의 확장과 동일하지 않다는 사실입니다.
몇 만 장을 내더라도, 같은 "좁은 계곡" 안에서의 미세한 차이일 뿐이라면, 문화의 지형은 넓어지지 않습니다. 오히려, 평균적인 계곡이 깊어질 뿐입니다.

6) 그러면 어떻게 할 것인가?——"평균으로의 인력"에 거스르는 설계

비관으로 끝낼 필요는 없습니다. 연구가 보여주는 것은 "방치하면 수렴한다"는 것이지, "반드시 정체된다"는 것이 아닙니다. 대항책의 방향성은 보이고 있습니다.

• 일탈에 보상을 준다: 드문 구도·어휘·소재를 우선하는 평가 축(일종의 "반·무난 점수")을 넣는다

• 문맥을 버리지 않는 유통: 작품에 제작 의도, 참조 원, 배경 메모를 붙여, 요약에서 떨어지는 정보를 보강한다

• 선택 방식을 디자인한다: 후보에서 선택하기 전에 "무엇을 파괴하고 싶은가/무엇을 피하고 싶은가"를 정의한 후 생성한다

• 추천의 다양성 제약: 같은 형이 계속 나열되지 않도록, 노출에 하한의 다양성을 부과한다

다시 말해, AI를 "평균 생성기"로서 편리하게 돌릴수록, 평균이 강화됩니다. 그렇다면 반대로, 평균에서 벗어나는 것이 이득이 되는 회로를 만들어야 합니다.

7) SNS의 반응——"알겠다", "결국 데이터", "인간이 필요하다"로 나뉘었다

이 주제가 SNS에서 확산되었을 때, 반응은 대체로 3가지 온도대로 나뉘었습니다.

(1) "그거, 체감으로 알겠다"파

"visual elevator music"이라는 비유에, 강한 납득을 보이는 게시물이 많습니다. 생성 AI를 다뤄본 사람일수록, "정돈되어 있는데, 어딘가 무시당하는 느낌이 든다", "기묘한 기시감이 남는다"는 표현으로 "얇음"을 이야기합니다. 실험 결과가, 사용자의 피부 감각과 연결된 순간입니다.

(2) "결국, 데이터와 편향이지"파

연구가 제시하는 12개의 모티프 수렴을, "모델의 성질"뿐만 아니라 "인간이 찍어온 사진의 편향(찍히기 쉬운 것)"의 반영이라고 보는 반응도 강합니다. 즉, AI는 제로에서 창조하는 것이 아니라, 인간 사회의 "촬영 습관"이나 "잘 팔리는 것"을 증폭하고 있다는 견해입니다. 여기에는 "AI의 탓으로 하기 전에, 인간의 문화 소비가 먼저 균질하지 않았는가"라는 역조사도 포함됩니다.

(3) "그래서 인간의 큐레이션이 필요하다"파

AI가 자율적으로 돌아갈수록, 반대로 인간의 편집·심미안·문맥 부여의 가치가 올라간다고 보는 사람도 있습니다. "인간이 마지막에 선택하니까 괜찮다"가 아니라, "마지막에 선택할 수 있도록, 중간에 의미가 사라지지 않는 설계가 필요하다"는 방향으로 논의가 진행되기 쉽습니다.

종합적으로 SNS의 분위기는, AI 찬양이나 AI 거부가 아니라, "평균으로 돌아가는 힘"을 전제로, 어디에서 인간이 키를 잡을 것인가로 수렴하고 있는 것처럼 보입니다.

8) 결론——문화를 평평하게 하는 것은, 성능이 아니라 "돌리는 방법"

이 연구의 가장 무서운 점은, 악의도 음모도 필요 없다는 것입니다. 재학습의 오염을 기다리지 않아도, 단지 편리하게, 단지 반복할 뿐으로, 의미는 얇아집니다.
그래서 물어야 할 것은 "AI는 창조적인가"뿐만이 아닙니다. 우리는, 창조성이 깎이는 유통 회로를, 편리함이라는 이름 아래 구축하고 있지 않은가.

"그럴듯함"은 마취가 됩니다. 편안함은, 의심하는 힘을 잠재웁니다.
"visual elevator music"이라는 말이 와닿는 것은, 바로 지금 우리의 타임라인이, 가끔 BGM처럼 흘러가기 때문입니다. 문화를 평균으로 만들지 않기 위해 필요한 것은, 생성의 속도 경쟁보다, 의미를 다시 운반하는 설계 사상일지도 모릅니다.

출처 URL

• 본고가 기반으로 한 기사 본문. 연구의 위치 설정(재학습 전에도 균질화가 일어날 수 있음, AI 매개 파이프라인이 문화를 "익숙함"으로 끌어당김) 등.
  https://phys.org/news/2026-01-ai-cultural-stagnation-longer-speculation.html

• Patterns(ScienceDirect의 논문 페이지): 실험 설정과 주요 결과(SDXL과 LLaVA의 루프, 700 trajectories, 온도 설정, 100반복, 12모티프, "visual elevator music"이라는 명