AI를 활용한 추상미술 기반 소공원 설계와 평가 (Design and Evaluation of Small Parks Based on Abstract Art Using AI)

서지정보

· 발행기관 : 한국공간디자인학회
· 수록지 정보 : 한국공간디자인학회 논문집 / 20권 / 3호 / 327 ~ 336페이지
· 저자명 : 이하나

초록

(연구배경 및 목적) 최근 조경설계 분야에서는 전통적 설계 방식이 반복되며 점차 획일화되는 경향 속에서, 보다 창의적이고혁신적인 디자인 접근법에 대한 관심이 증대되고 있다. 본 연구는 생성형 인공지능(Generative AI)을 활용하여 추상미술주의의조형 원리를 반영한 소공원 설계안을 도출하고, 이를 ChatGPT, Grok, Claude 등 세 AI 평가자가 동일한 평가 기준에 따라 평가한 결과를 정량적 및 정성적으로 분석함으로써, AI 기반 설계 및 평가 체계의 적용 가능성과 한계를 심도 있게 검토하는 데 목적이 있다. 이를 통해 AI가 조경설계의 창의적 아이디어 도출과 체계적인 평가에서 어떠한 역할을 수행할 수 있는지, 그리고 그 과정에서 발생하는 평가 편차와 신뢰성 문제를 어떻게 보완할 수 있을지를 밝히고자 한다. (연구방법) ChatGPT를 활용하여 일반적인 소공원의 평면도를 생성하고, 이를 기반으로 추상미술의 특성을 반영한 8개의 소공원 설계안을 생성한다. 이후 소공원을평가하기 위한 평가기준을 설정하고, 생성된 설계안은 기능성, 접근성 및 안전성, 쾌적성 및 심미성, 환경적 지속가능성, 사용자경험의 다섯 평가 항목(각 20점 만점, 총 100점)을 기준으로 평가되었다. ChatGPT, Grok, Claude의 AI 평가자는 동일한 평가기준을 적용하여 설계안을 평가하였으며, 평가 결과는 기술통계, 상관분석, 크론바흐 알파를 통한 신뢰도 검증, 그리고 분산 분석(ANOVA)을 통해 분석되었다. (결과) 분석 결과, 생성형 인공지능은 전통적 설계 접근과는 차별화된 창의적 디자인을 도출하는데 유의미한 기여를 하는 것으로 나타났다. 다만, 본 연구에서 생성된 평면도는 세부 디테일이 충분히 담기지 않아, 기능성과 안전성 등 일부 평가 항목에서 제한적인 정보만을 제공하는 한계가 있었다. 평가 결과를 비교한 결과, Claude는 전반적으로 높은점수를 부여하는 반면, ChatGPT와 Grok은 보수적인 평가 경향을 보였으며, 이러한 차이는 각 AI 평가자의 학습 데이터와 알고리즘 차이에 기인하는 것으로 해석되었다. 상관분석 및 분산 분석 결과는 평가자 간의 점수 차이가 통계적으로 유의미함을 입증하였다. (결론) 본 연구는 생성형 인공지능이 조경설계 분야에서 혁신적인 디자인 도출 및 평가 도구로서 유의미한 잠재력을 보임을 실증하였다. 다만, 사용된 설계 도면이 개념적 평면도 수준에 그쳐 기능성 및 안전성 평가에 한계를 나타냈으며, AI 평가자간 알고리즘 및 학습 데이터 차이로 인한 평가 편차가 존재함을 확인하였다. 이러한 결과는 평가 목적에 적합한 정보가 담긴 도면의 제공과 이에 적합한 평가 기준 설정을 통해 AI 평가 체계의 신뢰성과 정밀도를 향상시킬 필요가 있음을 시사한다.

영어초록

(Background and Purpose) Recent advances in landscape architecture have spurred interest in innovative design approaches that transcend conventional, repetitive methodologies. This study investigates the potential of generative artificial intelligence (Generative AI) to produce small park designs that incorporate principles of abstract art. Specifically, the research aims to generate conceptual park designs using AI and evaluate them quantitatively and qualitatively through a unified set of criteria, thereby elucidating the role of AI in creative design ideation and systematic assessment. The objective is to determine how AI can contribute to innovative spatial concepts and to identify the inherent limitations in evaluation due to differences in underlying algorithms and data training among AI platforms.(Method) A generic small park floor plan was first generated using ChatGPT, which served as the baseline for developing eight conceptual designs that reflect abstract art characteristics. These designs were then evaluated across five criteria: functionality, accessibility and safety, comfort and aesthetics, environmental sustainability, and user experience—each rated on a 20-point scale for a total of 100 points. Three generative AI evaluators (ChatGPT, Grok, and Claude) applied identical evaluation standards to assess the designs. The resulting scores were analyzed using descriptive statistics, correlation analysis, Cronbach’s Alpha for reliability, and analysis of variance (ANOVA) to examine differences in evaluation outcomes across the AI platforms.
(Results) The analysis revealed that generative AI can produce design alternatives that markedly differ from traditional approaches, thereby contributing innovatively to creative spatial configurations. However, the conceptual floor plans, characterized by a mid-level completion and limited detail, provided only constrained information for assessing functionality and safety. Comparative evaluation results indicated that Claude tended to award higher scores overall, while ChatGPT and Grok adopted a more conservative scoring approach. These discrepancies were statistically significant, as evidenced by correlation and ANOVA results, and are attributed to differences in training data and algorithmic frameworks among the AI evaluators.(Conclusions) This study has demonstrated that generative artificial intelligence exhibits significant potential as an innovative design derivation and evaluation tool in the field of landscape architecture. However, the design drawings used were limited to the level of conceptual plans, which showed limitations in assessing functionality and safety. Additionally, it was confirmed that there are evaluation biases due to differences in algorithms and training data among AI evaluators.
These findings suggest the need to enhance the reliability and precision of the AI evaluation system by providing drawings containing information suitable for the evaluation purpose and establishing appropriate evaluation criteria.

참고자료

· 없음