이미지 생성 AI가 여러 시안을 한꺼번에 내놓는 방식은 탐색을 돕는 것으로 여겨져 왔다. 그러나 Huiyang Chen과 Keqing Jiao의 arXiv 프리프린트는, 선택 단계에서 인간의 판단이 오히려 가운데로 기우는 경향을 보일 수 있다고 지적한다. 연구진은 집단 지각 이론을 바탕으로, 여러 디자인을 동시에 볼 때 중심값에 가까운 선택지을 고르는 중심 경향 편향이 생기는지 살폈다.
실험은 피험자 내 설계로 진행됐다. 참가자 50명(18~35세, 평균 23.8세, 표준편차 3.4세)이 8개 디자인 테마를 보았고, 각 테마마다 8개 포스터로 이뤄진 고변동성 세트와 저변동성 세트가 제시됐다. 전체 자극은 128개였으며, 각 세트는 2×4 격자에 동시에 표시됐다. 고변동성 세트는 스타일 연속선의 전체 범위를 넓게 샘플링했고, 저변동성 세트는 중심부 주변에 비슷한 디자인을 묶어 배치했다.
참가자들은 두 과제를 수행했다. 하나는 개인적 선호에 따른 선택, 다른 하나는 “전체 스타일을 대표하는 한 장”을 고르는 대표성 판단이었다. 저변동성 세트와 고변동성 세트 모두에서 중심 디자인은 두 개(0과 0’)로 동일하게 유지해, 단일 중앙 자극이 주는 편향을 줄이려 했다. 세트 내 위치 효과도 막기 위해 8개 디자인의 배치는 매 세트마다 무작위화됐다.
결과는 고변동성 조건에서 중심 근처 디자인 선택이 더 많았음을 보여준다. 선호 과제에서 중심 선택률은 고변동성 56%로 저변동성 34%보다 높았고, 참가자 수준의 대응표본 t검정은 t(49)=3.51, p=0.001이었다. 대표성 과제에서는 고변동성 66%, 저변동성 38%였으며 t(49)=4.34, p<0.001로 나타났다. 원시 집계로는 선호 과제의 고변동성 400회 중 224회, 저변동성 400회 중 136회가 중심 선택이었다.
체감된 다양성 점수도 조건 차이를 확인했다. 참가자들은 고변동성 세트를 7점 척도에서 평균 5.71점, 저변동성 세트를 평균 3.16점으로 평가했으며 t(49)=19.57, p<0.001이었다. 반면 다양성 지각과 디자인 경험 사이에는 유의한 연관이 없었다고 보고됐다. 선택 이유를 묻는 표에서는 ‘더 매력적’이 중심 선택의 46%, 비중심 선택의 43%였고, ‘더 창의적’은 각각 29%와 33%였다.
| 과제 | 고변동성 | 저변동성 | 통계/표본 |
|---|---|---|---|
| 선호 과제 | 56% (224/400) 중심 선택 | 34% (136/400) 중심 선택 | t(49)=3.51, p=0.001; 50명×조건별 8세트 |
| 대표성 과제 | 66% (264/400) 중심 선택 | 38% (152/400) 중심 선택 | t(49)=4.34, p<0.001; 50명×조건별 8세트 |
| 지각된 다양성 | M=5.71, SD=0.65 | M=3.16, SD=0.72 | t(49)=19.57, p<0.001; 1–7점 척도 |
| 자극 구성 | 8개 테마, 각 테마당 8개 디자인의 두 세트 | 8개 테마, 각 테마당 8개 디자인의 두 세트 | 전체 128개 디자인; p.2 Method |
자료: STORIUM 정리
이 결과는 출력 다양성을 늘리는 것만으로 최종 선택의 다양성까지 보장되지는 않는다는 점을 시사한다. 한편 자극은 상용 이미지 생성 모델의 결과물이 아니라 연구진이 수작업으로 구성한 포스터였고, 선택 과제도 미적 평가에 한정돼 있어 실제 설계 업무 전체로 일반화하기에는 한계가 있다. 표본도 50명에 그쳤다. 그럼에도 이번 실험은, 생성 단계뿐 아니라 여러 시안을 어떻게 보여주느냐가 선택의 폭을 바꿀 수 있음을 구체적으로 보여준다.
저작권자 © STORIUM 무단전재 및 재배포 금지
