본문 바로가기
수행평가, 세특, 생기부

수행평가(세특) 수학, 디자인(미대) 전공

by 수행평가 세특 모임 2023. 7. 16.
반응형

목차 

  • 세특 관련 요청 사항
  • 수학을 디자인 관련 과목 적용 방안
  • 탐구 주제 관련 
  • 관련 기사 
  • 세특 목차 

 

세특 관련 요청 사항

미대 지원을 하고자 하며, 디자인 혹은 의류 관련 전공을 지원하기 위한 수학 세특 기재 방법에 대한 문의가 많이 있습니다. 해당 요청에 대한 세특 기재 방안 및 관련 부분을 작성 가이드 해 드리고자 합니다. 

 

 

수학을 디자인(미대) 관련 과목 적용 방안 

디자인 혹은 미대 관련 계열을 지원하고자 하는 학생들이 수학 세특을 어떻게 써야 하는지에 대해 많은 고민이 있습니다. 수학과 예술 관련 연계에 직접적인 연관을 찾기 어렵기 때문입니다. 하지만, 최근 디자인이나 미술의 경우 AI를 활용한 창작 영역으로 인정이 되고 있기 때문에, 이러한 측면에서 AI 및 자동화 혹은 빅 데이터 등이 디자인과 미수에 활용되는 경우를 확장하면 충분히 수학을 연계해서 관련 주제를 다룰 수 있습니다. AI 및 딥 러닝 등 최신 디지털 기술에 대해서는 다수의 수학적 함수와 관련 규정이 적용 되기 때문에 수학과 관련한 주제로 충분히 연계를 할 수 있습니다. 고등학교 수학에서 다루어지는 함수, 다항식, 수열 등의 원리가 AI나 빅데이터에 적용되는 것을 근거로 관련 부분을 충분히 연결을 할 수 있기 때문에 해당 부분을 기반으로 연관을 시켜 고리를 풀어나가 봅시다. 

 

탐구 주제 관련 

키워드: 패션, 디자인, 예술에 적용되는 4차 산업혁명 관련 

 

디자인 과정에서 AI이 활용 탐구 

AI를 활용한 디자인은 인공지능 기술과 알고리즘을 디자인 프로세스에 적용하는 것을 말합니다. AI는 특정 작업을 자동화하고 창의성을 강화하며 통찰력과 권장 사항을 제공하여 디자이너를 지원할 수 있습니다. 다음은 디자인에서 AI를 활용할 수 있는 몇 가지 영역입니다.

  • 제너레이티브 디자인: AI는 사전 정의된 매개변수 및 제약 조건을 기반으로 디자인 옵션을 생성할 수 있습니다. 디자이너는 크기, 재료 및 성능 요구 사항과 같은 기준을 입력할 수 있으며 AI 알고리즘은 방대한 디자인 공간을 탐색하면서 여러 디자인 대안을 생성할 수 있습니다. 이를 통해 설계자는 혁신적인 솔루션을 빠르고 효율적으로 탐색할 수 있습니다.
  • 이미지 및 패턴 인식: AI는 이미지와 패턴을 분석하여 특정 개체, 스타일 또는 기능을 식별할 수 있습니다. 이 기능은 디자이너가 영감을 얻거나 디자인 요소를 분류하거나 인식된 패턴을 기반으로 새로운 디자인을 생성하는 데 도움이 될 수 있습니다.
  • 개인화 및 맞춤화: AI 알고리즘은 사용자 데이터와 선호도를 분석하여 개인화된 디자인 추천을 생성할 수 있습니다. 예를 들어 패션 분야에서 AI는 개인의 스타일 선호도, 신체 유형 및 현재 트렌드를 기반으로 의류 옵션을 제안할 수 있습니다. 이를 통해 디자이너는 사용자를 위한 맞춤형 경험을 만들 수 있습니다.
  • 재료 및 텍스처 시뮬레이션: AI 알고리즘은 다양한 재료와 텍스처의 모양과 느낌을 시뮬레이션할 수 있어 디자이너가 물리적으로 프로토타입을 만들기 전에 다양한 옵션을 시각화하고 탐색할 수 있습니다. 이렇게 하면 선택 범위를 좁히고 디자인을 가상으로 미세 조정하여 시간과 리소스를 절약할 수 있습니다.
  • 사용자 경험 최적화: AI는 사용자 행동, 피드백 및 디자인과의 상호 작용을 분석하여 개선 영역을 식별할 수 있습니다. 사용자 선호도와 고충을 이해함으로써 디자이너는 사용자 경험을 최적화하여 디자인을 보다 직관적이고 사용자 친화적으로 만들 수 있습니다.
  • 디자인 자동화: AI는 레이아웃 생성, 색상 선택 또는 타이포그래피 추천과 같은 반복적인 디자인 작업을 자동화할 수 있습니다. 이러한 작업을 AI 알고리즘에 오프로드함으로써 디자이너는 디자인 프로세스의 보다 전략적이고 창의적인 측면에 집중할 수 있습니다.
  • 데이터 시각화: AI 알고리즘은 디자이너가 시각적으로 매력적이고 유익한 데이터 시각화를 만들 수 있도록 도와줍니다. AI는 복잡한 데이터 세트를 분석하여 의미 있는 통찰력을 생성하고 데이터를 사용자에게 효과적으로 전달하는 시각적 표현을 디자인할 수 있습니다.

예술 창작 활동에 있어서의 AI에 활용 

예술 창작에 AI를 사용함으로써 새로운 가능성이 열렸고 창의성에 대한 전통적인 개념에 도전했습니다. AI가 예술에 사용되는 몇 가지 방법은 다음과 같습니다.

  • 제너레이티브 아트(Generative Art): AI 알고리즘은 자율적으로 또는 인간 아티스트와 협력하여 원본 아트워크를 생성할 수 있습니다. 이러한 알고리즘은 기존 예술 작품의 패턴, 스타일 및 미학을 분석하고 학습된 패턴을 기반으로 고유한 예술 작품을 만들 수 있습니다. GAN(Generative adversarial networks)은 일반적으로 하나의 AI 모델이 예술을 생성하고 다른 모델이 결과를 개선하기 위해 피드백을 평가하고 제공하는 맥락에서 사용됩니다.
  • 스타일 전송: AI는 한 작품의 스타일을 다른 작품에 적용하여 흥미로운 조합을 만들 수 있습니다. CNN(컨볼루션 신경망)과 딥 러닝 기술을 사용하여 AI는 예술 작품의 스타일을 추출하고 이를 다른 이미지에 적용하여 새로운 시각적 표현을 생성할 수 있습니다. 이를 통해 아티스트는 다양한 스타일을 실험하고 참신하고 하이브리드 작품을 만들 수 있습니다.
  • 지원 및 협업: 아티스트는 창작 과정에서 AI 도구를 보조자 또는 공동 작업자로 사용할 수 있습니다. AI 알고리즘은 색상 팔레트, 구성을 제안하거나 아티스트가 제공한 입력을 기반으로 초기 스케치를 생성할 수도 있습니다. 인간의 창의성과 AI의 분석 능력 간의 이러한 협력은 예상치 못한 혁신적인 예술적 표현으로 이어질 수 있습니다.
  • 데이터 시각화 및 예술 분석: AI는 아티스트가 대규모 데이터 세트를 분석하고 시각화하여 데이터 기반 예술 작품을 만드는 데 도움을 줄 수 있습니다. 복잡한 데이터를 처리하고 해석함으로써 AI 알고리즘은 패턴과 통찰력을 보다 접근 가능하고 매력적으로 만드는 시각적 표현을 생성할 수 있습니다. 이는 정보 디자인, 과학적 시각화 및 대화형 설치와 같은 분야에서 특히 유용할 수 있습니다.
  • 증강 현실(AR) 및 가상 현실(VR): AI 기반 AR 및 VR 기술은 예술적 표현을 위한 새로운 길을 제공합니다. 아티스트는 AI 알고리즘이 사용자 입력에 동적으로 반응하는 몰입형 경험, 대화형 설치물 또는 가상 세계를 만들어 독특하고 개인화된 예술적 만남을 만들 수 있습니다.
  • 미술품 인증 및 보존: AI는 미술품의 인증 및 보존을 도울 수 있습니다. AI 알고리즘은 붓놀림, 재료 및 역사적 데이터를 분석하여 위조품을 식별하고 예술품의 상태를 평가하며 적절한 보존 전략을 추천하는 데 도움을 줄 수 있습니다.
  • 미술 큐레이션 및 추천: AI는 대규모 미술 컬렉션을 분석하고, 패턴을 식별하고, 사용자 선호도에 따라 미술 작품을 추천함으로써 미술 큐레이션을 지원할 수 있습니다. AI 알고리즘은 예술 발견 경험을 개인화하여 개인이 자신과 공감하는 예술 작품을 더 쉽게 탐색하고 찾을 수 있도록 합니다.

 

관련 기사 

https://www.mk.co.kr/news/business/10782961

 

“AI 시대에 초격차란 없다…모든 역량 ‘AI 산업 디자인’에 쏟아야” - 매일경제

차상균 서울대 초대 빅데이터연구원장 인터뷰 “한국, 챗GPT 같은 B2C 모델 만들기 어려워” “미국이 아직 못 본 제조 영역으로 눈 돌려야” “AI 자체보다 도메인지식 중요한 시대 온다”

www.mk.co.kr

 

https://www.hankyung.com/life/article/2023071219781

 

[오늘의 arte 칼럼] 부디, AI의 예술이 인간을 위한 것이길

[오늘의 arte 칼럼] 부디, AI의 예술이 인간을 위한 것이길, 문화스포츠

www.hankyung.com

 

세특 목차 

  • 본 주제를 선정하게 된 배경: AI 시대에 예술의 방향과 활용은 이란 것에 주인점
  • AI에 적용되는 수학 원리 설명: 함수, 수열 등 다양한 수학 원리 적용 
  • AI 활용된 예술 연계 심화 탐구 
  • 본인의 생각과 향후 진로 연계 

 

반응형