컴퓨터아트2 · 강원대학교 미술학과

2026 · 2학기

WEEK 03

LLM의 이해

대규모 언어 모델의 원리와 활용 · 실습 「AI가 나를 인터뷰한다」

박성하

오늘 수업

LLM이 작동하는 원리를 이해하고, AI 인터뷰로 학기 작품의 주제를 확정한다.

교시	내용
1교시	LLM의 원리 — 토큰화 · 임베딩 · 어텐션 · 확률
2교시	LLM의 한계 · 대표 모델 · 프롬프트 기법
3교시	AI 인터뷰 실습 · 주제 확정
4교시	제미나이 기능 실습 — 캔버스 · 딥리서치 · 노트북LM · 젬

오늘의 산출물은 주제 한 장이다. 한 문장의 주제, 왜 나인가 세 문장, 떠오르는 장면 셋.

1·2교시

LLM의 이해

인공지능의 개념부터 프롬프트 기법까지

개념 정리

인공지능의 네 층위

인공지능 AI

머신러닝

딥러닝

생성형 AI · LLM

인공지능 (Artificial Intelligence)

인간의 지능을 따라 하여 그 능력을 컴퓨터나 기계가 할 수 있도록 만드는 기술.

머신러닝 (Machine Learning)

명시적인 규칙 없이, 컴퓨터가 데이터를 기반으로 학습하고 데이터에서 찾은 패턴으로 판단할 수 있게 하는 기술. 데이터 학습.

딥러닝 (Deep Learning)

인간의 뇌 구조를 본떠 만든 인공신경망으로, 데이터의 패턴과 특징을 계층적으로 학습해 추론할 수 있게 하는 기술. 인공신경망 학습.

생성형 AI (Generative AI)

학습한 패턴에 맞는 새로운 데이터를 생성하는 인공지능. 이용자의 요구에 따라 결과를 만들어 낸다.

네 단어는 서로 다른 기술이 아니라 포함 관계다. 오늘 다루는 LLM은 가장 안쪽, 생성형 AI에 속한다.

어떻게 배우는가

머신러닝의 세 방식과 딥러닝

머신러닝은 데이터로부터 스스로 패턴을 학습하고, 그 패턴으로 예측하거나 분류하는 알고리즘의 집합이다. 학습 방식은 크게 세 가지다.

고양이

강아지

정답표가 붙어 있다

지도학습

정답이 있는 데이터로 입력과 출력의 관계를 학습해, 새로운 입력을 예측한다.
예) 손글씨 숫자에 "3"이라는 정답을 함께 주고 배우는 분류 모델.

비슷한 것끼리 스스로 묶는다

비지도학습

정답 없이 데이터의 구조나 패턴을 스스로 찾아 비슷한 것끼리 묶는다.
예) 여러 그림을 화풍이 비슷한 것끼리 자동으로 묶는 알고리즘.

시도 → 실패 → 시도 → 보상 ★

점수를 따라 배운다

강화학습

행동에 보상을 주는 환경에서 최적의 행동 전략을 학습한다.
예) 게임에서 높은 점수를 얻으려고 시행착오로 배우는 에이전트.

딥러닝은 정보를 여러 층(layer)으로 나누어 분석하고, 각 층에서 점점 더 복잡한 특징을 뽑아 최종 판단에 이르는 방식이다. 수천 장의 그림을 보고 색감, 구도, 붓 터치를 스스로 익혀 화풍을 배우는 것에 가깝다. 사람이 규칙을 하나하나 가르치던 방식과의 차이가 여기에 있다.

이름부터 풀면

LLM의 정의

정의대규모 언어 모델(Large Language Model) — 방대한 글을 학습해, 주어진 글 다음에 올 단어의 확률을 예측하는 모델. — Google 머신러닝 문서

쉽게다음 단어 맞히기를 아주 큰 규모로 하는 기계다. '대규모'는 과장이 아니라 수조 단어 단위를 말한다.

수십억 개의 매개변수를 가진 신경망이다.

인터넷의 방대한 텍스트 데이터로 학습한다.

다음 단어(토큰)를 예측하는 방식으로 작동한다.

사람과 비슷한 수준의 언어 이해와 생성 능력을 보인다.

사용자의 입력, 즉 프롬프트를 받아 자연어 텍스트를 자동으로 생성하는 것이 LLM의 기본 동작이다.

도서관 하나를 통째로 읽고 다음 단어를 이어 말한다 · 나노바나나 실생성(2026-08, 3주차 도구)

LLM의 구조

트랜스포머

2017년 구글이 논문 「Attention Is All You Need」에서 제안한 신경망 구조다. 지금 쓰는 모든 LLM이 이 구조 위에 있다. 기존 순환 신경망(RNN)과 합성곱 신경망(CNN)의 한계를 넘었고, 언어뿐 아니라 시각·청각·다중모드까지 딥러닝 전 영역에 영향을 주었다. 핵심은 어텐션 메커니즘이다.

입력

"오늘 밤 하늘이"

→

① 토큰화

오늘/밤/하늘/이

→

② 임베딩

숫자 벡터로

→

③ 어텐션 ×N

단어 관계 계산

→

④ 확률

다음 단어 고르기

→

출력

"맑다"

데이터

위키백과, 뉴스, 블로그, 소설 등 인터넷의 텍스트 전부.

연산

GPU 병렬 처리로 수천 개 단어를 동시에 계산한다.

알고리즘

트랜스포머(2017). AI 도약 = 데이터 × 연산 × 알고리즘.

인코더는 입력을 압축해 의미를 파악하고(분류·분석에 강함), 디코더는 의미를 문장으로 바꾼다(생성에 강함). ChatGPT를 비롯한 대화형 모델은 디코더 구조의 발전형이다.

원리 ①

토큰화

정의문장을 모델이 다루는 최소 단위인 토큰(token)으로 나누는 것.

"안녕하세요" → ["안녕", "하세", "요"]
"Hello world" → ["Hello", " world"]

토큰은 단어 전체일 수도, 일부일 수도 있다. LLM은 글자가 아니라 토큰 단위로 읽고 쓴다. 한 번에 넣을 수 있는 글의 길이와 유료 API의 요금도 토큰 수로 센다.

토큰에는 위치 정보도 함께 붙는다. 순서가 바뀌면 뜻이 바뀌기 때문이다.
'개가 고양이를 쫓았다' / '고양이가 개를 쫓았다'

platform.openai.com/tokenizer — "안녕하세요, 미디어아트"는 7토큰이다. 2026-08 실제 화면

원리 ②

임베딩과 잠재공간

정의임베딩(embedding) — 토큰을 고차원의 숫자 벡터로 바꾸는 것. 의미가 비슷한 단어일수록 가까운 좌표에 놓인다.

잠재공간을 2차원으로 눌러 본 그림

개

고양이

코끼리

동물

빨강

파랑

노랑

색

사과

바나나

쌀

음식

왕

여왕

남자

여자

같은 방향 = 같은 관계(성별)

의미가 계산된다

왕 − 남자 + 여자 = 여왕
한국 − 서울 = 프랑스 − 파리

비슷한 것끼리 모인다

동물(개·고양이·코끼리), 색(빨강·파랑·노랑), 음식(사과·바나나·쌀)이 각각 한 덩어리로 모여 있다.

이 성질 덕에 검색("맛있는 음식점"으로 '맛집'·'식당' 문서까지), 번역('dog'와 '개'가 같은 자리), 추천(어벤져스 옆의 아이언맨), 감정 분석('행복하다'·'기쁘다'가 같은 영역)이 가능해진다.

1차원은 선, 2차원은 평면, 3차원은 공간이다. 모델이 쓰는 공간은 1,024차원 같은 고차원이며 이것을 잠재공간(latent space)이라고 한다. 2주차에 본 레픽 아나돌의 작업이 이 잠재공간을 탐사해 시각화하는 방식이다.

시각화 시연: helboukkouri.github.io/embedding-visualization — 수업에서 라이브로 탐색

원리 ③

어텐션

정의어텐션(attention) — 문장 안에서 지금 해석 중인 단어와 관련이 깊은 단어에 더 큰 가중치를 주는 방식.

"어제 비가 많이 와서 우산을 챙겨야겠다고 생각했는데, 오늘은 맑아서 다행이다." — '오늘은 맑아서'를 이해할 때:

'맑아서' 0.9
현재 날씨라서 매우 중요

'어제 비가 많이' 0.8
대조를 위해 중요

'다행이다' 0.7
감정 표현으로 중요

'우산을' 0.3
상대적으로 덜 중요

Query · Key · Value

쿼리는 "날씨에 관한 책을 찾고 싶다"는 질문, 키는 각 책의 제목과 키워드, 밸류는 실제 내용이다. 쿼리와 모든 키의 유사도를 계산해 그 값을 가중치로 밸류를 합친다.

셀프 어텐션

'The animal didn't cross the street because it was too tired'에서 'it'이 'animal'을 가리킨다는 것을, 두 단어의 관련도 0.9로 계산해 알아낸다.

문장 속에서 지금 중요한 단어에만 빛을 준다 · 나노바나나 실생성(2026-08, 3주차 도구)

원리 ④

다음 단어의 확률

"하늘이 ___"

파랗다

40% · 가장 일반적

맑다

30% · 예상 가능

아름답다

20% · 조금 특별

슬프다

10% · 예상 밖

모델은 매번 확률이 가장 높은 단어만 고르지 않는다. 확률에 따라 골라 쓰기 때문에 같은 질문에도 답이 조금씩 달라진다. 이 분포를 조절하는 값이 temperature다 — 낮추면 안정적이고 반복적인 답, 높이면 예상 밖의 단어가 나온다.

'달' 다음에는 빛(0.3), 밤(0.25), 그리움(0.2)이 오고, '바다' 다음에는 파도(0.4), 깊이(0.3), 푸른(0.2)이 온다. 이런 관계가 쌓여 한 편의 글이 된다.

2주차의 "다음 단어 맞히기"의 실제 모습이다. 토큰화, 임베딩, 어텐션은 모두 이 한 가지를 잘하기 위한 장치다.

발전 연표

2017년부터 지금까지

2017	트랜스포머. 지금의 모든 LLM이 딛고 선 구조가 나온다. 논문 「Attention Is All You Need」.
2018~20	GPT-1 → 2 → 3. 구조는 같고 규모만 키웠는데 성능이 크게 올랐다.
2022.11	ChatGPT. 채팅 형태로 공개되자 두 달 만에 사용자 1억 명(UBS 추정).
2023	GPT-4, Claude, Gemini. 세 회사의 경쟁이 시작되고, 모델이 이미지도 읽기 시작한다.
2026	Gemini 3 · GPT-5 · Claude 5 세대. ChatGPT 주간 사용자 10억 명(2026년 7월 발표).

9년 사이에 연구용 구조가 주간 10억 명이 쓰는 서비스가 되었다. 세계 인구 여덟 명 중 한 명이다.

한계 ①

환각

정의환각(hallucination) — 생성 모델이 사실이 아닌 내용을 사실처럼 만들어 내는 현상. — Google 머신러닝 용어집

쉽게다음 단어를 확률로 고를 뿐 사실을 확인하는 장치가 없다. 그래서 모르는 것도 아는 것과 같은 자신감으로 답한다.

이름·연도·인용은 확인한다

작가 이름, 전시 연도, 인용문은 검색으로 확인하고 쓴다.

자료가 중요하면 자료를 준다

내가 올린 자료로만 답하는 노트북LM을 쓴다(4교시).

쓴 곳을 밝힌다

어느 단계에서 AI를 썼는지 적는 것까지가 사용법이다.

오늘 3교시 인터뷰는 재료가 인터넷이 아니라 내 대답이므로 이 문제에서 비교적 자유롭다.

내용이 없어도 자신 있게 건넨다 — 그래서 확인이 필요하다 · 나노바나나 실생성(2026-08, 3주차 도구)

한계 ②

텍스트 모델의 여섯 가지 한계

한계	내용	보완
환각	사실이 아닌 정보를 그럴듯하게 생성한다.	사실은 검색으로 확인한다.
최신성 부족	학습 데이터 이후의 정보는 반영하지 못한다.	검색 연동 기능을 켠다.
편향성	학습 데이터에 있는 사회적 편향이 그대로 나온다.	결과를 그대로 쓰지 않는다.
창의적 한계	완전히 새로운 것보다 패턴의 재조합에 가깝다.	참조와 방향을 직접 주고, 결과는 출발점으로만 쓴다.
일관성 부족	긴 글에서 톤과 설정이 흔들린다.	스타일 가이드를 명시한다.
문화적 맥락 부족	국내의 특정 문화나 최근 흐름을 잘 모른다.	배경과 구체적 예시를 프롬프트에 넣는다.

결국은 학습된 데이터다. 데이터는 사람이 만든 것이고, 사람의 한계를 그대로 갖는다.

대표 LLM · 2026년 8월 실제 화면

제미나이 · ChatGPT · 클로드

Gemini — 구글

gemini.google.com. 구글 검색과 문서에 연결되어 있다. 이 수업의 기본 도구다.

ChatGPT — OpenAI

chatgpt.com. 가장 많이 쓰인다. 주간 사용자 10억 명.

Claude — Anthropic

claude.ai. 긴 글과 코드에 강하다는 평가를 받는다.

프롬프트를 쓰는 방식은 셋이 같다. 이 수업은 지난주에 만든 제미나이 계정으로 진행한다.

비교

무엇이 다른가

	Gemini (Google)	ChatGPT (OpenAI)	Claude (Anthropic)
성격	멀티모달 · 구글 생태계 통합	범용 대화 · 창작	긴 문맥 · 문서 분석
강점	텍스트·이미지·음성·영상을 한 창에서. 최신 정보 연동.	시나리오·카피 같은 창의적 글쓰기. 사용자가 가장 많다.	논문·기획서처럼 긴 글을 읽고 구조화된 요약을 낸다.
연동	Gmail, 문서, 드라이브, 노트북LM, 영상 생성	커스텀 GPT, 외부 서비스 연동	문서 작업, 코드 도구
약점	구글 계정에 묶인다.	무료 버전은 최신 정보 접근이 제한된다.	실시간 정보가 약하다.
비용	무료 시작 · 학생은 AI Plus 무료(2주차 가입)	무료 시작 · 유료 요금제 있음	무료 시작 · 유료 요금제 있음

요금과 모델 이름은 자주 바뀐다. 이 수업에 필요한 기능은 전부 무료 범위 안에 있다.

프롬프트 ①

프롬프트의 기본 요소

정의프롬프트(prompt) — AI 모델이 출력을 만들도록 입력하는 텍스트. 명령, 지시, 질문, 요청이 모두 프롬프트다. 원하는 결과를 얻기 위해 프롬프트를 다듬는 과정을 프롬프트 엔지니어링이라고 한다.

무엇을 담을 것인가 — 기본 4요소

① 명령 — 모델이 수행하기를 원하는 특정 작업
② 맥락 정보 — 명령을 정확히 이해하도록 주는 배경
③ 입력 데이터 — 판단의 근거가 될 내용이나 질문
④ 출력 명세 — 원하는 결과의 유형과 형식

실제로 쓸 때의 네 칸 — Google Workspace 프롬프트 가이드

역할 "너는 미술 전문 인터뷰어다."
작업 "나에게 질문 10개를 던져라."
맥락 "내 작품 주제를 찾는 것이 목적이다."
형식 "한 번에 하나씩, 대답을 듣고 다음 질문을."

두 목록은 같은 것을 다른 순서로 부른다. 오늘 3교시의 프롬프트가 오른쪽 네 칸으로 되어 있다. 한 번에 완벽할 필요는 없다 — 결과를 보고 고쳐 다시 묻는 것까지가 프롬프트 작성이다.

프롬프트 ②

역할 부여

같은 질문이라도 어떤 역할을 주느냐에 따라 답의 관점과 깊이가 달라진다. 프롬프트의 첫 문장을 "너는 ○○이다"로 시작한다.

역할 없이

"좋은 아이디어를 만들어 줘."

역할을 주고

"너는 미디어아트 공모전 심사위원이다. 심사하는 관점에서 내 작품 계획을 평가해 줘."

연구자

담론과 선행 사례를 조사한다

큐레이터

전시 맥락과 스토리텔링을 기획한다

비평가

허점과 논리적 빈틈을 지적한다

철학자

작품에 철학적 질문을 붙인다

디렉터

시각화 방식과 매체를 제안한다

지금 해 본다 — 같은 질문을 역할만 바꿔 두 번 실행하고, 두 답의 차이를 한 줄로 적는다.

역할 목록 참고: AMCA 2026 강의자료(김영아)

프롬프트 ③

단계 나누기와 예시 제공

단계 나누기

한 번에 너무 많은 것을 요구하면 답의 질이 떨어진다.

이렇게 말고: "제목, 키워드, 대본, 썸네일 다 만들어 줘."
이렇게: "주제 후보 10개 → 상위 3개 선별 → 1번으로 대본 작성"

앞 단계의 결과를 다음 단계의 입력으로 넣는 방식을 프롬프트 체이닝이라고 한다.

예시 제공(샷)

제로샷 — 예시 없이 명령이나 단어만 입력한다.
원샷 — 예시를 하나 주고 참고해 작업하게 한다.
퓨샷 — 예시를 2~5개 준다. 예시가 여럿이면 작업의 맥락을 더 정확히 파악한다.

원하는 형식이 분명할수록, 말로 설명하는 것보다 예시를 하나 붙이는 편이 빠르다.

구글이 권하는 방법

공식 프롬프트 가이드 — 네 가지 재료

페르소나

누구로서 답할지. "당신은 전시 기획자다."

작업

무엇을 할지. "내 작업 노트를 요약해 줘."

컨텍스트

배경 정보. "미대 2학년, 기말 영상 작품 준비 중."

형식

어떤 모양으로. "표로", "세 문장으로", "질문 목록으로."

네 가지를 전부 쓸 필요는 없다 — 두어 개만 조합해도 답이 달라진다. 구글의 관찰로는 성과가 좋은 프롬프트가 평균 21단어인데, 실제 사용자 대부분은 9단어가 안 되게 쓴다. 짧은 질문 한 번으로 끝내지 말고, 첫 답을 받고 고쳐 가며 다시 시키는 것이 공식 권장이다.

당신은 전시 기획자다. 미대 2학년인 내가 기말 영상 작품 주제를 찾고 있다. 아래 내 메모를 읽고, 반복해서 나타나는 관심사 세 가지를 각각 한 문장으로 정리해 줘.

출처: 구글 Workspace 프롬프트 가이드 · Gemini 프롬프트 작성 팁(공식 도움말)

3교시

인터뷰 실습

질문 10개로 주제 정하기

왜 주제부터인가

창작의 순서

판단하는 AI와 만드는 AI는 다르다. 기존 AI가 맞고 틀림을 판단했다면, 생성형 AI는 학습한 패턴으로 새로운 글과 그림과 음악을 만든다. 도구도 아날로그(펜·카메라)에서 디지털(편집 소프트웨어)을 지나 지능형 도구(생성형 AI)로 왔다. 제작의 일부를 AI가 나눠 지면서 작가의 일은 앞 칸으로 옮겨간다.

지금까지

손의 기술→제작→완성

AI 이후

개념 설정→프롬프트 설계→생성→선택과 변형→작품화

만드는 사람에서 기획하고, 연출하고, 편집하는 사람으로. 오늘 수업은 이 순서의 첫 칸, 개념 설정이다.

참고: AMCA 2026 강의자료(김영아)

방법

인터뷰로 주제를 찾는 이유

"작품 주제를 정해 오라"는 요구는 막막하다. 그런데 "요즘 어디에 시간을 제일 많이 쓰나"라고 물으면 누구나 답한다. 주제는 새로 지어내는 것이 아니라 내 대답 안에서 골라내는 것이다.

질문이 대답을 따라 깊어진다

AI가 내 대답을 읽고 다음 질문을 정한다. 정해진 설문지와 다른 점이다.

반복이 단서가 된다

열 번의 대답에서 두 번 이상 돌아오는 이야기가 주제 후보다.

고르는 것은 사람이 한다

AI는 후보까지만 만든다. 지난주 뒤샹의 '고르기'가 여기서 실제 행동이 된다.

검색은 정보를 찾고 정답을 고르는 과정이고, 대화는 질문을 넓히고 아이디어를 비교하고 비평하고 수정하는 과정이다. 기획 단계에 필요한 것은 뒤쪽이다.

주제는 지어내는 것이 아니라 대답에서 골라내는 것 · 나노바나나 실생성(2026-08, 3주차 도구)

붙여 넣을 프롬프트

시작 프롬프트

너는 나를 인터뷰하는 미술 전문 인터뷰어다. 목적은 내 작품의 주제를 찾는 것이다. 나에게 질문을 한 번에 하나씩, 모두 10개 던져라. 내 대답을 듣고 나서 다음 질문을 정해라. 내 관심사, 평소 생각, 요즘 마음에 남는 장면, 하고 싶은 말을 파고들어라. 첫 질문부터 시작해라.

앞에서 본 네 칸이 그대로 들어 있다 — 역할(미술 전문 인터뷰어) · 맥락(주제 찾기) · 작업(질문 10개) · 형식(한 번에 하나씩).

한 번에 하나씩 받는다. 열 개를 한꺼번에 받으면 설문지가 된다.

멋있어 보이는 답 대신 실제 답을 쓴다.

한 답을 세 문장 이상 쓴다. 한 줄이면 다음 질문이 깊어지지 않는다.

시범

강사가 먼저 받는다

시작 프롬프트를 넣고 첫 답을 보낸 실제 화면 · 제미나이 Pro · 2026년 8월

강사가 화면에서 첫 두세 질문을 직접 받는다. 두 가지를 본다.

① 답의 길이

짧게 답할 때와 길게 답할 때 다음 질문이 어떻게 달라지는가.

② 붙잡는 대목

AI가 어느 대목을 붙잡고 더 묻는가. 화면에서는 "폐업한 가게의 손글씨 안내문"을 붙잡아 감각의 이유를 파고든다.

실습 ① · 40분

질문 열 개에 답하기

시작 프롬프트를 붙여 넣고 첫 질문을 받는다.

질문 10개까지 답한다. 한 답은 세 문장 이상 쓴다.

질문이 막히면 이렇게 입력한다 — "다르게 물어 줘." "더 구체적으로 물어 줘." "방금 답한 부분을 더 파고들어 줘."

답하다 마음이 움직인 대목은 따로 메모해 둔다. 정리 단계에서 쓴다.

민감한 개인사와 다른 사람의 이야기는 쓰지 않는다 · 불편한 질문은 "다음 질문"이라고 입력해 넘긴다 · 로그인 없이 쓰는 경우 끝나면 전체 대화를 복사해 둔다 · 막히면 손을 든다.

실습 ② · 정리

정리 프롬프트

인터뷰가 끝났다. 지금까지의 내 대답에서 ① 내가 반복해서 말한 관심사 3가지 ② 내가 자주 쓴 단어들 ③ 작품 주제 후보 3개를 뽑아 정리해라. 후보마다 왜 나에게서 나온 주제인지 한 줄씩 붙여라.

결과를 읽고 맞는 것이 있는지 본다. 없으면 다시 요청한다 — "내 대답 중 ○○ 쪽을 더 파서 후보를 다시 뽑아 줘."

기록지에 세 가지를 적는다 — 관심 키워드 · 자주 쓴 단어 · 주제 후보 3개.

실습 ③ · 검증

비평가로 역할 바꾸기

이제 역할을 바꾼다. 너는 엄격한 비평가다. 위 주제 후보 3개의 약점을 하나씩 지적해라.

LLM은 기본적으로 사용자의 말을 긍정하는 쪽으로 답한다. 역할을 바꾸면 같은 모델이 다른 기준으로 본다. 지적을 받고도 남는 후보가 실제 후보다.

구체성

도출된 주제가 충분히 구체적인가.

사회적 연결

개인의 감정을 넘어 지금의 담론과 닿는가.

시각화

추상적 개념이 이미지나 공간으로 만들어질 수 있는가.

매체 확장성

영상, 설치, 인터랙티브로 확장될 수 있는가.

점검 항목 참고: AMCA 2026 강의자료(김영아)

후보 다듬기

주제에서 질문으로

약한 주제는 명사에서 멈춘다. 좋은 주제는 대상을 향한 질문을 담는다. 질문이 되어야 작품이 답할 것이 생기고, 장면과 형식도 거기서 따라 나온다.

명사	질문
꽃	AI는 꽃의 시듦을 기억할 수 있을까?
바다	바다는 오염시킨 인간을 용서할까?
환경	파괴된 환경은 인간의 반성을 기다릴까?

주제와 개념의 차이

주제는 다루는 대상이고, 개념은 그 대상을 보는 나만의 관점이다.
환경 → 기억하는 숲 · 기억 → 데이터를 먹는 바다 · 도시 → 사라진 도시의 기억

지난주에 본 작품들도 질문에서 시작했다.

백남준 · TV 부처

"TV라는 새로운 매체는 인간을 어떻게 바꾸는가?"

아나돌 · 기계 환각

"기계도 꿈을 꾸고 기억을 볼 수 있을까?"

팀랩 · 보더리스

"예술과 관객, 공간의 경계는 존재하는가?"

예시·작가 질문 정리: AMCA 2026 강의자료(김영아)

후보 셋에서 하나로

고르는 기준 세 가지

자꾸 말하게 되는 것

인터뷰에서 두 번 이상 돌아온 이야기.

장면이 떠오르는 것

말이 아니라 그림으로 그려지는 주제. 다음 주부터 이미지로 만든다.

한 학기를 버틸 것

15주 동안 붙들어도 질리지 않을 이야기.

AI는 후보까지 만들었다. 고르는 것은 나다.

오늘의 산출물

주제 한 장

한 문장

내 주제. 앞에서 만든 질문을 그대로 써도 된다.

세 문장

왜 나인가. 인터뷰의 어느 대답에서 나왔는지 적는다.

장면 셋

이 주제로 떠오르는 장면 세 개. 다음 주 이미지 생성의 첫 프롬프트가 된다.

이 한 장이 7주차 기획안의 뼈대이고 기말 작품의 출발점이다.

나눔

주제 셋 듣기

세 명이 주제 한 문장과, 그 주제가 인터뷰의 어느 대답에서 나왔는지 말한다. 듣는 사람은 그 주제의 좋은 점을 하나씩 말해 준다.

비슷한 주제가 나와도 문제되지 않는다. 같은 주제도 장면이 다르면 다른 작품이 된다.

4교시

제미나이 활용

캔버스 · 딥리서치 · 노트북LM · 젬

입력창 아래의 선택

모델 고르기

모델 선택 메뉴 · 2026년 8월 실제 화면(로그인 · Pro)

Flash

빠른 기본 모델. 요약, 아이디어 나열, 가벼운 질문.

사고 모델

답하기 전에 단계적으로 따져 본다. 복잡한 정리와 판단.

Pro

가장 깊은 추론. 긴 자료 분석, 어려운 문제. 오늘 인터뷰도 Pro로 한다.

세 모델 다 무료로 쓸 수 있고, 플랜에 따라 사용량 한도만 다르다. 한도가 다 차면 Flash-Lite로 계속 쓸 수 있다.

입력은 글만이 아니다

파일 올리기

입력창의 + 메뉴 · 2026년 8월 실제 화면

무엇이 올라가나

이미지 · PDF · 문서(DOCX, TXT, 마크다운) · 스프레드시트 · 오디오 · 동영상 · 코드. 구글 드라이브에서 바로 불러올 수도 있다.

한도

한 번에 파일 10개, 파일당 100MB. 동영상은 총 5분, 오디오는 총 10분(유료는 더 길다).

미대생의 쓰임

작업 사진 여러 장을 올려 "반복되는 관심사가 보이나" 묻는다. 긴 공모 요강 PDF를 올려 자격과 마감만 추린다.

문서와 앱을 만드는 곳

캔버스

프롬프트로 문서, 슬라이드, 웹페이지, 앱, 퀴즈, 인포그래픽을 만들고 대화로 고쳐 가는 작업 공간이다. 채팅이 글로 답한다면 캔버스는 결과물 자체를 만든다. 만든 뒤에도 "이 부분만 짧게", "표로 바꿔"처럼 대화로 수정한다.

지금 해 본다 — "방금 정한 내 주제로 발표 슬라이드 3장을 만들어 줘. 1장 주제 질문, 2장 왜 이 주제인가, 3장 떠오르는 장면 셋."

제미나이 캔버스 실행 화면 · 2026-08-30 캡처

글에서 결과물로

캔버스로 만들 수 있는 것

문서

작가 노트, 전시 서문. 구간을 선택해 "짧게", "어조 바꿔" 지시. 구글 Docs로 내보내기.

슬라이드

발표 자료 초안. 내보내서 다른 앱에서 마저 편집.

웹페이지 · 앱

코드를 몰라도 말로 시켜 만든다. 미리보기로 바로 실행해 본다 — 후반 바이브코딩 수업의 원형.

퀴즈 · 인포그래픽

올린 자료를 학습용 퀴즈나 도해로 바꾼다.

지금 해 본다 — "방금 정한 내 주제로 웹페이지를 만들어 줘. 주제 문장이 크게 보이고, 그 아래 장면 셋이 카드로 나열되게."

공유 주의 — 캔버스로 만든 앱을 공개 링크로 공유하면 링크를 가진 모두가 내용을 보고 고칠 수 있다.

출처: 제미나이 공식 도움말 Canvas

대신 조사해 준다

딥리서치

주제를 주면 먼저 조사 계획서를 보여 준다 — 이 계획을 고칠 수 있다. 승인하면 자료 수십 개를 읽고 5~10분 뒤 출처 달린 보고서를 낸다. 보고서는 구글 Docs로 내보내거나 오디오 대화로 바꿀 수 있다. 무료로 쓸 수 있고 횟수 한도가 있다 — 학생 요금제(AI Plus)는 한도가 두 배다. 소스는 웹 검색 외에 Gmail, Drive, 업로드 파일, 노트북LM 노트북까지 지정할 수 있다.

레퍼런스를 요청할 때는 "비슷한 작품"보다 "왜 이 작품이 성공했는가"를 묻는다. 모방이 아니라 분석에서 시작한다.

과제와 연결된다 — "내 주제와 비슷한 작업을 한 미디어아트 작가를 조사해 줘. 작가별로 핵심 질문 한 줄, 대표 작품, 출처 링크를 정리해 줘."

딥리서치 실행 화면 · 2026-08-30 캡처 · 레퍼런스 질문법 참고: AMCA 2026 강의자료(김영아)

저장해 두고 다시 쓴다

젬과 사진 올려 묻기

젬 관리자 실제 화면 · 2026-08-30 캡처 — 사전 제작 젬과 새 Gem 만들기

젬(Gems)

이름과 지침을 저장해 두는 맞춤형 챗봇이다. 목적, 역할, 참고 자료, 답변 방식을 미리 정해 두면 매번 긴 프롬프트를 다시 쓰지 않아도 된다. 만들기는 사이드바 Gems → 새 Gem → 이름과 지침 입력이 전부다. 지침이 엉성하면 "Gemini로 지침 다시 쓰기" 버튼이 다듬어 준다. 파일을 지식으로 첨부할 수 있고, 링크로 남과 공유할 수도 있다. 오늘의 인터뷰 프롬프트를 '인터뷰어' 젬으로 저장하면 주제가 흔들릴 때마다 다시 인터뷰를 받을 수 있다.

사진 올려 묻기

실기 작업 사진을 여러 장 올리고 묻는다. "이 작업들에서 반복되는 관심사나 형태가 보이나?" 말로 찾은 것을 작업 이미지로 다시 확인하는 방법이다.

ChatGPT의 커스텀 인스트럭션도 같은 기능이다 — 내 관심사를 알려 주는 칸과 답변 방식을 지정하는 칸으로 되어 있다.

제미나이 안의 이미지 도구

이미지 생성 — 나노바나나

이미지 생성 실행 화면 · 2026년 8월(로그인 · Pro)

모델

공식 명칭이 나노바나나(Nano Banana)다. 무료도 쓸 수 있고, 상위 모델 나노바나나 Pro는 유료 플랜용.

편집

올린 사진을 고치고, 여러 장을 합성하고, 이미지의 일부만 바꿀 수 있다 — 5주차 수업 전체가 이 도구다.

워터마크

모든 생성 이미지에 보이지 않는 표식(SynthID)이 심어진다. 제미나이에 이미지를 올려 "AI로 만든 이미지야?"라고 물으면 판별해 준다. 눈에 보이는 워터마크는 한국 계정에서는 최상위 플랜만 끌 수 있다.

알아 두면 쓰게 되는 것

그 밖의 기능

Gemini Live

모바일 앱에서 음성으로 실시간 대화. 카메라와 화면을 보여 주며 물을 수 있다. 작업실에서 손이 더러울 때 유용하다.

예약 작업

"매주 월요일 아침에 이번 주 전시 소식 정리해 줘" — 반복 작업을 걸어 둔다. 최대 10개.

@ 연결 앱

입력창에 @를 치면 Gmail, Drive, 캘린더, 유튜브를 지정해 검색시킨다. "@Drive에서 작년 포트폴리오 찾아 줘."

출처 버튼

답변 아래 출처 버튼을 누르면 근거 링크가 옆에 뜬다. 없으면 근거 없이 쓴 답이다 — 환각 점검 습관.

오디오 개요

문서나 조사 보고서를 두 진행자의 대화 오디오로 바꿔 준다. 이동 중에 듣는다.

음악 · 영상

음악 생성(Lyria)과 영상 생성도 앱 안에 있다. 영상 생성은 유료 플랜용 — 이 수업 영상은 6주차부터 전용 도구로 만든다.

출처: 제미나이 공식 도움말 — Live · 작업 예약 · 연결된 앱 · 출처 · 오디오 개요 · 음악/동영상 생성

별도 서비스 · 무료

노트북LM

notebooklm.google.com — 현재 "Gemini Notebook"으로 이름을 바꾸는 중이다. 논문, 기사, PDF, 영상을 올리면 그 자료에 근거해서만 답한다. 인터넷 전체가 아니라 내가 넣은 자료 안에서만 답하므로 환각이 줄고 출처 확인이 쉽다. 자료를 대화형 오디오로 바꿔 주는 기능도 있다.

무료 한도 — 노트북 100개 · 노트북당 소스 50개 · 소스당 50만 단어 · 하루 채팅 50회.

딥리서치 보고서와 작가 인터뷰 기사를 넣고 묻는다 — "이 자료들과 내 주제가 어디에서 닿는지, 어디에서 갈라지는지 정리해 줘."

Gemini Notebook 홈 · 2026-08-30 캡처(구 NotebookLM)

자료가 콘텐츠가 된다

노트북LM — 스튜디오

Gemini Notebook 새 노트북 — 소스 추가 화면과 오른쪽 스튜디오 패널 · 2026년 8월 실제 화면

오디오 오버뷰

올린 자료를 진행자 두 명의 팟캐스트 대화로. 한국어를 지원한다. 심층 분석·요약·비평·토론 네 형식.

비디오 오버뷰

자료를 내레이션 영상으로. 설명 형식은 한국어 지원. 화이트보드·수채화 등 스타일 선택.

마인드맵

자료 전체를 가지 그림으로. 가지를 누르면 그 주제로 바로 질문.

한도

무료 기준 노트북 100개, 노트북당 소스 50개, 소스당 50만 단어. 딥리서치 보고서를 소스로 넣는 조합이 이 수업의 기본기다.

무료로 시작해서 필요할 때만

요금제 — 2026년 8월, 한국 기준

플랜	월 요금	사용량	차이
무료	0원	표준	세 모델 전부 사용 가능 · 딥리서치·캔버스·젬 포함
AI Plus ← 우리	7,500원 · 학생 1년 무료	2배	저장 공간 400GB · 나노바나나 Pro · 영상 생성
AI Pro	29,000원	4배	100만 토큰 문맥 · 노트북LM Pro
AI Ultra	119,000원~	Pro의 4~20배	Deep Think · 유튜브 프리미엄 포함

지난주 가입한 학생 요금제가 AI Plus다 — 신청 기한 2026년 12월 31일, 무료 종료 후 월 7,500원 자동 결제, 안 쓸 거면 만료 전 해지.

출처: one.google.com 한국 요금 페이지 · gemini.google/students (2026-08-30 확인)

올리기 전에 아는 것

내가 쓴 것은 어디로 가나

활동 기록이 켜져 있으면 (기본)

대화와 업로드가 저장되고 구글 AI 학습에 쓰일 수 있다. 일부는 사람 검토자가 읽는다 — 계정 정보와 분리된 뒤 최대 3년 보관.

끄면

이후 대화는 학습에 쓰이지 않는다. 서비스 운영을 위해 최대 72시간만 임시 보관. 대신 일부 기능(연결 앱 등)이 막힌다.

설정 위치

설정 > Gemini 앱 활동. 자동 삭제 기본 18개월 — 3/18/36개월 선택.

수업 규칙

발표 전 공모작, 계약서, 남의 개인정보는 올리지 않는다. 인터뷰에서 말하고 싶지 않은 것은 말하지 않아도 된다 — AI에게도.

출처: 제미나이 개인 정보 보호 허브 · 활동 관리(공식 도움말)

미대생의 쓰임새

전공 작업에서의 활용

작가노트 다듬기

"뜻은 그대로 두고 흐름만 고쳐 줘."

전시 서문 초안

작품 설명을 주고 서문 형태로 받는다. 최종 문장은 직접 쓴다.

공모전 요강 요약

긴 요강에서 자격, 마감, 제출물만 추린다.

레퍼런스 조사

딥리서치로 유사 작업의 작가와 전시를 훑는다.

영어 소통

해외 레지던시 메일과 포트폴리오 문구를 번역한다.

발표 자료

캔버스로 크리틱·합평용 슬라이드 초안을 만든다.

작품 제목 후보

"현대미술 전시 제목처럼, 상업적이지 않게 한글 30개, 영문 30개."

관객 질문 만들기

"내 작품을 본 관객이 돌아가며 생각하게 될 질문 10개."

원칙은 하나다. 초안은 AI가 만들고, 판단과 문장은 내가 정한다. 그리고 어디에 AI를 썼는지 밝힌다.

제목 후보·관객 질문 참고: AMCA 2026 강의자료(김영아)

이번 주 과제

주제 한 장 제출

주제 한 장을 다듬어 제출한다 — 한 문장의 주제, 왜 나인가 세 문장, 떠오르는 장면 셋. 인터뷰 대화 링크(또는 복사한 전체 대화)를 함께 낸다.

딥리서치로 내 주제와 가까운 미디어아트 작가 3인을 조사하고, 작가별 핵심 질문 한 줄과 출처 링크를 적는다.

선택

오늘 프롬프트로 '인터뷰어' 젬을 만들어 저장한다.

다음 시간

이미지 생성형 인공지능 — 미드저니

4주차에는 미드저니로 내 주제의 톤과 미감을 정한다. 오늘 쓴 장면 셋이 첫 프롬프트가 된다.

준비물은 결제 수단이다. 다음 주 수업에서 미드저니 Basic(월 10달러)을 함께 결제하고 시작한다. 학기 중 세 번의 구독 가운데 첫 번째다.

오늘 한 일

LLM이 어떻게 작동하는지 보았다. 문장을 토큰으로 쪼개고, 숫자 벡터로 바꾸고, 어텐션으로 관련 있는 단어를 찾아, 다음 단어를 확률로 고른다. 그 원리 위에서 프롬프트 쓰는 법을 익혔고, 그 도구로 내 주제를 정했다. 손에 남은 것은 주제 한 장이다. 다음 주에 이 주제가 처음으로 이미지가 된다.