디자이너의 의도 추론을 위한 디자인 작업 특성 기반 베이지안 네트워크 구축

Abstract

조형적 차원에서 디자인 대상은 디자인 요소들 및 그 속성들의 조합으로 설명될 수 있으며, 이에 따라 디자인 작업은 그러한 요소들을 선택 및 배치하고 그 속성들을 조절하는 과정으로 여겨질 수 있다. 한편 인공지능 시대에 기계 학습에 기반한 지능형 에이전트의 등장은 다수의 디자인 결과물이 빠르고 편리하게 생성될 수 있도록 하였으나, 디자이너들 각 개인의 스타일에 대한 취향이나 작업 특성 등을 학습하여 디자인 작업 중 주로 반복적이고 탐색적인 행동들이 보다 빠르고 편리하게 이루어지도록 돕는 데에는 아직 큰 활약을 보이지 못하고 있다. 이에 본 연구는 디자이너의 작업 패턴 및 디자인 요소 데이터에 기반한 베이지안 네트워크를 구축하여 에이전트가 디자이너의 의도를 추론할 수 있도록 하는 방법을 제안한다. 이를 위하여 우선 디자인 지식 유형에 따라 디자이너의 작업 패턴과 특정 디자인 스타일에 대한 디자이너의 의도가 형성되는 과정을 살펴보고, 이를 각각 방향성 비순환 그래프와 조건부 확률표로 전환하여 베이지안 네트워크를 구축할 수 있음을 밝힌다. 이후 한 명의 디자이너를 대상으로 한 실험을 진행하는데, Think-Aloud 방법을 활용하여 디자이너의 작업 패턴을 추출하고, 디자이너의 작업 결과물을 분석하여 디자인 요소 데이터를 추출한 뒤, 디자이너의 의도 추론을 위한 베이지안 네트워크를 구축한다. 구축된 베이지안 네트워크는 예측 추론을 통하여 디자이너의 의도가 반영된 디자인 요소의 속성들을 제안하거나 자동으로 적용할 수 있을 뿐만 아니라, 진단 추론을 통하여 특정 디자인 스타일을 구현하려는 디자이너의 의도를 추론할 수 있다.

A design object can be described as a combination of design elements and their properties, and thus a design activity can be regarded as a process of selecting and arranging those elements and adjusting their properties. The emergence of intelligent agents in the era of artificial intelligence enables a number of design results to be generated quickly and conveniently, but there is still little way to assist designers in the way of learning the tastes of styles or working characteristics of each individual designer. The purpose of this study is, from the perspective of human-machine symbiosis, to propose a method to enable intelligent agent to infer designer's intention using Bayesian network based on the pattern of designer's action and the data of design elements. To this end, first, the process by which the pattern of designer's action and the designer's intention for a particular design style are shaped by the types of design knowledge is explained. Second, it is confirmed that those two can be converted respectively into directed acyclic graphs (DAG) and conditional probability tables (CPT), and thirdly, by the combination of the two, it is argued that the Bayesian network for inferencing designer's intention can be constructed. In order to implement this theoretical argument, an experiment with a designer was conducted. The Think-Aloud method was used to extract the pattern of designer's action, and the analysis of design results in element units was performed to extract the data of design elements. The Bayesian network built as a result of the experiment can not only propose or automatically apply the properties of the design elements reflecting the designer's intention through the prediction, but also infer designer's intention to implement specific design style through diagnostic inference.