어딘가에, 조향사의 작업실과는 전혀 닮지 않은 실험실에서 — 수백 개의 갈색 병이 가득한 오르간도, 책상 위에 공작새처럼 펼쳐진 시향지도 없고, 문 뒤에 걸린 얼룩진 가죽 앞치마도 없는 곳에서 — 한 기계가 향수를 조합하고 있다. 그 기계는 냄새를 맡지 못한다. 코가 없다. 베티버가 자몽과 잘 어울리는지에 대한 의견도 없고, 조합에 톱노트에 더 가벼움이 필요하거나 베이스에 더 따뜻함이 필요하다는 본능도 없다. 그 기계는 데이터만 있다. 지난 세기의 약 40만 개의 조향 공식이 디지털화되어 소비자 패널 점수, 판매 수치, 지역별 선호도, 분자 기술자 설명과 함께 라벨링되어 있다. 특정 성분 조합과 소비자 반응 — 구매 의도, 인지된 품질, 감정적 연상, 재구매 확률 — 사이의 통계적 상관관계를 식별하도록 훈련된 알고리즘이 있다. 그리고 그 알고리즘에게 모든 측정 가능한 기준에서 최적일 공식 하나를 만들어 달라고 요청했다.
12분
그 기계는 성공할 것이다. 만들어낸 공식은 소비자 패널에서 좋은 점수를 받을 것이다. 다양한 인구통계학적 집단에서 긍정적인 평가를 받을 것이다. 누구도 불쾌하게 하지 않을 것이다. 누구도 혼란스럽게 하지 않을 것이다. 산업계가 ‘상업적 균형점’이라 부르고, 기능하는 코를 가진 누구나 ‘익숙한’ 영역이라 부르는, 후각 공간의 편안하고 인구가 많은 영역을 차지할 것이다. 대부분의 사람들이 만났을 때, 완벽하게 좋은 냄새라고 판단할 것이다.
문제는 ‘완벽하게 좋은’ 것이 과연 조향술인가 하는 점이다.
기계학습을 향수 개발에 적용하는 것은 추측이 아니다. 지금 이 순간, 세계 최대 향수 및 향료 기업의 연구 부서에서 산업 규모로 이루어지고 있다. 기술 수준은 다양하다 — 어떤 시스템은 비용과 가용성에 기반해 성분 대체를 제안하는 비교적 단순한 예측 모델이고, 다른 시스템은 수십 년간의 독점 공식 데이터를 학습한 심층 신경망이다 — 하지만 근본적인 논리는 모두 같다. 기존 공식과 소비자 반응 데이터를 대량으로 기계에 공급한다. 기계가 분자 조성 및 인간 선호 간의 통계적 관계를 학습하게 한다. 그런 다음 소비자에게 원하는 결과의 확률을 극대화하는 새 공식을 생성하도록 요청한다.
본질적으로, 이것은 조향술에 적용된 회귀 분석이다. 의미 있는 창작 행위는 아니다.
이 구분은 중요하며, 그 이유에 대한 정확한 이해가 필요하다. 대부분의 기계학습 핵심 수학 기법인 회귀 분석은 데이터 점 구름을 통과하는 최적의 직선을 찾는다. 중심 경향을 식별한다. 평균이 어디에 있는지 알려준다. 이는 많은 응용 분야에서 매우 유용하다. 부동산 가격, 소비자 행동, 질병 경로, 선거 결과를 예측하고자 할 때 평균을 아는 것은 많은 정보를 준다. 하지만 조향술은 예측 문제가 아니다. 적어도 역사적으로는 창조적 문제였다. 창조적 문제는 중심을 찾는 것으로 해결되지 않는다. 경계를 찾는 것으로 해결된다.
산업을 진정으로 바꾼 모든 향수, 되돌아보면 시대를 정의하거나 새로운 카테고리를 연 모든 조합은 당시의 합의에서 벗어났다. 최초의 현대 페퍼리 향수는 1882년 당시 남성 향수에 대한 기대와 달랐다. 최초의 대형 알데히드 플로럴은 1920년대 여성 향수에 대한 기대와 달랐다. 최초의 디하이드로미르센올과 헤디온을 사용한 신선한 남성 향수는 1980년대 남성 향수에 대한 기대와 달랐다. 최초의 분자적 깨끗한 피부 머스크 향수는 2000년대 초 어떤 향수에도 기대되지 않았다. 모든 경우에, 조합이 성공한 이유는 기존 선호에 맞췄기 때문이 아니라 새로운 선호를 창조했기 때문이다. 중심을 찾은 것이 아니라 중심을 이동시켰다.
역사적 데이터로 훈련된 알고리즘은 구조적으로 중심을 이동시킬 수 없다. 찾을 수만 있다. 매우 정밀하게 찾을 수 있고, 어떤 인간 조향사도 따라올 수 없는 효율성으로 균형점을 차지하는 공식을 생성할 수 있다. 하지만 균형점을 차지하는 것은 혁신이 아니다. 최적화다. 그리고 조향술의 역사는 최적화와 혁신이 같지 않으며, 실제로는 상반될 수 있음을 시사한다.
반론이 있다. 진지한 검토가 필요하다. 반론은 이렇다: 인간 조향사도 일종의 알고리즘이라는 것이다. 그들은 후각 데이터 집합 — 자신이 맡은 모든 냄새, 연구한 모든 공식, 경력 동안 관찰한 모든 소비자 반응 — 에 대해 훈련된 생물학적 신경망이다. 그들의 창작 과정은 낭만주의자들이 상상하는 것처럼 뮤즈로부터 내려오는 영감의 번쩍임이 아니다. 패턴 인식, 재조합, 반복적 세련화다. 조향사는 오르간 앞에 앉아 경험과 직관에 기반해 재료를 선택하고, 시험 공식을 혼합하고, 평가하고, 조정하고, 다시 평가한다. 과정은 경험적이지 신비적이지 않다. 기계가 같은 작업을 더 빠르고 체계적으로 수행할 수 있다면, 정확히 무엇이 사라지는가?
사라지는 것은 ‘실수’다.
역설적으로 들리겠지만, 정확히 말하자. 인간 조향사는 실수를 한다. 성분을 과다 투여해 예상치 못한 효과를 발견한다. 시험 배치를 우연히 오염시켜 오염물이 흥미로운 무언가를 더한다는 것을 발견한다. 합성 향료의 돌파구 역사는 이런 우연한 충돌로 가득하다. 자신의 노트를 잘못 읽어 의도하지 않은 재료를 조합해 결과가 계획보다 더 좋게 나온다. 조향술 역사는 이런 사고들로 점철되어 있다 — 의도된 설계가 아니라 우연한 재료 충돌 덕분에 독특한 특성을 가진 조합들이다.
알고리즘은 이런 실수를 하지 않는다. 알고리즘은 지시받은 대로만 한다. 목적 함수를 최적화한다. 기울기를 따른다. 우연히 미지의 영역에 들어가지 않는다. 아예 모험하지 않는다. 수학적 정밀도로 최적점으로 이동한다. 그리고 소비자 패널 데이터로 정의된 최적점은 항상 중심이다. 평균이다. 합의다.
실수의 창조적 잠재력은 낭만적 환상이 아니다. 모든 창조적 분야에서 잘 문서화된 현상이다. 오염된 페트리 접시 때문에 페니실린을 발견한 생물학자. 설명할 수 없는 잡음 때문에 우주 배경 복사를 발견한 물리학자. 공연 중 현이 끊어져 즉흥 연주를 하며 새로운 화성 언어를 발견한 음악가. 이들은 어설픈 사람들을 위로하기 위해 지어낸 이야기가 아니다. 창조적 돌파구는 종종 계획에서 벗어난 편차에서 나오며, 편차를 제거하도록 설계된 시스템은 돌파구 가능성도 제거한다는 일반 원칙의 문서화된 사례다.
두 번째 철학적 반대는 선호의 본질에 관한 것이다.
이 알고리즘이 훈련된 소비자 패널 데이터는 선언된 선호를 측정한다. 사람들이 묻는 대로 좋아한다고 말하는 것을 기록한다. 하지만 선언된 선호와 실제 선호는 다르다. 선언된 선호는 보수적이다. 익숙한 것과 낯선 것 중 선택하라 하면 대부분의 사람들은 대부분의 상황에서 익숙한 것을 선택한다. 이는 어리석음이 아니다. 1968년 Journal of Personality and Social Psychology에 로버트 자용츠가 처음 기술한 잘 알려진 인지 편향인 단순 노출 효과다. 후각 평가에서 강력히 작용하는데, 공유된 어휘가 없기에 소비자가 왜 좋아하거나 싫어하는지 설명하기가 특히 어렵다. 기존 카테고리에 속하지 않는 진정한 새 향수 앞에서 소비자 패널은 대개 낮은 점수를 준다. 향수가 나빠서가 아니라 평가할 틀이 없기 때문이다.
소비자 패널 데이터로 훈련된 알고리즘은 이 보수성을 물려받는다. 새로움은 위험하고 익숙함은 안전하다는 것을 학습한다. 사람들이 가장 높게 평가하는 향수는 이미 높게 평가한 향수와 가장 비슷한 향수라는 것을 학습한다. 요컨대, 소비자 조사에서 가장 근본적인 교훈을 학습한다: 사람들은 이미 좋아하는 것을 좋아한다. 그리고 그에 따라 최적화한다.
결과는 산업계가 ‘안전한 선택’이라 부르는 것을 만들어내는 데 매우 능숙한 기계다 — 실패하지 않고, 최소한의 상업적 생존 가능성을 갖고, 누구도 놀라게 하거나 불쾌하게 하거나 도전하지 않는 향수. 이런 향수는 팔릴 것이다. 어떤 것은 매우 잘 팔릴 것이다. 하지만 산업을 바꾸지는 못할 것이다. 산업을 바꾸려면 소비자 패널이 점수 매길 수 없는 무언가를 만들어야 한다. 조향술을 바꾼 조합들은 모두 창작 당시 놀라움이었다. 아무도 요구하지 않은 것, 예비 테스트에서 점수가 낮았던 것, 데이터가 성공을 예측하지 않았지만 한 사람 — 조향사, 크리에이티브 디렉터, 기업가 — 이 데이터에도 불구하고 믿었던 것.
알고리즘은 데이터에도 불구하고 무언가를 믿을 수 없다. 데이터에도 불구하고 믿는 것은 알고리즘이 본질적으로 할 수 없는 유일한 일이다. 알고리즘은 데이터를 따른다. 그것이 장점이자 한계다. 그리고 가장 중요한 결정이 데이터를 거스르는 분야, 창조적 진보의 역사가 합의를 무시하고 옳았던 사람들의 이야기인 분야에서 이 한계는 사소하지 않다. 근본적이다.
내가 지지하지 않는 점을 분명히 하자. 인공지능이 조향술에서 아무 역할도 하지 않는다고 주장하지 않는다. 명백하고 가치 있는 응용이 있다. 규제 변경으로 제한 성분이 제거될 때 재조합 과정을 가속할 수 있다. 조합의 특성을 유지하면서 가격을 낮추는 경제적 대체를 제안할 수 있다. 대규모 소비자 피드백 데이터를 분석해 인간 분석가가 놓칠 수 있는 트렌드를 식별할 수 있다. 가능한 성분 조합의 다차원 공간을 매핑해 인간 조향사가 아직 탐색하지 않은 영역을 밝혀낼 수 있다. 이는 한때 상업 비밀에 묶여 있던 공식을 기체 크로마토그래피가 해독했던 것과 같다. 유용한 기능이다. 시간 절약, 비용 절감, 조향사의 도구 상자 확장에 기여한다. 진지한 사람은 반대하지 않는다.
내가 주장하는 것은 이것들이 모두 최적화 기능이라는 점이다. 기존 과정을 더 효율적으로 만든다. 창조하지 않는다. 최적화와 창조의 구분은 단순한 의미상의 차이가 아니다. 알려진 풍경을 통과하는 최적 경로를 찾는 것과, 풍경이 알려진 경계를 넘어 확장되어 있음을 발견하는 것의 차이다. 기계학습은 전자에 뛰어나다. 후자는 구조적으로 불가능하다. 후자는 정의상 데이터를 넘어서는 것을 요구하고, 기계학습은 정의상 데이터에서 패턴을 추출하는 방법이기 때문이다.
향수 산업이 계산 도구에 열광하는 것은 이해할 만하다. 현대 향수 경제는 가혹하다. 상업용 향수 개발 평균 기간은 수년에서 수개월로 압축되었다. 브리프는 더 엄격해졌다. 예산은 줄었다. 실패 비용은 높아졌다. 이런 환경에서 허용 가능한 공식을 만드는 데 필요한 반복 횟수를 줄여주는 도구는 매우 귀중하다. 하지만 ‘허용 가능’은 이 문장에서 많은 역할을 한다. 허용 가능한 공식은 브리프를 충족하고, 테스트에서 적절한 점수를 받고, 비용 한도를 넘지 않는 공식이다. 허용 가능한 공식은 걸작이 아니다. 대부분의 경우 특별히 흥미롭지도 않다. 적절할 뿐이다. 그리고 산업 규모에서 적절함은 예술의 적이다.
마지막 고려 사항이 있다. 아마도 가장 불안한 점일 것이다. 향수 개발이 소비자 데이터로 훈련된 알고리즘 도구에 점점 더 의존할수록, 산업 생산은 통계적 평균으로 수렴할 것이다. AI가 최적화한 새 공식은 설계상 선호 분포의 중심을 차지할 것이다. 시간이 지나면서 중심 자체는 이동하겠지만 느리게 이동할 것이다. 알고리즘 생산이 훈련된 선호를 강화하기 때문이다. AI 최적화 향수에 반복적으로 노출된 소비자는 그 향수에 의해 형성된 선호를 개발하고, 그 선호는 다음 세대 알고리즘의 훈련 데이터가 된다. 결과는 피드백 루프다: 기계는 사람들이 좋아하는 것을 만들고, 사람들은 기계가 만든 것을 좋아하게 되며, 기계는 더 많이 만든다.
이것은 가상의 시나리오가 아니다. 알고리즘 추천 및 생성 시스템을 도입한 다른 창조 산업에서 이미 일어난 정확한 현상이다. 참여도를 최적화하는 음악 스트리밍 플랫폼은 대중음악의 음향 특성에서 측정 가능한 수렴을 만들어냈다 — 더 크고, 더 짧고, 더 반복적이며, 후렴이 더 빨리 나오고, 다이내믹 레인지가 좁아졌다. 주의를 최적화하는 소셜 미디어 플랫폼은 인기 콘텐츠의 시각적 특성에서 수렴을 만들어냈다 — 더 채도가 높고, 더 잘라내고, 감정적으로 더 극단적이다. 알고리즘은 의도적으로 풍경을 평평하게 만드는 것이 아니다. 평균을 최적화하는 부작용으로 평평하게 만든다.
향수 산업도 이 역학에서 자유롭지 않다. 산업 개발 파이프라인이 합의 최적화 AI 도구에 점점 더 의존하게 되면, 필연적으로 후각 영역이 축소된다. 단일 향수로 축소되는 것이 아니라 — 시장이 너무 크고 세분화되어 있기 때문에 — 각 세그먼트 내에서 축소된다. 신선한 남성 향수는 수렴할 것이다. 달콤한 여성 향수는 수렴할 것이다. 우드 오리엔탈 향수도 수렴할 것이다. 각 카테고리는 내부적으로 더 균질해질 것이다. 새 항목을 설계하는 알고리즘이 기존 항목을 만든 동일한 데이터로 훈련되기 때문이다. 영역은 한 점으로 축소되지 않고 집합체로 축소된다.
이것이 중요한지는 향수가 무엇을 위한 것인지에 달려 있다. 만약 산업, 시장 수요에 맞춘 소비재를 생산하는 상업이라면, 최적화가 올바른 전략이고 수렴은 감수할 만한 비용이다. 소비자는 원하는 것을 얻고, 기업은 돈을 벌며, 아무도 불평하지 않는다.
하지만 향수가 또한 예술, 기존 선호를 만족시키는 것을 넘어 새로운 후각 경험 가능성을 드러내는 창조적 분야라면, 수렴은 비용이 아니다. 재앙이다. 예술은 어떤 정의에 있어서도 놀라움의 가능성을 요구한다. 다음 조합이 아무도 맡아본 적 없는 무언가, 어떤 데이터도 예측하지 못한 무언가, 기존 카테고리에 속하지 않아 소비자 패널이 거부했을 무언가일 가능성을 요구한다.
알고리즘은 그것을 만들어낼 수 없다. 조향사는 할 수 있다. 신뢰할 만하게, 꾸준히, 기한 내에, 예산 내에 할 수는 없지만, 가끔, 예측 불가능하게, 모든 상업적 논리에 반하여, 수백 개의 갈색 병으로 둘러싸인 오르간 앞에 앉은 인간이 어떤 기계도 제안하지 않았을 재료 조합을 만들어내고, 결과는 진정한 새로움이 될 것이다. 중심을 차지하는 것이 아니라 중심을 이동시키는 무언가. 데이터가 작동하지 않을 것이라 말한 무언가.
그 순간들은 드물다. 점점 더 드물어진다. 산업이 주의를 기울이지 않으면, 완전히 사라질 것이다 — 기술이 금지해서가 아니라 경제가 그 자리를 허락하지 않기 때문이다. 기계는 조합할 것이다. 기계는 최적화할 것이다. 기계는 모든 패널에서 좋은 점수를 받고 누구도 불쾌하게 하지 않는 완벽하게 좋은 향수를 만들어낼 것이다.
그것이 조향술로 간주되는지는 기계가 판단할 수 없다. 판단은 코가 해야 할 일이다.
