Why It Matters

Computational creativity—the study and development of software that exhibits behavior that would be considered creative in humans—has existed as a research field for decades. But the emergence of large generative models has transformed it from a niche academic pursuit into a cultural force. When AI can generate poetry, music, visual art, and narrative that audiences find meaningful, the question shifts from "can machines be creative?" to "what does creativity mean when machines participate in it?"

This shift has consequences for artistic practice, education, and criticism. If creativity is no longer an exclusively human capacity, then the frameworks through which we evaluate, teach, and reward creative work must be fundamentally reconsidered. Recent research suggests this reconceptualization is already underway—and it is more nuanced than either the techno-utopian or techno-dystopian narratives suggest.

The Science / The Practice

Machine-Led Aesthetics

Paksi (2025) presents a narrative review examining how human-AI collaboration reshapes creativity, emphasizing both opportunities and ethical tensions. The paper introduces the concept of "machine-led aesthetics"—aesthetic qualities that emerge from algorithmic processes rather than human intention. This is a provocative framing: rather than asking whether AI can produce art that meets human aesthetic standards, Paksi asks whether AI creates new aesthetic categories that humans learn to appreciate. The parallel to photography's early history—initially dismissed as non-art, now a fully recognized medium—is instructive.

Generative Collective Intelligence

Kehler and Pentland (2025), with 4 citations, propose a framework called Generative Collective Intelligence (GCI) that positions AI in dual roles: as interactive agents and as infrastructure that accumulates, organizes, and leverages collective human knowledge. The framework, emerging from MIT and Santa Fe Institute research, argues that the most powerful creative outcomes arise not from individual human-AI pairs but from systems where AI mediates collaboration among many humans. This represents a shift from "AI as creative tool" to "AI as creative ecosystem"—a fundamentally different vision of computational creativity.

Algorithmically Literate Art Criticism

Maheswari et al. (2025) argue that AI-generated art requires a new form of art criticism—one that is "algorithmically literate." Traditional art criticism evaluates works based on human intention, cultural context, emotional expression, and technical skill. AI-generated art challenges all four criteria. The paper proposes a framework for evaluating AI art that incorporates understanding of the generative process, training data provenance, and the human-AI interaction that shaped the output. This is a significant contribution to arts education and curatorial practice.

Emergent Creativity from Simple Rules

Schaap and Hedblom (2024) provide a fascinating case study with AutomaTone, an interactive music generator based on Conway's Game of Life. The system produces music through cellular automata—simple rules that generate complex emergent behavior. The paper discusses whether such emergent outputs can be called "creative," connecting computational creativity to complexity theory and emergence. The finding is that creativity may not require intention: complex, aesthetically interesting outputs can emerge from systems with no goals, preferences, or awareness—a philosophically challenging result.

Computational Creativity Framework Comparison

What To Watch

The field is moving toward a post-anthropocentric view of creativity—not denying human creativity's value, but recognizing that creativity may be a property of complex systems rather than an exclusively human trait. Watch for the development of standardized evaluation frameworks for computational creativity (the field currently lacks consensus metrics), and for the integration of GCI-style collective frameworks into creative industries where teams of humans and AI agents collaborate on large-scale projects like film, game development, and architectural design.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 작업에서 인용하기 전에 특정 연구 결과, 통계 및 주장은 원본 논문을 통해 검증해야 한다.

컴퓨테이셔널 크리에이티비티와 알고리즘 작곡: 기계가 공동 저자가 될 때

왜 중요한가

컴퓨테이셔널 크리에이티비티(computational creativity)—인간에게서 창의적이라고 여겨질 행동을 보이는 소프트웨어의 연구 및 개발—는 수십 년간 연구 분야로 존재해 왔다. 그러나 대규모 생성 모델의 등장은 이를 틈새 학문적 추구에서 문화적 힘으로 변모시켰다. AI가 관객이 의미 있다고 느끼는 시, 음악, 시각 예술, 서사를 생성할 수 있게 되면서, 질문은 "기계가 창의적일 수 있는가?"에서 "기계가 창의성에 참여할 때 창의성은 무엇을 의미하는가?"로 전환되었다.

이러한 전환은 예술적 실천, 교육, 비평에 영향을 미친다. 창의성이 더 이상 인간만의 능력이 아니라면, 우리가 창의적 작업을 평가하고, 가르치고, 보상하는 틀을 근본적으로 재고해야 한다. 최근 연구는 이러한 재개념화가 이미 진행 중임을 시사하며—기술 유토피아적 또는 기술 디스토피아적 서사가 제시하는 것보다 훨씬 더 미묘한 방식으로 이루어지고 있다.

과학 / 실천

기계 주도 미학

Paksi(2025)는 인간-AI 협업이 창의성을 어떻게 재편하는지를 검토하는 서술적 리뷰를 제시하며, 기회와 윤리적 긴장 모두를 강조한다. 이 논문은 "기계 주도 미학(machine-led aesthetics)"이라는 개념을 도입한다—인간의 의도가 아닌 알고리즘 프로세스에서 발생하는 미적 특질이다. 이는 도발적인 프레이밍이다. AI가 인간의 미적 기준을 충족하는 예술을 생산할 수 있는지를 묻는 대신, Paksi는 AI가 인간이 학습하여 감상하게 되는 새로운 미적 범주를 창조하는지를 묻는다. 초기에 비예술로 무시되다가 현재는 완전히 인정받는 매체가 된 사진의 초기 역사와의 유사성은 시사하는 바가 크다.

생성적 집단 지성

Kehler와 Pentland(2025)는 4회 인용으로, AI를 상호작용하는 에이전트이자 집단적 인간 지식을 축적, 조직, 활용하는 인프라로서의 이중 역할에 위치시키는 생성적 집단 지성(Generative Collective Intelligence, GCI) 프레임워크를 제안한다. MIT와 Santa Fe Institute 연구에서 도출된 이 프레임워크는, 가장 강력한 창의적 결과물이 개별 인간-AI 쌍이 아니라 AI가 다수의 인간 간 협업을 매개하는 시스템에서 발생한다고 주장한다. 이는 "창의적 도구로서의 AI"에서 "창의적 생태계로서의 AI"로의 전환을 나타내며—컴퓨테이셔널 크리에이티비티에 대한 근본적으로 다른 비전이다.

알고리즘적으로 소양 있는 예술 비평

Maheswari 외(2025)는 AI 생성 예술이 "알고리즘적으로 소양 있는(algorithmically literate)" 새로운 형태의 예술 비평을 요구한다고 주장한다. 전통적인 예술 비평은 인간의 의도, 문화적 맥락, 감정적 표현, 기술적 역량에 기반하여 작품을 평가한다. AI 생성 예술은 이 네 가지 기준 모두에 도전한다. 이 논문은 생성 프로세스에 대한 이해, 훈련 데이터 출처, 결과물을 형성한 인간-AI 상호작용을 포함하는 AI 예술 평가 프레임워크를 제안한다. 이는 예술 교육 및 큐레이토리얼 실천에 대한 중요한 기여이다.

단순한 규칙에서 발생하는 창의성

Schaap과 Hedblom(2024)은 Conway의 생명 게임(Game of Life)에 기반한 인터랙티브 음악 생성기인 AutomaTone에 대한 흥미로운 사례 연구를 제시한다. 이 시스템은 세포 자동자(cellular automata)—복잡한 창발적 행동을 생성하는 단순한 규칙—를 통해 음악을 생산한다. 이 논문은 그러한 창발적 결과물을 "창의적"이라고 부를 수 있는지를 논의하며, 컴퓨테이셔널 크리에이티비티를 복잡계 이론 및 창발과 연결한다. 창의성에는 의도가 필요하지 않을 수 있다는 것이 발견 결과이다. 즉, 복잡하고 미적으로 흥미로운 결과물은 목표, 선호, 또는 인식이 없는 시스템에서도 창발할 수 있으며—이는 철학적으로 도전적인 결과이다.

컴퓨테이셔널 크리에이티비티 프레임워크 비교

주목할 동향

이 분야는 창의성에 대한 탈인간중심적 관점으로 나아가고 있다—이는 인간 창의성의 가치를 부정하는 것이 아니라, 창의성이 인간만의 고유한 특성이 아닌 복잡계의 속성일 수 있음을 인식하는 것이다. 컴퓨테이셔널 창의성에 대한 표준화된 평가 프레임워크의 개발(현재 이 분야에는 합의된 지표가 없다)과, 영화·게임 개발·건축 설계 등 대규모 프로젝트에서 인간과 AI 에이전트 팀이 협업하는 창의 산업에 GCI 방식의 집단 프레임워크가 통합되는 흐름에 주목할 필요가 있다.

관련 연구는 ORAA ResearchBrain에서 탐색할 수 있다.