지식 그래프 기반 생성형 AI 콘텐츠 창작을 위한 국가유산 유형별 데이터 특성 연구 = A Study on Data Characteristics by National Heritage Type for Knowledge Graph-based Generative AI Content Creation

국문 초록 (Abstract)

(연구배경 및 목적) 최근 생성형 AI 시장의 급격한 성장과 함께 국가유산 데이터의 공공 개방이 본격화되고 있다. 그러나 방대한 데이터를 생성형 AI 창작 프로세스에 통합하는 과정에서 실존하지 않는 양식을 합성하는 등의 할루시네이션 문제를 해결하기 위한 연구가 부족한 실정이다. 이에 본 연구는 지식그래프 기반의 생성형 AI 창작을 위해 국가유산 디지털 데이터 유형별(문화, 무형, 자연유산) 대표사례를 분석하여 생성형 AI 콘텐츠 창작을 위한 국가유산 데이터 활용 특성을 도출하는데 목적이 있다. (연구방법) 생성형 AI 기반의 국가유산 콘텐츠 창작 특성을 체계적으로 분석하기 위해 국가유산을 문화유산, 무형유산, 자연유산의 세 가지 유형으로 분류하고, 유형별 대표 사례의 국가유산 데이터 및 데이터 형식을 지식그래프의 의미·맥락적 관계 구조화(CIDOC CRM)와 데이터 계보 추적(PROV-O)을 중심으로 분석하여 생성형 AI 콘텐츠 창작을 위한 지식그래프 기반 국가유산 데이터 활용 특성을 도출한다. (결과) 사례 분석 결과, 문화유산은 이미지·3D 에셋·도면 등 정형 시각 데이터 중심으로 구성되어 있으며, AI가 학습하였을 때 원천 데이터와의 형태적 일치성이 일관되게 도출되는 일관성이 주요 특성으로 나타났다. 무형유산은 공연 영상·음원·사설 텍스트 등 시간 기반의 멀티모달 비정형 데이터 중심으로 구성되어 있으며, AI가 학습하여 특정 보유자의 발성·동작·장단이 사실적으로 재현되는 행위 기반 재현성이 주요 특성으로 확인되었다. 자연유산은 3D 포인트 클라우드·GPS 좌표·LiDAR 등 정량적 수치 데이터 중심으로 구성되어 있으며, AI가 학습하여 원천 측량 데이터와 일치하는 수준의 정밀성이 주요 특성으로 도출되었다. (결론) 본 연구는 국가유산 데이터의 생성형 AI 활용 특성을 도출하기 위해 원천데이터, 학습 및 창작, 출력으로 이어지는 구조적 분석 틀을 제시하였다. 특히 데이터의 의미·맥락 구조화(CIDOC CRM)와 데이터 계보 추적(PROV-O)을 결합한 지식그래프를 통해, 국가유산이 단순 시각 자료를 넘어 지식 기반의 논리 체계로 기능할 수 있는 학술적 기틀을 마련하였다는 데 의의가 있다. 제안된 분석 틀은 생성형 AI의 할루시네이션 문제를 억제하는데 이론적·구조적 기반을 제시한다. 본 연구가 향후 실증적 파이프라인 설계 및 국가유산 AI 콘텐츠 제작 지침 수립의 기초 자료가 되기를 기대한다.