이미지 프롬프트, 명사가 형용사보다 강하다 — 강수진 박사 4대 실험 (GPT 이미지 2 vs 나노바나 프로)

01핵심 개요

02핵심 내용 구조

• 도입 OX 퀴즈 4문항으로 통념 점검: ① 키워드보다 문장이 좋다(△ 모델별 상이) ② 명사보다 형용사가 중요하다(X 명사가 우위) ③ 긍정어가 부정어보다 좋다(O) ④ 한국어가 영어보다 결과가 좋다(X 목적에 따라 다름).
• 실험 대상은 최근 출시된 GPT 이미지 2(다국어 렌더링·한국어 깨짐 없음, 생성 전 추론=네이티브 씽킹)와 나노바나 프로.
• 강 박사 메시지: 남이 좋다고 따라 쓰지 말고, 하고 싶은 것을 정한 뒤 최적 모델·도구를 고르는 비판적 사고가 이 시대의 역량.

03기술적 맥락

• 모델별 편향(bias)이 결과를 좌우: "뷰티"는 GPT가 여신·결점 없는 인물을, 나노바나는 일상 속 조화로운 아름다움을 생성. "신성함"은 GPT가 불상·석상에 편중, 나노바나는 다양한 종교·기도 장면. "성공"도 GPT는 산 정상·만세하는 남성, 나노바나는 졸업·직장 등 사회적 성취로 문화적 차이를 보임.
• GPT 이미지 2는 플랫폼과 API 결과 차이가 큼 — API 단에서 고해상도·고밀도 포스터·인포그래픽까지 정교하게 출력.
• 모델별 학습 방식이 프롬프트 형식을 결정: 초기 스테이블 디퓨전·미드저니는 키워드 중심, 상위 버전·플럭스는 문장형 서술이 맥락 보완에 유리. 강 박사는 GPT 이미지 2·나노바나는 키워드형으로 판단.

04전략적 의미

• 의미적 공백(프롬프트에 명시되지 않은 부분)은 모델이 학습된 편향으로 자의적 채움 → 원하는 결과는 변수를 명시적으로 지정해야 통제 가능.
• 언어는 단순 번역 문제가 아니라 문화 코드: 한국 이미지를 원하면 한국어, 애니메이션은 일본어, 중국 제작 영상툴은 중국어가 유리(단일 의미 전달로 모델의 자의적 해석 여지 축소).
• 프롬프트 공유 문화가 조직 자산화 — 무엇이 좋고 나쁜지 토론하는 컬처가 생성형 AI 활용 역량을 끌어올림.

05핵심 워크플로우/방법론

• 실험 1 (명사 vs 형용사): "발레리나"만 주면 GPT가 7회 생성 시 거의 동일 패턴(학습된 편향). "하얀 투투를 입고 도는 어린 발레리나"처럼 명사의 상태·특징을 함께 주면 일관성이 생김. 이미지 프롬프트 3요소 = 대상(필수) · 동작 · 스타일, 그중 명사(대상)가 최강 트리거.
• 실험 2 (키워드 위치·문장 순서): 핵심 대상을 앞에 두면 인물 중심, 뒤로 빼면 배경·분위기 중심으로 구도·포커싱·비율이 이동. GPT 이미지 2가 위치 변화에 더 민감, 나노바나는 변동 작음.
• 실험 3 (부정어): 직접 부정("빨강 쓰지 마")은 부분적으로만 지켜져 잔여 발생, 의미적 부정("쿨한 색감 써")이 더 깔끔. 부정 항목이 많을수록 모델 불문 정확도 급락 → 부정 최소화·긍정 지시 권장.
• 실험 4 (한국어 vs 영어): 같은 의미라도 입력 언어의 문화 고유성이 반영(전통 아침상=한국식 vs 서구식, 남산타워는 한국어가 정확). 90년대 스냅샷 실험에서 국문은 화질·플래시 강하고 결점 없는 동양인, 영문은 자연스러운 피부·서구 인물 경향.

06활용 시나리오

• 자영업자·일반 사용자: 추상어(러브·프리덤) 대신 구체적 대상·동작·스타일을 명사 중심으로 지정해 안정적 결과 확보.
• 디자이너·콘텐츠 제작: 같은 프롬프트를 위치만 바꿔 재생성하며 인물 강조 vs 배경 강조를 미세 조정.
• 글로벌 타깃 작업: 목표 시장 문화에 맞는 언어로 프롬프트 작성(한국풍=한국어, 애니=일본어, 중국툴=중국어)해 의도된 문화 코드 확보.

07현황 및 전망

• 모델 우열은 업데이트마다 뒤바뀌므로 단정 금물 — 현 시점 기준 나노바나 프로가 변동성 적고, GPT 이미지 2는 미세 조정 폭이 큼.
• 한국어·영어 텍스트 격차가 줄며 이미지 생성도 번역 의존도 하락 — 단 섬세한 터치는 영어가 여전히 유효.
• 프롬프트 오픈소스화·사내 공유 논의가 화두로 부상, 공유할수록 적용 사례가 쌓여 원천 프롬프트 가치가 오히려 상승.

08용어 사전