핵심 비유
스마트폰 키보드의 '다음 단어 추천' 기능을 떠올려 보자. '오늘 날씨가'라고 치면 '좋다'나 '흐리다'를 추천해준다. AI 음악도 똑같다. '도레미파'가 들리면 '솔'이 올 확률이 높다는 걸 수만 곡에서 배운 AI가, 소리 조각 하나하나를 추천하면서 멜로디 전체를 완성하는 것이다. 키보드가 단어를 이어붙여 문장을 만들듯, AI는 소리 조각을 이어붙여 노래를 만든다.
핵심 포인트
- AI는 수만 곡의 음악을 학습한 뒤, '지금까지 들린 소리 다음에 어떤 소리가 올 확률이 높은가'를 계속 계산해서 음악을 한 조각씩 만들어간다. 이것이 '다음 토큰 예측(next-token prediction)'이다.
- 음악은 연속적인 파형이기 때문에 AI가 직접 다루기 어렵다. 그래서 긴 음악을 아주 짧은 소리 조각(토큰)으로 잘게 나눈 뒤, 이 토큰들의 순서를 예측하는 방식으로 작동한다.
- Suno·Udio 같은 서비스는 사용자가 '신나는 팝 노래'처럼 짧은 문장을 입력하면, AI가 그 설명과 어울리는 토큰 순서를 골라내어 보컬과 반주가 있는 완성곡을 수십 초 만에 출력한다.
- AI 음악 생성에는 ChatGPT와 같은 트랜스포머(Transformer) 구조가 쓰인다. 텍스트에서 다음 단어를 예측하는 것과 원리가 같고, 대상이 '단어' 대신 '소리 조각'으로 바뀐 것이다.
- AI는 학습 데이터의 패턴 안에서만 결과를 만들어낸다. 전혀 새로운 감정이나 맥락을 스스로 느끼고 표현하는 것은 여전히 인간만의 영역이며, AI는 창작을 돕는 도구로 이해하는 것이 중요하다.
교사 팁
수업 도입에서 학생들이 실제로 Suno(suno.com)에 짧은 가사나 분위기 설명을 입력하고 곡을 생성해보게 한 뒤, "AI가 왜 이런 음을 선택했을까?"라는 질문을 던지면 효과적이다. Chrome Music Lab Song Maker로 격자를 채워 멜로디를 먼저 직접 만들어 본 다음 AI 결과물과 비교하면, '패턴 예측'의 개념이 체험으로 연결된다. 마무리에는 "AI가 만든 음악과 사람이 만든 음악, 무엇이 다를까?"를 모둠 토론으로 진행하면 비판적 AI 리터러시까지 자연스럽게 연결된다.