데이터는 읽히기 전까지 이미지가 아니다

Ben Fry의 Processing, Valence, All Streets, Fathom Information Design을 통해 데이터 시각화를 장식이 아니라 읽기 가능한 구조를 만드는 미디어아트 방법으로 살펴보는 글.

Ben Fry를 단지 Processing의 공동 창안자로만 기억하면 그의 작업에서 가장 중요한 긴장이 희미해진다. Fry에게 코드는 이미지를 만드는 편리한 도구가 아니라, 복잡한 세계를 읽기 가능한 형태로 옮기는 사고의 장치다. 데이터는 그 자체로 말하지 않는다. 데이터는 수집되고, 정리되고, 걸러지고, 매핑되고, 인터페이스 안에서 다시 탐색될 때 비로소 어떤 주장과 감각을 갖는다.

그래서 Fry의 작업은 데이터 시각화를 차트의 문제로 좁히지 않는다. 그는 MIT Media Lab의 실험적 디자인 문화, Processing의 교육적 오픈소스 생태계, 대규모 정보 구조를 다루는 소프트웨어 스케치, 그리고 Fathom Information Design의 실무적 데이터 인터페이스를 하나의 연속선 위에 놓는다. 그 연속선에서 미디어아트는 더 화려한 이미지를 만드는 일이 아니라, 보이지 않던 구조를 어떻게 보이게 할지 결정하는 일에 가까워진다.

Processing은 코드의 문턱을 낮춘 문화적 인프라였다

Processing은 Fry와 Casey Reas가 2001년 MIT Media Lab에서 시작한 시각적 코딩 환경이다. 이 프로젝트의 핵심은 프로그래밍을 완성된 공학 산출물의 언어가 아니라 스케치와 실험의 언어로 바꾸는 데 있었다. 예술가, 디자이너, 학생은 긴 소프트웨어 개발 절차보다 먼저 작은 선, 반복되는 형태, 움직이는 이미지, 반응하는 인터페이스를 만들며 코드가 무엇을 할 수 있는지 몸으로 배울 수 있었다.

이 접근성은 단순한 친절이 아니다. 누가 코드 기반 미학에 들어올 수 있는가를 바꾸는 제도적 조건이다. 컴퓨터 그래픽과 소프트웨어 예술이 전문가의 실험실에만 머물 때와, 교실·작업실·온라인 커뮤니티에서 반복 가능한 스케치 문화가 될 때 미디어아트의 기반은 달라진다. Fry의 기여는 여기에서 개별 작품을 넘어 도구와 교육, 커뮤니티의 형식으로 확장된다.

오늘 p5.js, openFrameworks, TouchDesigner, WebGL, 생성형 AI 인터페이스를 사용하는 창작 환경도 이 질문을 이어받는다. 코드를 빨리 배우는가보다 중요한 것은 코드가 어떤 방식으로 사고를 외부화하게 만드는가다. Processing의 유산은 쉬운 문법이 아니라, 결과 이미지를 만드는 사람보다 결과가 생겨나는 조건을 관찰하는 사람을 길러낸 데 있다.

데이터 시각화는 예쁘게 보이는 기술이 아니라 편집의 윤리다

Fry의 Visualizing Data와 프로젝트들은 데이터 시각화를 완성된 그래프의 장르가 아니라 과정으로 다룬다. 질문을 세우고, 데이터를 모으고, 구조를 정리하고, 필터링하고, 시각적 변수로 매핑하고, 사용자가 다시 탐색하게 만드는 흐름 전체가 시각화다. 이 과정에서 이미지는 데이터의 표면 장식이 아니라 해석의 장치가 된다.

Valence와 Genome Valence는 이 태도를 잘 보여 준다. Fry는 거대한 정보 집합 안의 관계와 밀도를 하나의 탐색 가능한 시각 환경으로 바꾸었다. 표 안에 갇힌 데이터가 아니라, 관계가 당겨지고 밀집하고 흩어지는 구조를 관객이 감각적으로 읽게 만든 것이다. 여기서 알고리즘은 중립적 계산 장치가 아니다. 알고리즘은 무엇을 가까이 두고, 무엇을 멀리 두며, 어떤 관계를 눈에 띄게 할지 선택하는 편집의 체계다.

All Streets는 더 압축적인 사례다. 미국의 도로 세그먼트만으로 지도처럼 보이는 이미지를 만들 때, Fry는 행정 경계나 산맥을 직접 그리지 않는다. 오히려 도로의 밀도와 공백이 지형과 인구, 개발의 차이를 드러내게 한다. 데이터 시각화의 힘은 정보를 더하는 데만 있지 않다. 무엇을 제거해야 구조가 말하기 시작하는지 판단하는 데 있다.

읽을 수 있는 이미지는 책임을 요구한다

Fry의 방법은 AI와 플랫폼 시대에 더 중요해진다. 오늘의 시각 시스템은 데이터셋, 모델, 프롬프트, 인터페이스, 사용자 로그, 평가 지표가 뒤엉킨 구조 위에서 이미지를 만든다. 생성형 AI의 결과물을 단지 멋진 그림으로 소비하면 그 이미지가 어떤 데이터와 분류 체계, 어떤 편향과 누락을 통과했는지 보이지 않는다. Fry식으로 묻는다면 핵심은 “무엇을 생성했는가”가 아니라 “어떤 구조를 읽을 수 있게 만들었는가”다.

이 질문은 미디어아트 교육과 전시에도 적용된다. 데이터 기반 몰입형 설치가 관객을 압도할수록, 작품은 자신이 사용하는 데이터의 출처와 누락, 매핑 방식, 인터페이스의 권력을 더 분명히 드러내야 한다. 아름다운 시각화는 때로 설명보다 강한 설득을 수행한다. 그래서 읽기 쉬운 이미지는 언제나 책임을 동반한다. 명료함은 중립성이 아니라 선택의 결과이기 때문이다.

한국의 창작코딩·미디어아트 교육 환경에서도 Fry는 유용한 기준점이다. TouchDesigner나 p5.js 중심의 수업이 실시간 효과와 화면의 즉각성에 치우칠 때, Fry는 데이터를 어떻게 읽게 만들 것인가라는 질문을 돌려준다. 공공 데이터, 도시 정보, 생태 데이터, AI 출력, 관객 행동 기록을 다루는 작업이라면 더더욱 그렇다. 시각화는 장식이 아니라 관객이 시스템을 이해하도록 만드는 공적 인터페이스가 되어야 한다.

남는 판단 기준

Ben Fry의 중요성은 코드와 데이터를 미디어아트의 재료로 만들었다는 데서 끝나지 않는다. 그는 그것들을 배울 수 있고, 탐색할 수 있고, 비판적으로 읽을 수 있는 구조로 만들었다. Processing은 코드의 문턱을 낮췄고, 그의 데이터 시각화 작업은 복잡한 정보가 이미지가 되는 순간에도 해석과 책임이 사라지지 않는다는 점을 보여 준다.

따라서 오늘 남는 질문은 단순하다. 이 이미지는 무엇을 보여 주는가가 아니라, 무엇을 읽게 만드는가. 데이터가 아름다운 패턴으로만 소비될 때 미디어아트는 세계를 더 잘 보게 하는가, 아니면 복잡성을 더 매끄럽게 숨기는가. Fry를 다시 읽는 이유는 바로 그 경계에서 시작된다.