제너러티브 디자인

많은 반복과 질서가 있고 난 후에 작가는 약간의 혼란을 느낄 수 밖에 없다.

랜덤

랜덤은 엔트로피의 최대 표현이다. 어떻게 하면 예측 가능하고 엄격한 코드 환경 내에서 무작위성을 생성할 수 있을까?

먼저, 다음 함수를 분석해보자:

위 함수는 사인파의 소수점이하를 추출하고 있다. -1.0 에서 1.0 사잇값을 갖는 sin()의 소수점이하를 자르면 0.0 에서 1.0 사이의 양의 값이 반환된다. 이 현상을 이용하여 이 사인파를 더 작은 조각으로 "분할"함으로써 의사난수를 얻을 수 있다. 어떻게? sin(x)의 결과에 더 큰 숫자를 곱한다. 위에 있는 함수를 클릭하고 0을 추가해보아라.

100000.0에 도달할 때 쯤이면(식은 다음과 같을 것:y = fract(sin(x)*100000.0)), 사인파를 더 이상 구분할 수 없게된다. 사인파의 흐름이 부분 부분 세분화로 인해 혼돈의 카오스가 되어버렸다.

카오스 제어

랜덤을 사용하는것은 어려울 수 있다 - 지나치게 혼란스럽거나, 충분히 무작위적이지 않을 수 있기 때문이다. 다음 그래프를 보아라. 이를 위해 위에서 설명한 대로 정확히 구현된 rand()함수를 사용하고 있다.

자세히 보면 -1.5707 및 1.5707에서 sin()파의 마루를 볼 수 있다.
이제 이해했을 것이다 - 그곳이 바로 사인파의 최대와 최소가 발생하는 곳 이다.

랜덤 분포를 자세히 살펴보면, 가장자리에 비해 중간주위가 더 집중되어 있다는 것을 알 수 있다.

얼마 전 Pixelero는 랜덤 분포에 대한 흥미로운 글을 출판했다. 이전 그래프에서 그가 사용하는 기능 중 일부를 추가해 여러분이 가지고 놀 수 있도록 했고, 분포가 어떻게 바뀔 수 있는지 알아보도록 했다. 함수의 주석을 해제해보며 어떻게 되는지 확인해보아라.

Pixelero's article를 읽어보면, rand()함수는, 결정론적 난수(의사난수라고도 알려진)임을 강조한다. 즉, 예를 들어 rand(1.)는 항상 동일한 값을 반환한다. Pixelero는 모든 호출에 다른 값을 반환하는 비결정론적인 ActionScript 함수 Math.random()을 참고한다.

2차원 랜덤

이제 무작위성을 더 잘 이해했으니 x축과 y축 모두에 2차원으로 적용해야 할 때이다. 그러기 위해서는 2차원 벡터를 1차원 부동 소수점 값으로 변환하는 방법이 필요하다. 다양한 방법이 존재하지만, 이 경우 dot() 함수가 특히 도움이 된다. 두 벡터의 정렬에 따라 0.0에서 1.0 사이의 단일 부동 소수점 값을 반환한다.

13~15번째 줄을 보면서 vec2 st를 또 다른 2차원 벡터(vec2(12.9898,78.233)와 어떻게 비교하고 있는지 알아보자.

• 14행과 15행의 값을 변경해 보시오. 무작위 패턴이 어떻게 변하는지 보고 여기서 무엇을 배울 수 있는지 생각해 보시오.

• 이 랜덤 함수를 마우스 상호 작용(u_mouse)과 시간(u_time)에 연결하여 작동 방식을 더 잘 이해할 수 있도록 해보자.

카오스 이용

2차원 랜덤은 TV의 노이즈와 많이 닮았다. 그렇지 않은가?
이것은 이미지를 합성하는 데에는 사용하기 어려운 원료다. 이를 활용하는 방법을 배워보자.

첫 번째 단계는 그리드를 이것에 적용하는 것이다; floor()search=floor) 함수를 사용하여 셀의 정수 표를 생성할 것이다. 다음 코드, 특히 22번과 23번째 줄을 보시오.

공간을 10배 확대한 후(21번째 줄에서), 좌표의 정수와 소수 부분을 분리한다. 우리는 이 마지막 작업에 익숙하다. 왜냐하면 공간을 0.0~1.0의 더 작은 셀로 세분화하기 위해서 이 방법을 사용해왔기 때문이다. 좌표의 정수를 구함으로써 단일 셀처럼 보이는 픽셀 영역에 대한 공통 값을 분리할 수 있다. 그런 다음 공통 정수를 사용하여 해당 영역에 대한 임의의 값을 얻을 수 있다. 랜덤 함수는 결정론적이기 때문에 반환되는 랜덤 값은 해당 셀의 모든 픽셀에 대해 일정하다.

29번째 줄의 주석을 해제해보면 좌표의 소수 부분을 보존하는 것을 알 수 있고, 그 값을 각 셀 안에 있는 것들을 그리기 위한 좌표계로 사용할 수 있다.

이 두 값(정수 부분과 좌표의 소수 부분)을 조합해보면 다양성과 질서를 혼합할 수 있다.

다음은 유명한 10 PRINT CHR$(205.5+RND(1);: GOTO 10 미로 생성기의 GLSL 포팅 버전이다.

앞 장(41~47번째 줄)의 truchetPattern() 함수를 사용하여 셀의 임의의 값을 사용하여 한 방향으로 선을 그린다.

50~53행의 블럭을 주석 처리하여 또 다른 흥미로운 패턴을 얻을 수도 있고, 35와 36행에 주석을 해제함으로써 패턴을 애니메이션화할 수도 있다.

랜덤 마스터

일본의 전자 작곡가이자 시각 예술가인 Ryoji Ikeda는 랜덤 사용을 마스터했다. 그의 작품에 감동하고 매료되지 않는 것은 어렵다. 그가 시청각 매체에서 랜덤을 사용하는 것은 성가신 혼란이 아니라 우리 기술 문화의 복잡성의 거울이 되는 방식으로 만들어졌다.

Ikeda의 작업을 살펴보고 다음 연습에 도전하십시오:

• 랜덤 값으로 움직이는 셀(반대 방향)의 행을 만들어 보아라. 더 밝은 셀만 표시하여라. 행의 속도가 시간에 따라 변화하도록 하여라.

• 마찬가지로 여러 행을 만들지만, 각 행마다 속도와 방향을 다르게 만들어라. 표시할 셀의 임계값에 마우스 위치를 연동해라.

• 다른 흥미로운 효과를 만들어 보아라.

심미적으로 랜덤을 사용하는것(특히, 자연스러워 보이는 시뮬레이션을 만들고 싶어서)은 문제가 될 수 있다. 랜덤은 단순히 지나치게 혼란스럽고 현실에서 random()처럼 보이는 것은 거의 없다. 빗물 패턴이나 재고 차트를 보면, 두 가지 모두 꽤 랜덤처럼 보이지만, 이 장 첫머리에 우리가 만든 랜덤 패턴과는 전혀 다르다. 이유는? 랜덤 값은 서로 상관관계가 없지만 대부분의 자연 패턴은 이전 상태에 대한 기억을 가지고 있다.

다음 챕터에서는 컴퓨테이셔널 카오스를 일으키는 부드럽고 자연스러워 보이는 방법인 노이즈에 대해 알아볼 것 이다.