과장: 벌이 아니라 추정

"dead-literal 한 그림은 종종 죽은 그림이야. 밀기를 벌하는 채점기는 시체를 향해 채점하는 거야."

Procrustes 의 경계

앞 레슨의 Procrustes 트릭은 아름답지만, 정확한 가장자리가 있어. 위치, 크기, 기울기 — similarity 변환 — 를 걷어내고, 그 이상은 안 해. 의도적 늘임 은 살아남아: gesture 를 literal 을 넘어 밀고, pose 에 생명을 주려 뻗음이나 기울기를 과장했으면, 네 작도가 정렬 뒤에 도 레퍼런스와 달라. 순진한 채점기는 그 남은 차이를 오류로 읽고 감점해. 근데 오류가 아냐. 살아있는 그림을 소심한 복사에서 가르는 딱 그거야. Procrustes 가 경계를 찾았고; 이제 채점기가 그 너머에 있는 것에 답해야 해.

추정하고, 벌하지 마

답은 조용한 존중의 행위야. 늘임으로 감점하는 대신, 채점기는 네가 얼마나 과장했는지 추정해 — k-hat 이라 부를 단일 인자 — 를 네 그림의 파라미터로 다루고, 걷어내. 네 과장을 fit 하고, 네가 실제로 뻗던 걸(레퍼런스를 네 k-hat 으로 민 것) 재구성하고, 네 작도를 그것에 대고 채점해. 넌 네 밀기 아래서 입체를 일관되게 봤는지로 채점받지, 평평하고 literal 하게 그렸는지가 아냐. 과장은 정보로 네게 돌려 보고돼 — 절대 벌로 빼지 않아.

왜 이게 인간적이고, 또 옳아

이건 그냥 친절이 아냐; 더 나은 모델링이야. 과장을 벌하는 채점기는 체계적으로 평범을 보상해 — 조심스럽고 literal 한 복사가 대담하고 살아있는 걸 이길 거고, 도구가 조용히 소심함을 훈련해. 밀기를 대신 추정함으로써, 채점기는 인센티브를 좋은 그림이 실제로 뭔지에 맞춰: 강하고 일관된 gesture 를 강하고 일관된 literal 판독만큼 보상해. 인간적과 옳음이 여기선 같은 선택으로 드러나, 정당한 스타일 차원을 벌하는 게 애초에 정확한 적이 없었으니까.

한 걸 모델링하지, 편차를 감점하지 마

밑엔 그림을 훨씬 넘어가는 원칙이 있어: 레퍼런스에서의 편차가 실수가 아니라 의미 있는 선택일 때, 오류로 벌하는 대신 파라미터로 모델링해. 뻣뻣한 rubric 과 지능적인 것의 차이; 이상으로부터의 고정 거리를 재는 것과 사람이 실제로 작업한 더 풍부한 모델을 fit 하는 것의 차이. Loomis 는 세 갈래 분리를 해 — 관심 없는 pose 를 걷어내고, 벌하면 안 되는 과장을 추정하고, 남은 작도 정확도를 채점해. 그 분해를 옳게 하는 게 정확한 정답지가 표현적 예술과 편안히 공존하게 해.

Code

스타일을 파라미터로 추정; 그 아래서 채점·python

# Procrustes removed position/size/tilt. A deliberate STRETCH survives it.
# Naive: treat the leftover as error. Humane AND correct: estimate it, factor it out.
def grade_with_exaggeration(yours, reference):
    aligned = procrustes_similarity(yours, reference)    # remove POSE (a nuisance)
    k_hat   = estimate_exaggeration(aligned, reference)  # fit the STYLE as a factor
    modeled = apply_exaggeration(reference, k_hat)       # what they were reaching for
    return construction_score(aligned, modeled)          # grade under THEIR push

# Scored on seeing the solid CONSISTENTLY, not on drawing it dead-literal.
# k_hat is reported back as information -- never subtracted as a penalty.
# Three-way split: pose (aligned away), exaggeration (estimated), construction (graded).

Exercise

정당한 스타일적·전략적 선택을 오류인 양 벌하는, 네가 아는 평가 시스템을 찾아 — 템플릿에서 벗어남을 감점하는 글쓰기 rubric, 유효한 관용구를 flag 하는 코드 linter, 하나의 '옳은' 폼을 가정하는 피트니스 점수. 재설계해봐: 그 선택을 모델링하려 어떤 파라미터를 추정해서, 평가가 선택 자체를 벌하는 대신 그 선택 아래의 실력을 채점하게 할까?

Hint

단서는 하나의 이상에서의 거리를 재고 모든 거리를 '틀림' 이라 부르는 규칙이야, 그 거리 일부가 방어 가능한 결정일 때조차. 해법은 Loomis 를 거울처럼: 실제로 선택인 차원(voice, 관용구, 스타일, 전략)을 식별하고, 사람이 거기서 어디 떨어졌는지 추정하고, 하나의 축복받은 기본이 아니라 그것에 상대적으로 실행을 채점해.