This study structurally analyzes the algorithmic filtering process by which generative AI images are either selected or discarded before reaching users, and models this process through a visual similarity–based simulation. Images generated by Stable Diffusion are placed on a two-dimensional grid, and a modified version of Conway’s Game of Life algorithm is applied to update the state of each cell. The survival of each cell is determined based on a hybrid visual similarity metric combining CLIP and LPIPS. To prevent the rigidity of the simulation and sustain emergent dynamics, random image injections are periodically introduced. The simulation results reveal that visually similar images repeatedly form clusters, and a visual order gradually converges toward a structurally stabilized state. This suggests that specific visual orders can emerge solely from algorithmic selection criteria, independent of human interpretation. By shifting focus from semantic or symbolic analysis to the experimental conditions for the existence and persistence of images, this study proposes a new analytical perspective for understanding digital image environments.

디지털 미디어의 급속한 진화는 광고 콘텐츠 분야에서 혁신적이고 매력적인 시각적 콘텐츠의 필요성을 강조하면서 큰 영향을 미치고 있다. 본 연구는 기술 발전과 창의적인 광고 요구 사 이의 격차를 해소하는 것을 목표로 짧은 이미지 광고를 만드는 데 있어서 생성적 인공 지능 (AI)의 잠재력을 탐구하고자 하였다. 현대 미디어 환경에서 광고 콘텐츠의 형태와 소비 방식이 급변하고 있으며 특히 소셜 미디어와 디지털 플랫폼에서 짧은 형태의 비디오 및 이미지 콘텐 츠의 중요성이 증가하고 있다. 이러한 변화 속에서, 본 연구는 AI 기술을 활용하여 효과적인 애드버콘텐츠 이미지를 생성하는 새로운 방법론을 제시하고자 하였다. 연구는 먼저 생성형 AI 의 기본 이론과 광고 콘텐츠 제작에 있어 주요 요소들을 검토하고 이를 바탕으로, 인공지능을 활용하여 생성된 이미지 콘텐츠를 제안한다. 이 논문은 광고 콘텐츠 제작에 있어 생성형 AI의 가능성을 탐색하고 미디어 콘텐츠 제작의 미래 방향 및 광고 산업에 중요한 시사점을 제공한 다는 점에서 의의를 찾을 수 있다.