AI & Poem 서비스를 직접 기획하고 개발하면서, 저는 매일 수백 편의 AI 생성 시를 읽습니다. 어떤 시는 놀라울 정도로 아름답고, 어떤 시는 기계적 조합의 한계를 여실히 드러냅니다. 이 글을 쓰게 된 계기도 바로 그 경험에서 비롯되었습니다. 사용자가 "외로움"이라는 단 한 단어를 입력했을 때, AI가 생성한 시 한 편이 저를 잠시 멈추게 만들었습니다. 분명 기계가 쓴 글인데, 왜 마음이 움직이는 걸까요?
최근 인공지능(AI) 기술의 발전으로 그림, 음악, 그리고 문학까지 창작의 영역이 확장되고 있습니다. 특히 AI & Poem과 같은 서비스는 단 몇 초 만에 사용자가 원하는 주제로 시를 써내려갑니다. 그렇다면 차가운 기계인 AI는 어떻게 인간의 전유물이라 여겨졌던 '감성'을 흉내 내어 시를 쓸 수 있는 것일까요? 이 글에서는 기술적 원리부터 실제 AI가 생성한 시의 문학적 분석, 그리고 시 생성 과정의 단계별 해설까지 깊이 있게 다루어 보겠습니다.
거대 언어 모델(LLM)의 마법
AI가 시를 쓰는 능력의 핵심에는 거대 언어 모델(Large Language Model, LLM)이 있습니다. GPT와 같은 모델은 수십억 개 이상의 문장과 텍스트 데이터를 학습했습니다. 이 과정에서 AI는 단순히 단어를 암기하는 것이 아니라, 단어와 단어 사이의 확률적 관계, 문맥, 그리고 뉘앙스를 배웁니다.
예를 들어, "봄"이라는 단어 뒤에 "꽃", "따뜻함", "새싹" 같은 단어가 올 확률이 높다는 것을 통계적으로 이해하는 것입니다. 하지만 시는 단순한 확률 게임이 아닙니다. 은유와 상징이 필요하죠. LLM은 방대한 문학 작품을 학습하는 과정에서 "봄"이 "희망"이나 "시작"을 상징할 수 있다는 것까지 파악합니다. 이러한 다층적 언어 이해가 AI 시 창작의 기반이 됩니다.
트랜스포머 아키텍처: AI 시 창작의 엔진
LLM이 시를 쓸 수 있게 만든 기술적 혁신의 중심에는 트랜스포머(Transformer) 아키텍처가 있습니다. 2017년 구글 연구팀이 발표한 논문 "Attention Is All You Need"에서 처음 제안된 이 구조는, 오늘날 거의 모든 언어 AI의 근간을 이루고 있습니다.
셀프 어텐션(Self-Attention) 메커니즘
트랜스포머의 핵심은 셀프 어텐션(Self-Attention) 메커니즘입니다. 이전 세대의 AI 모델은 문장을 앞에서부터 순차적으로 읽었기 때문에, 문장이 길어지면 앞부분의 맥락을 잊어버리는 문제가 있었습니다. 셀프 어텐션은 이 한계를 극복합니다. 문장 속 모든 단어가 다른 모든 단어와의 관계를 동시에 계산하기 때문입니다.
시를 쓸 때 이것이 왜 중요할까요? "가을바람이 불어오면 / 낙엽처럼 흩날리는 / 지난날의 기억들"이라는 시구에서 "기억들"이라는 단어는 "가을바람"과 "낙엽" 모두와 관련됩니다. 셀프 어텐션은 이 세 단어 사이의 연결 강도를 수치로 계산하여, "기억"이 "낙엽처럼 흩날린다"는 은유적 구조를 자연스럽게 생성할 수 있게 합니다.
토큰화와 문맥 윈도우
AI가 시를 쓰기 전에, 입력된 텍스트는 먼저 토큰(token)이라는 작은 단위로 분해됩니다. 한국어의 경우 형태소 수준으로 쪼개지는데, 예를 들어 "아름다운"은 "아름", "다운" 등의 토큰으로 나뉠 수 있습니다. AI는 이 토큰들의 패턴을 학습하고, 다음에 올 가장 적합한 토큰을 예측하며 시를 한 조각씩 완성해 나갑니다.
문맥 윈도우(context window)는 AI가 한 번에 참고할 수 있는 토큰의 최대 범위를 의미합니다. 최신 모델들은 수만 개의 토큰을 동시에 처리할 수 있어, 긴 시에서도 처음에 등장한 이미지나 감정을 마지막까지 일관되게 유지할 수 있습니다.
온도(Temperature)와 창의성 조절
AI 시 생성에서 흥미로운 매개변수 중 하나가 온도(Temperature)입니다. 온도를 낮추면 AI는 가장 확률이 높은, 즉 가장 '안전한' 단어를 선택합니다. 반대로 온도를 높이면, 확률이 낮지만 독창적인 단어 조합을 시도하게 됩니다. 시는 예측 가능한 언어보다 놀라운 조합에서 아름다움이 피어나는 장르입니다. 그래서 AI & Poem은 시 생성 시 적절히 높은 온도를 설정하여, 기계적 반복이 아닌 창의적 표현이 나올 수 있도록 조율하고 있습니다.
패턴 인식과 창의성
AI는 학습된 데이터 속에서 시적인 패턴을 찾아냅니다. 수만 편의 시를 분석하며 운율, 리듬, 그리고 시적 허용과 같은 구조를 익힙니다. 사용자가 "이별의 슬픔"이라는 주제를 던져주면, AI는 그 주제와 관련된 감정적 어휘들을 연결하고, 학습한 시적 구조에 맞춰 문장을 재배열합니다.
- 연상 작용: '눈물'이라는 단어에서 '비', '바다', '흐림' 등을 연상합니다.
- 구조화: 기승전결이나 4행시 같은 형식을 갖춥니다.
- 스타일 모방: 특정 시인의 스타일을 요청하면 그 특징(예: 고어 사용, 짧은 호흡)을 흉내 냅니다.
이 과정에서 AI는 때로 인간이 미처 생각하지 못한 단어의 조합을 만들어냅니다. "별이 녹는다"라는 표현을 인간 시인은 의식적으로 고안하지만, AI는 "별"과 "녹다"의 통계적 관계 속에서 자연스럽게 도출합니다. 결과적으로 동일한 은유에 도달하지만, 그 경로가 다릅니다. 더 좋은 시를 쓰고 싶다면, AI를 활용하든 직접 쓰든 공통적으로 적용할 수 있는 원칙이 있습니다. 시를 잘 쓰는 5가지 팁에서 그 핵심을 확인해 보세요.
AI가 쓴 시, 직접 살펴보기
이론만으로는 AI 시의 실체를 느끼기 어렵습니다. 실제로 AI & Poem 서비스에서 생성된 시 세 편을 소개하고, 각각의 문학적 특징을 분석해 보겠습니다.
예시 1: 주제 — "봄"
꽃잎이 바람에 실려
어디론가 떠나간다
겨울이 남기고 간
빈자리를 채우려는 듯
햇살은 조용히 내려앉아
얼었던 땅을 깨우고
풀잎 사이로 스며드는
따뜻한 속삭임이 된다
이 시에서 AI는 봄을 단순한 계절 변화가 아닌, 겨울이 남긴 "빈자리"를 채우는 행위로 묘사했습니다. "햇살이 조용히 내려앉아"라는 표현은 의인화 기법을 사용하고 있으며, "속삭임"이라는 청각적 이미지로 마무리하여 시각에서 청각으로의 자연스러운 감각 전환을 보여줍니다. 전체적으로 2연 구조에 4행씩 배치하여 안정적인 리듬감을 형성하고 있습니다.
예시 2: 주제 — "이별"
손끝에서 놓아버린 온기가
거리 위에 흩어진다
돌아서는 발걸음마다
그림자만 길어지고
말하지 못한 한마디가
목구멍에 걸려 있다
네가 없는 하늘 아래
비로소 네가 보인다
이별이라는 주제에서 AI는 "손끝에서 놓아버린 온기"라는 촉각적 이미지로 시작합니다. 물리적 행위(손을 놓음)에서 감정적 상실(온기의 소멸)로의 전환이 자연스럽습니다. 특히 마지막 행 "네가 없는 하늘 아래 / 비로소 네가 보인다"는 부재를 통한 존재의 인식이라는 역설적 구조를 보여주는데, 이는 AI가 학습한 수많은 이별 시에서 추출된 감정적 패턴의 정수라 할 수 있습니다.
예시 3: 주제 — "희망"
어둠 속에서도
씨앗은 알고 있다
머리 위 어딘가에
빛이 기다리고 있다는 것을
갈라진 땅을 뚫고
올라오는 한 줄기 초록은
세상에게 보내는
가장 조용한 약속이다
희망을 씨앗의 발아 과정에 빗대는 것은 보편적인 은유이지만, AI는 여기에 독특한 시선을 더했습니다. 씨앗이 "알고 있다"는 의인화를 통해 희망을 지적 행위로 격상시키고, "가장 조용한 약속"이라는 표현으로 희망의 본질을 소리 없는 결의로 정의합니다. 1연에서 어둠과 빛의 대비를, 2연에서 파괴(갈라진 땅)와 생성(초록)의 대비를 배치한 구조는 시적 긴장감을 효과적으로 조성합니다.
AI 시 생성, 이렇게 진행됩니다
AI & Poem에서 사용자가 주제를 입력하고 시를 받기까지, 내부에서는 다음과 같은 단계가 순차적으로 실행됩니다.
1단계: 주제 입력과 의도 파악
사용자가 입력창에 "가을 저녁"이라고 타이핑하면, 시스템은 먼저 이 입력의 언어를 감지하고, 부적절한 키워드가 포함되어 있는지 필터링합니다. AI & Poem은 32개 언어를 지원하기 때문에, 사용자의 언어 설정에 따라 처리 파이프라인이 달라집니다. 이 단계에서 주제의 길이 제한(200자)도 확인됩니다.
2단계: 프롬프트 설계와 맥락 구성
사용자의 주제는 단독으로 AI에게 전달되지 않습니다. 내부적으로 정교하게 설계된 시스템 프롬프트와 결합됩니다. 이 프롬프트에는 "한국어로 시를 작성할 것", "은유와 상징을 적절히 사용할 것", "지정된 행 수를 준수할 것" 등의 지시가 포함됩니다. 프롬프트 설계는 AI 시의 품질을 좌우하는 가장 중요한 요소 중 하나로, 저희 팀은 수천 번의 실험을 거쳐 현재의 프롬프트를 다듬었습니다.
3단계: 토큰 생성과 시적 구조 형성
프롬프트가 AI 모델에 전달되면, 모델은 토큰을 하나씩 생성하기 시작합니다. 앞서 설명한 셀프 어텐션 메커니즘이 작동하며, 이미 생성된 토큰들과의 관계를 고려하여 다음 토큰을 선택합니다. "가을"이라는 주제에서 출발하여 "낙엽", "서늘한", "노을" 같은 연관 어휘를 끌어오면서, 동시에 줄바꿈과 연 구분을 통해 시적 형식을 갖춰 나갑니다. 이 전체 과정은 보통 2~5초 이내에 완료됩니다.
4단계: 후처리와 최종 출력
생성된 텍스트는 바로 사용자에게 보여지기 전에 후처리 과정을 거칩니다. 불필요한 공백 정리, 형식 검증, 그리고 콘텐츠 안전성 재확인이 이루어집니다. 최종적으로 화면에 시가 표시되면, 사용자는 TTS(Text-to-Speech) 기능을 통해 시를 낭독으로 들을 수도 있습니다. AI & Poem이 지원하는 32개 언어 각각에 맞는 음성으로 말입니다.
AI 시의 한계와 가능성
물론 AI가 실제로 '슬픔'이나 '기쁨'을 느끼는 것은 아닙니다. 그것은 철저한 계산의 결과물입니다. AI는 이별을 경험한 적이 없고, 봄바람을 맞으며 설렌 적도 없습니다. 그러나 수억 편의 텍스트에서 학습한 감정의 언어적 표현 패턴은, 때로 인간 시인 못지않은 울림을 만들어냅니다.
하지만 한계도 분명합니다. AI는 진정한 체험에서 우러나오는 고유한 목소리를 가지지 못합니다. 같은 주제로 여러 번 생성하면 비슷한 은유가 반복되기도 하고, 문화적 맥락을 완전히 이해하지 못해 어색한 표현이 등장하기도 합니다. 그럼에도 불구하고, AI는 인간 작가가 미처 생각하지 못한 독특한 단어 조합을 제시하거나, 창작의 막막함을 뚫어주는 훌륭한 도구가 될 수 있습니다.
AI & Poem은 이러한 기술을 활용해 누구나 시인이 될 수 있는 경험을 제공합니다. 당신의 작은 아이디어 하나가 AI를 만나 어떤 아름다운 시로 탄생할지, 지금 바로 체험해 보세요.
AI 시의 미래: 공존과 창조
AI 시 생성 기술은 아직 초기 단계에 있습니다. 앞으로 모델이 더욱 발전하면, 개인의 감정 상태나 선호하는 시적 스타일을 학습하여 진정한 의미의 '개인화된 시'를 제공할 수 있을 것입니다. 교육 현장에서는 학생들이 AI와 협업하며 시적 표현력을 키우는 도구로 활용될 수 있고, 심리 치료 분야에서는 감정을 언어로 표현하기 어려운 이들에게 글쓰기의 문턱을 낮추는 역할을 할 수 있습니다.
중요한 것은 AI가 시인을 대체하는 것이 아니라, 시의 저변을 넓히는 방향으로 발전하고 있다는 점입니다. 붓이 화가를 대체하지 않듯, AI는 인간 창의성의 새로운 도구입니다. 기술과 감성이 만나는 이 교차점에서, 시는 더 많은 사람에게 더 가까이 다가갈 수 있습니다. AI가 문학의 미래에 미치는 영향에 대해 더 깊이 알고 싶다면, AI 시 생성기의 미래: 작가를 대체할까?도 함께 읽어보시기 바랍니다.