그럴듯한데 재미없는 이야기

나는 2015년부터 기계에게 이야기를 가르치는 일을 해왔다. 엔씨소프트에서 8년, 지금은 KT 미디어본부에서. 직함과 회사는 바뀌었지만 붙들고 있는 질문은 같다. AI는 정말 이야기를 아는 걸까.

AI가 글을 척척 써주는 시대가 됐지만, “그럴듯한 글”과 “좋은 이야기”는 다른 말이다. 그 차이를 현장에서 직접 부딪히며 10년을 보냈다. 이 연재는 그 시도와 실패, 그리고 그 과정에서 발견한 것들의 기록이다.

이 칼럼은 룰베이스 시대의 실험부터 LLM 등장 이후까지를 다룬다. AI 글쓰기 도구를 쓰면서 뭔가 부족하다고 느낀 적 있다면, 혹은 창작과 기술 사이 어딘가에 서 있다면, 이 기록이 그 감각에 말을 붙여줄 수 있을 것이다.

1. 매끄러운데 납작하다

작가 친구에게 AI가 쓴 글을 보여준 적이 있다. 친구는 잠깐 읽더니 고개를 저었다. 아직 멀었다고. 인간이 역시 잘한다고. 왜 그렇게 느끼냐고 되물었더니 친구는 잠깐 생각하다가 답했다.

"뭐라고 꼭 집어 말하긴 어려운데, 뭔가 재미가 없네. 맛깔스럽지가 않아."

이 대답이 기억에 오래 남았다. 글 쓰는 걸로 먹고사는 사람이 AI의 글을 보고 내린 판단인데, 정작 그 판단의 근거를 딱 부러지는 언어로 표현하기는 어려웠다. 비슷한 경험은 내가 직접 AI에게 이야기를 부탁해 보면서도 반복되었다. 처음 한두 편은 신기했다. 설정이 다채롭고 문장도 그럴싸했다. 그런데 서너 편을 이어받다 보면 어느 순간 비슷한 느낌이 돌아오기 시작했다. 주인공이 고생은 하는데 금방 잘 풀렸다. 반전을 내놓으려는 시도는 보였지만 뻔히 보이는 반전이라 긴장감을 주기 어려운 구조가 반복됐다. 한 편은 괜찮은데 여러 편은 지쳤다.

이 이상함은 룰베이스 시대의 이상함과 종류가 달랐다. 앞의 화에서 다뤘던 헨리 개미의 죽음 같은 장면처럼 논리가 어긋나서 기계가 썼다는 티가 금방 났다. LLM은 그 층위의 실패를 거의 지워냈다. 문장이 매끄럽고 단어가 자연스럽고 문단이 흘러간다. 문장만 보면 사람이 쓴 것과 구별하기 어려운 순간도 있다.

그런데 이야기 단위로 올라가면 다른 문제가 드러난다. 문장은 매끄러운데 납작하다. 읽는 동안에는 괜찮은데 돌아서면 뭐였는지 흐릿해진다. 유창함이라는 문제는 분명히 풀렸는데 이야기로서의 힘은 오히려 빠져 있다.

내 친구가 맛깔스럽지 않다고 말한 것. 내가 AI로부터 여러 편을 받아보고 비슷하다고 느낀 것. 이 감각은 오랫동안 창작자들이 어렴풋이 느껴온 것이었다. 측정하기 어려웠을 뿐이다. 그리고 이 감각을 숫자로 포착한 연구들이 최근 나왔다.

2. 해피 엔딩으로 수렴한다

캘리포니아의 한 연구팀이 2024년에 실험을 했다. 방법은 단순하다. 연구팀은 2020년대에 개봉한 영어 영화 800여 편의 줄거리 요약을 모았다. 그리고 같은 영화들의 제목과 설정과 장르를 GPT-4에게 주고 줄거리를 다시 쓰게 했다. 사람이 쓴 것과 기계가 쓴 것이 같은 수만큼 생겼다. 이걸 나란히 놓고 어떤 이야기 모양인지를 분석했다.

이야기 모양(shapes of stories)이라고 하면 막연하지만 소설가 커트 보니것(Kurt Vonnegut)이 1995년 한 강연에서 정리한 분류를 쓰면 이해가 쉬워진다.

보니것은 대부분의 이야기가 주인공의 운명이 오르내리는 몇 가지 기본 곡선으로 나뉜다고 봤고, 그 곡선 하나하나에 유머러스한 이름을 붙였다. 잘 지내다 위기에 빠졌다 빠져나오는 구덩이에 빠진 사람(Man in a Hole), 바닥에서 출발해 계속 올라가는 빈털터리에서 부자로(Rags to Riches), 처음엔 상승하다가 결국 추락하는 오이디푸스(Oedipus), 잘 살다가 몰락해 가는 부자에서 빈털터리로(Riches to Rags). 이런 식이다. 그중 구덩이에 빠진 사람 유형은 할리우드 상업영화의 거의 전부가 이 구조라고 보니것 본인이 지적한 유형이다.

보니것의 네 가지 이야기 곡선

사람이 쓴 영화 줄거리에서는 이 유형들이 골고루 섞여 있었다. 그런데 기계의 결과물에서는 분포가 완전히 달랐다.