한편 기술적 측면에서 창의성은 머신러닝, 자연어 처리, 컴퓨터 비전 등 다양한 AI 기술의 결합을 통해 구현되고 있다. 특히 최근의 생성적 적대 신경망(GAN)이나 트랜스포머 모델과 같은 첨단 기술은 AI의 창의적 능력을 한 단계 높이는 데 기여하고 있다(조민호, 2021). 일례로, GAN은 두 개의 신경망(생성자와 판별자)이 서로 경쟁하면서 학습하는 방식으로, 사실적인 이미지나 텍스트를 생성할 수 있다. 이는 AI가 기존 데이터를 모방하는 것을 넘어 새로운 것을 ‘창조’할 수 있는 능력을 갖게 되었음을 의미한다.
--- 「01_인공지능과 이야기」 중에서

“bank」라는 단어는 금융기관을 의미할 수도 있고, 강둑을 의미할 수도 있다. 최신 자연어 처리 모델은 문맥을 고려해 이러한 중의성을 해소할 수 있는 능력을 갖추게 되었다. 문장에서 함께 쓰인 단어들을 고려해 “He went to the bank to deposit money」라고 하면 금융기관을 의미하고, “The river bank was steep」라고 하면 강둑을 의미함을 파악할 수 있다.
--- 「03_AI의 언어 이해와 감정 표현 기술」 중에서

예를 들어 주인공이 위기에 처하는 사건이 발생했다고 가정해 보자. 알고리즘은 이 사건이 주인공의 성향, 능력, 관계 등에 어떤 영향을 미칠지 계산한다. 그리고 이를 바탕으로 주인공이 어떤 행동을 취할지, 그 행동이 어떤 결과를 낳을지를 예측한다. 이런 과정을 통해 AI는 플롯의 전개와 캐릭터의 발전을 유기적으로 연결할 수 있다.
--- 「06_AI 기반 이야기 전개 모델링」 중에서

당신이 미스터리 소설을 읽고 있다고 가정해 보자. 전통적인 방식이라면 단순히 페이지를 넘기며 이야기를 따라갈 것이다. 하지만 게임화된 버전에서는 어떨까?

당신은 소설 속 탐정이 되어 직접 증거를 수집하고 용의자를 심문한다. 각 장을 읽을 때마다 숨겨진 단서를 찾아야 하고, 찾은 단서의 수에 따라 일종의 ‘탐정 점수’가 올라간다. 다른 독자들과 실시간으로 순위를 겨루며, 가장 먼저 사건을 해결한 사람에게는 작가와의 독점 인터뷰 기회 같은 특별한 보상이 주어진다.