본 연구의 목표는 보드게임에서 인간의 행동을 모방하고 예측하여 인간 수준의 성능을 달성하 는 AI를 만드는 것이다. 그 사례로 Dixit이라고 하는 보드게임을 사용하였는데 이는 창의력과 상상력을 자극하는 카드 게임으로, 주로 3명 이상의 플레이어들이 자신이 가진 카드를 다른 사 람들에게 설명하여, 다른 사람들이 그 카드를 맞추도록 유도하는 게임이다. 우리는 디지털 카 드 예측을 위한 AI 모델을 설계하고, 다양한 데이터 전처리 기법과 모델링 방법을 비교 분석하 여 최적의 성능을 도출하는 것을 목표로 하였다. 본 연구에서는 출제자가 제시한 카드를 예측 하는 문제를 다루며, 다양한 임베딩 기법(Word2Vec, GloVe)과 LSTM 모델을 활용하여 예측 정 확도를 개선하였다. 실험 결과, 데이터 전처리 방식과 모델링 방법에 따른 정확도 차이를 관찰 할 수 있었으며, 카드 번호를 단어로 취급하여 모델에 입력하는 방식이 성능 향상에 기여했다. 또한, 모델에 LSTM층과 Bidirectional 층을 추가한 실험에서 인간 성능을 능가하는 높은 정확 도를 기록했다.