넷마블 게임콘서트 - '게임산업의 올라운드 플레이어, 인공지능' Review

2021.10.18 - [AI일별 정리] - 딥러닝(1) - 퍼셉트론(Perceptron)과 인공신경망(Artificial Neural Networks)

 

안녕하세요.

 

오늘은 넷마블 게임 콘서트 에서 '게임산업의 올라운드 플레이어, 인공지능'이라는 주제로 오인수 실장님이 강연하신 내용을 보고 정리해보려고 합니다.

 

해당 내용은 유튜브 '넷마블' 채널에 올라와있는 '[제 11회 게임 콘서트] "미술관에 들어온 게임예술" 정세라 디렉터/ "게임산업의 올라운드 플레이어, 인공지능" 오인수 실장' 영상을 시청하고 작성하는 정리 리뷰입니다.

 

게임의 시초격 '스페이스 인베이더'

강연의 처음은 게임 AI의 시작과 같은 스페이스인베이더 와 같은 작품을 보여주시면서 시작되었습니다.

(아마 한번쯤은 보셨던 게임일 것입니다. 나왔을 당시 판매량이 엄청났던걸로 알고 있는데요. 조금만 프로그래밍을 배우시면 api를 통해 쉽게 구현 가능한 게임입니다.)

 

 

게임 인공지능의 특징

 

1. 즐거움을 위한 AI, 사람을 이기는 AI가 아니다.

2. 미리 학습을 할 수 없다. / 학문 인공지능은 학습이 가능하다.

3. 실시간으로 동작을 해야한다. / 학문 인공지능은 크고 무겁다.(게임 플레이에 방해가 될 수 있다.)

4. 게임 기획자들이 AI를 수정해야 할 경우가 많다.

 

딥러닝에 대해서 배우고 있는 저로써는 게임 AI라는 게 다를 바가 있나라고 생각했었는데 특징들을 보면서 생각하지못했던 차이점들이 있다는걸 깨달았습니다.

 

그래서 위와 같은 차이점때문인지 현재 게임 인공지능 과 학문 인공지능의 길이 조금은 다르다고 합니다.

 

1990년대 게임 AI

• dune 2
• 하프라이프2
• 스타크래프트

 

게임 인공지능 기술

 

1. 의사결정 나무 - (Decision Tree)

: 간단한 의사결정을 가능하게 해주는 구조 입니다.

 

2. 유한 상태 기계

: 여러가지의 상태를 규정해놓고 입력데이터에 따라 규정한 상태에 따른 행동을 수행하는 구조 입니다.

ex) 체력이 낮으면 체력이 회복될 때까지 도망다닌다던가, 일정 구역을 벗어나면 추적을 그만둔다 던가.

 

3. 길찾기

: 격자 형태로 나누어 알고리즘을 사용하여 조금씩 목표를 찾아가는 구조로 시간복잡도 부분에서 데이터 연산량이 많아 보입니다.

( 마침 이번주에 알고리즘을 배우면서 탐색과정을 포스팅했는데 그와 같은 맥락의 내용인 것 같습니다.)

 

 

딥러닝 기술 - 신경망 학습

 

딥러닝에 대한 기본적인 내용은 제 포스트에서 찾아보시면 어떤 것인지 확인이 가능합니다.

2021.10.18 - [AI일별 정리] - 딥러닝(1) - 퍼셉트론(Perceptron)과 인공신경망(Artificial Neural Networks)

 

게임 속에서 딥러닝은 어디에 쓰이는가?

- 최종적 스코어를 예측하기 위한 평가함수로 사용합니다.

 

특징

입력데이터는 무엇이든지 가능하다. 음성,텍스트

 

 

 

신경망 (1990년대)

 

체스 - 딥블루

 : IBM에서 만든 체스 특화 인공지능 컴퓨터, 당시 세계 체스 챔피언을 이겨 컴퓨터는 사람을 이길 수 없다는 패러다임을 깨었다.

 

백가몬 - 강화학습(자가학습)

 : 갓난아이를 학습시키는 방법과 비슷합니다. (보상의 형태를 제공함으로써 학습을 진행)

 *자가학습 - 두 모델이 서로 경기하며 학습이 되는 방식

 

 

 

2010년대부터 다시 주목받기 시작하는 딥러닝

 

알파고 - 규칙이 있는 작은 게임만 가능하지 않겠나? 라는 의문이 존재했습니다.

 

알파스타 - 스타크래프트 딥마인드 연구진에서 개발한 범용 머신러닝 기술을 활용한 인공지능 프로그램으로, 셀프 플레이를 통해 승리확률을 최대화 하여 가상의 공간에서 제한된 정보를 이용해 학습한 모델

 

 

 

사람을 이기는 AI를 게임에서 어떻게 활용할까?

아시아 경제 뉴스 발췌

 

봇(bots)

 

- 유저 상대 : 너무 많이 지거나 사람이 없는 시간대에 유저 대신 사용됩니다.

- 가상 유저 테스트 : 강화학습 인공지능과 대결을 통해 캐릭터의 약점과 플레이를 분석(게임 밸런싱 분석) 합니다.

 

모션캡쳐

 

모션 캡쳐후 부수적인 보정작업을 딥러닝을 통해 수작업을 줄입니다.

 

얼굴 애니메이션 ( 표정 기술 )

 

넷마블 네이버 포스트 발췌

MulTaNet - 넷마블의 고유 모델이라고 합니다. 입력데이터로  음성파일을 사용하여  결과값으로 얼굴 애니메이션을 출력하는 모델입니다.

 

보여주신 예시로 봤을 때에 완벽한 표정을 모사한다고 볼 순 없겠지만 그동안 3d 디자인 디렉터들이 하나하나 모두 제작해야 했던 것보다는 기초적인 움직임이 가능한 부분까지는 인공지능이 생성해주어 비용이 줄어들 것 같습니다.

 

모션 매칭

 

모션 캡쳐 데이터를 토대로 신경망 학습을 통해 결과를 내도록 하는 방식입니다.

주변 환경을 입력데이터로 사용하여 그에 맞는 모션을 출력해줍니다.

 

추후 발전을 하게 된다면 애니메이션 데이터를 모두 받을 필요 없이 딥러닝 모델만을 다운받아 실시간 적용하는 방식을 통해 다운 받을 용량을 줄이고 플레이하는 차수마다 조금씩 새로운 모션을 볼 수 있을지도 모르겠네요.

 

GAN(Generative Adversarial Networks)

 

아직 개선해야할 부분이 있으나 3d 배경이나 2d 디자인 등 여러 방면에 활용할 수 있는 기술입니다.

 

간단하게 말하면 컴퓨터가 결과값을 생성해서 이전에 없던 내용을 출력해주는 방법입니다.

 

해당 기술에 대해서 궁금하시면 역시나 이전 포스트를 봐주세요.

2021.11.05 - [AI일별 정리] - 딥러닝(13) - GAN(DCGAN,CycleGAN)

 

음성 인식

 

시리 나 클로바, 빅스비와 같은 ai비서 시스템을 활용가능

 

자연어 언어모델 : GPT-3

 

게임 스토리를 생성하거나 분석할 수 있는 활용 방법이 있습니다.

 

하지만, 현재 이 모델은 막대한 양의 사전학습을 통해 효율을 끌어올린 모델이기에 핸드폰에서 사용하기에는 큰 무리가 있다고 합니다.

 

 

 

Review

 

강연자 분이 인공지능의 발전을 통해 게임은 게임의 품질, 새로운 장르 , 재미요소의 발전을 이룰 거라고 하셨습니다.

 

아마 이 부분이 가장 중요한 부분이 아닌가 싶습니다. 사실 현재에는 새로운 장르의 상품들은 많이 나오지 않고 퀄리티와 스토리를 업그레이드해서 나오는 게임이 많다고 생각하기 때문입니다.

 

저는 이 강연을 보기 전에는 게임 속 AI라고 하면 npc의 구동 정도, 자율성 정도를 보고 판단을 했었지만 새롭게 게임 전체를 변화 시킬 수 있는 기술 같다고 생각되었습니다.

 

개인적으로는 현재는 가상현실이라고 부를 수 있는 게임차원으로 넘어가는 과도기 같은 느낌인 것 같습니다.

 

 메타버스라고 하는 준 가상현실에 점차 적응되는 모습들을 많이 볼 수 있으니까요. 곧 유명 게임 IP에 자신의 목소리를 녹음하고 자신의 캐릭터의 개성을 심어주고 자신만의 모션을 입력 시킬 수 있는 게임이 있다면 좋을 것 같다는 생각을 해봅니다.

 

자신이 사랑했던 스토리와 세계관에 직접 동화 되는 경험을 선사하는 것도 가상현실에 첫걸음일 거 라고 생각하거든요.

 

 물론 일정 수준의 퀄리티를 위해서 카카오 이모티콘 심사와 같이 심사 과정을 거쳐 정식 등록이 가능하고 해당 등록을 위한 구독권 같은 개념을로 세일즈를 하면 좋을 거 같다는 생각도 드네요.

 

 

이로써 넷마블 게임콘서트 인공지능에 대한 리뷰를 마치도록 하겠습니다.