close

취재

엔비디아, 게임 엔진 하나 없이 인공지능으로 '팩맨'을 구현했다

텐더 (이형철 기자) | 2020-05-25 17:53:11

이 기사는 아래 플랫폼에서도 볼 수 있습니다.

23일 엔비디아는 생성적 대립 신경망(Generative Adversarial Network, 이하 GAN)​인 GameGAN을 통해 남코가 개발한 아케이드 게임 <팩맨>을 게임 엔진없이 AI로 구현하는데 성공했다고 밝혔다. 게임의 스크린 플레이만 보고도 똑같이 복사할 수 있게 된 것이다.

 

엔비디아 연구팀이 자체 개발한 GameGAN은 생성모델과 분류모델이라는 두 개의 신경망으로 구성, 원본과 흡사한 새로운 콘텐츠 생성 방법을 학습하는 모델이다.​ 

 

연구팀은 AI에게 약 5만 회의 게임 플레이를 관찰하게 했고, AI는 게임 엔진이나 규칙 없이 관찰과 학습만으로 <팩맨>의 기본 구성을 학습했다. 한 장면에서 다음 장면으로 이동할 때 어떤 차이점이 발생했는지를 기억해 가상 세계를 만들고 동일한 규칙이 적용된 게임을 구현한 것이다.

 

공개된 영상 속 <팩맨> 캐릭터와 맵 등은 다소 흐릿한 모습이다. 하지만 점을 먹고, 유령과 부딪히지 않아야 한다는 기본 규칙은 잘 구현되어 있는 것으로 보인다. 김승욱 엔비디아 연구원은 "GameGAN을 통해 AI가 게임 플레이만 보고도 주어진 규칙을 학습할 수 있는지 확인하고 싶었다. 그런데 AI가 이를 해냈다"라고 말했다. 

 

이번 연구는 팩맨 40주년을 기념하기 위해 진행됐다 (출처: 엔비디아 유튜브)

 

이번 연구는 AI가 게임의 스크린플레이를 학습하는 방식으로 새로운 게임을 만들 수 있다는 의미를 지닌다. 팩맨 데이터를 제공한 코이치로 츠츠미(Kichita Tsutsumi) 반다이 남코 리서치 연구원은 “AI가 게임엔진 없이 팩맨을 재현했다는 것을 믿을 수 없었다”라고 말하며 “게임 개발 과정을 어떻게 단축시킬 수 있을지 보여주는 사례"라고 전했다.

 

이에 더해 GameGAN은 게임뿐만 아니라, AI 학습용 시뮬레이터 개발에도 사용될 수 있을 전망이다. 기존 자율 로봇은 개발자들이 코딩한 규칙에 따라 움직이기 때문에, 시뮬레이터를 개발하는 데 많은 시간이 소요된다. 

 

하지만 GameGAN을 활용하면 이와 같은 복잡한 개발 과정을 간단한 신경망 학습으로 대체할 수 있다. 예를 들어 자동차에 카메라를 설치하면 도로 모습이나 운전자가 핸들을 돌리거나 엑셀을 밟는 모습을 기록할 수 있다. 이렇게 수집된 자료를 통해 시뮬레이션 데이터 또한 손쉽게 구현할 수 있게 된다.

  

토론토 엔비디아 연구소 디렉터 산자 피들러(Sanja Fidler)는 “영상을 보고 특정 환경에서 사용자가 취하는 행동을 보는 것만으로 물리학 법칙을 모방할 수 있는 AI가 개발될 수도 있다”며 “GameGAN은 이런 방향으로 나아가는 첫걸음”이라고 말했다.

 

한편, AI로 구현된 팩맨 데모는 올 하반기 엔비디아 AI 플레이그라운드에서 누구나 체험이 가능할 전망이다.

  

23일 엔비디아는 생성적 대립 신경망(Generative Adversarial Network, 이하 GAN)​인 GameGAN을 통해 남코가 개발한 아케이드 게임 <팩맨>을 게임 엔진없이 AI로 구현하는데 성공했다고 밝혔다. 게임의 스크린 플레이만 보고도 똑같이 복사할 수 있게 된 것이다.

 

엔비디아 연구팀이 자체 개발한 GameGAN은 생성모델과 분류모델이라는 두 개의 신경망으로 구성, 원본과 흡사한 새로운 콘텐츠 생성 방법을 학습하는 모델이다.​ 

 

연구팀은 AI에게 약 5만 회의 게임 플레이를 관찰하게 했고, AI는 게임 엔진이나 규칙 없이 관찰과 학습만으로 <팩맨>의 기본 구성을 학습했다. 한 장면에서 다음 장면으로 이동할 때 어떤 차이점이 발생했는지를 기억해 가상 세계를 만들고 동일한 규칙이 적용된 게임을 구현한 것이다.

 

공개된 영상 속 <팩맨> 캐릭터와 맵 등은 다소 흐릿한 모습이다. 하지만 점을 먹고, 유령과 부딪히지 않아야 한다는 기본 규칙은 잘 구현되어 있는 것으로 보인다. 김승욱 엔비디아 연구원은 "GameGAN을 통해 AI가 게임 플레이만 보고도 주어진 규칙을 학습할 수 있는지 확인하고 싶었다. 그런데 AI가 이를 해냈다"라고 말했다. 

 

이번 연구는 팩맨 40주년을 기념하기 위해 진행됐다 (출처: 엔비디아 유튜브)

 

이번 연구는 AI가 게임의 스크린플레이를 학습하는 방식으로 새로운 게임을 만들 수 있다는 의미를 지닌다. 팩맨 데이터를 제공한 코이치로 츠츠미(Kichita Tsutsumi) 반다이 남코 리서치 연구원은 “AI가 게임엔진 없이 팩맨을 재현했다는 것을 믿을 수 없었다”라고 말하며 “게임 개발 과정을 어떻게 단축시킬 수 있을지 보여주는 사례"라고 전했다.

 

이에 더해 GameGAN은 게임뿐만 아니라, AI 학습용 시뮬레이터 개발에도 사용될 수 있을 전망이다. 기존 자율 로봇은 개발자들이 코딩한 규칙에 따라 움직이기 때문에, 시뮬레이터를 개발하는 데 많은 시간이 소요된다. 

 

하지만 GameGAN을 활용하면 이와 같은 복잡한 개발 과정을 간단한 신경망 학습으로 대체할 수 있다. 예를 들어 자동차에 카메라를 설치하면 도로 모습이나 운전자가 핸들을 돌리거나 엑셀을 밟는 모습을 기록할 수 있다. 이렇게 수집된 자료를 통해 시뮬레이션 데이터 또한 손쉽게 구현할 수 있게 된다.

  

토론토 엔비디아 연구소 디렉터 산자 피들러(Sanja Fidler)는 “영상을 보고 특정 환경에서 사용자가 취하는 행동을 보는 것만으로 물리학 법칙을 모방할 수 있는 AI가 개발될 수도 있다”며 “GameGAN은 이런 방향으로 나아가는 첫걸음”이라고 말했다.

 

한편, AI로 구현된 팩맨 데모는 올 하반기 엔비디아 AI 플레이그라운드에서 누구나 체험이 가능할 전망이다.

  

전체 목록