게임에서의 인공지능(AI) 활용법

현재 인공지능은 게임에서 1)재미를 상승시키고 2)제작에서 프로세스를 효율화하고 비용을 절감하는 데 많이 활용되고 있음.

인공지능 플레이어는 새로운 플레이 방법을 발견하거나 유저를 학습시킬 수 있는 또 다른 유저가 되어 게임 재미를 높임. 게임 제작에서 인공지능은 단순 반복 작업에 활용되어 비용 절감 효과와 제작 프로세스를 효율적으로 바꾸는 데 도움을 주고 있음. 

인공지능(AI)이 게임을 하는 이유

과거에는 정해진 규칙이랑 패턴에 의해서 인공지능이 구현됐다면, 최근에는 강화학습으로 인공지능을 구현하는 사례가 많음. 대표적인 예로 알파고가 있음. 이전 바둑 프로그램들은 프로그래머가 코딩한 알고리즘대로 행동했다면, 알파고는 바둑 움직임 규칙에 대해서 약 16만 개의 기보를 익히는 지도학습과 스스로 100만 번의 바둑을 두는 강화학습을 병행. 이후 업그레이드하면서 강화학습으로만 지능을 향상. 강화학습을 통해 지도학습으로 생긴 고정관념을 탈피하며 인간을 뛰어넘는 새로운 게임 방식을 발견. 이처럼 기존과 색다른 플레이가 가능한 인공지능 플레이어는 유저의 레벨에 맞는 연습 상대가 되어 실력을 키워주는 방향으로 활용될 수 있음. 

1:1 방식의 게임과 달리 실시간 전략 게임(Real Time Strategy, RTS)에서는 유저가 조금 더 복잡한 선택과 결정을 해야 함. 경우의 수도 많고 실시간으로 불완전한 정보에서 무언가를 판단해야하므로 인공지능을 만들기가 더 어려움.

RTS 게임인 도타2에서 파이브라는 인공지능을 연구. 파이브는 인공지능끼리 하루에 180시간 가까이 경기하면서 발전. 파이브는 자기 자신과도 싸우지만 '과거의 나‘랑도 대전을 진행하며 학습. 비슷한 수준의 상대와의 플레이는 고정관념과 자가당착에 빠질 수 있어 이를 방지하기 위해 도입된 학습 방법. 동일 수준의 파이브와 80%, 과거의 파이브와 20% 비율로 대결하는 학습을 통해 일반 유저를 상대로 높은 승률을 보여줌. 

이처럼 강화학습으로 인공지능이 스스로 학습하고 진화한다면 플레이 방식의 변주를 통해 매번 새로운 게임을 하는 듯한 느낌을 유저에게 전달할 수 있음. 유저가 예측하지 못한 플레이를 통해 단조로웠던 게임 패턴이 다양해지고 풍부한 게임 경험을 제공하는 긍정적 활용을 기대 중. 

인공지능(AI)이 게임 제작에서 하는 일

현재 인공지능은 주로 사람이 하는 단순 반복 작업을 대신하거나 테스트가 많이 필요하고 시간이 오래 걸리는 게임 난이도 조절 같은 부분에서 활용되고 있음.

예시로 피사체의 외곽선을 배경과 분리하는 작업(a.k.a 누끼). 머신러닝 특성상 이용이 늘어날수록 학습량이 증가하여 정밀도를 높일 수 있음. 사람이 직접 하면 수십 분 동안 힘들게 할 작업을 인공지능은 간단히 해결. 이외 여러 그래픽 작업에서 활용되는 사례가 있음.

엔비디아에서 2021년도 초에 공개한 2D 이미지 한 장을 입력하면 3D 모델로 바꿔주는 GANverse3D가 대표적인 사례. 카메라로 찍는 2D 이미지 한 장으로 여러 시점을 추론해 3D 모델링을 자동으로 만들어주는 기능인 GANverse3D는 발전되면 3D 오브젝트를 만드는 데 드는 시간이 획기적으로 줄여줄 것으로 예상. 지금은 게임을 만든다고 했을 때 2D로 게임 원화를 그린 다음 3D 모델링을 하기 위해서 모델러가 필요. 향후 발전된 인공지능을 활용한다면 2D 원화를 기반으로 3D 모델링을 만들 때 훨씬 효율적인 작업이 가능할 것으로 기대.

보통 게임 밸런싱 작업은 적이나 몬스터의 공격력과 방어력을 수치로 조정하기 위해 실제로 플레이해보면서 적절한 난도인지 확인하는 작업. 단순 반복 작업과 테스트에 참여하는 테스터의 수준에 따라 게임 난이도 기준이 달라지기 때문에 많은 테스터도 필요하고 시간 또한 많이 소모. 최근 반복적이며 피로도가 높은 게임 난이도를 조절하는 게임 밸런싱 작업에서도 인공지능 기술이 활용되고 있음.

1980년도에 처음 출시된 슈퍼마리오는 맵이 난이도를 조절하는 데 큰 역할. 슈퍼마리오에서 Mario AI Framework라는 인공지능 플랫폼을 만들어 자동으로 슈퍼마리오를 플레이하고, 랜덤으로 레벨을 생성해 난이도에 따라 조절하는 기술이 공개됨. '맵 구조 설계 및 디자인' 분야에도 인공지능 기술이 활용되는 것.

3개의 같은 블록을 맞추어 터뜨리는 대표적인 3매치 퍼즐게임 캔디 크러쉬 사가. 매주 10개씩 새로운 레벨이 업데이트하는 게임으로 유명. 보통 1개의 레벨을 테스트하고 밸런싱 하는데 일주일 정도의 시간이 소요. 딥러닝을 이용해 테스트를 맡기고 효율성을 체크하면 레벨 1개에 일주일 정도 소요되던 시간이 수분으로 감소. 인공지능을 통한 밸런싱 테스트가 완성도 측면에서도 훨씬 더 좋은 평을 받음.

기술의 발달로 반복적이고 시간이 오래 걸리는 작업을 인공지능이 대신해 줄 수 있게 됨. 게임 제작은 근본적으로 ‘창의성’에 뿌리를 두기 때문에 업무의 본질에 조금 더 집중할 수 있도록 잡다한 업무량을 덜어 주는 보조적 역할로 인공지능을 활용하는 것이 중요.  

* 본문은 <게임 속 인공지능 기술 이해하기> 강의 내용을 토대로 작성되었습니다. 

게임 콘텐츠의 컨셉부터 그래픽, 프로그래밍까지 직접적인 게임 개발 모든 과정을 책임지는 디벨로퍼(=개발사)와 게임의 퀄리티 업, 배포, 비즈니스 모델 고도화, 마케팅, 데이터 분석 같은 성공적인 게임 서비스를 위한 일들을 주로 책임지는 퍼블리셔. 개발사는 게임 개발 후 직접 자체 서비스할 수도 있고 퍼블리셔와의 계약을 통해 게임을 서비스할 수도 있음.

디벨로퍼 단독으로, 혹은 디벨로퍼와 퍼블리셔가 힘을 합쳐 게임을 출시할 때 전 세계 최대 스마트폰 오픈 앱 마켓인 구글플레이스토어나 애플앱스토어를 통함. 또 국내에서 개발한 오픈 앱 마켓인 원스토어를 통해서도 출시. PC게임이라면 스팀 플랫폼을 통하기도 하고, VR게임이라면 최근 메타 퀘스트 스토어로 이름이 바뀐 오큘러스 플랫폼에 출시. 출시 과정에 더 많은 사용자를 확보하고 편의성 높은 서비스를 제공하기 위해 대규모 사용자를 보유한 SNS 플랫폼이 참여하는 경우도 있음.(ex, for 카00)

게임 디벨로퍼는 게임을 처음부터 만들기 때문에 창의성을 요하는 기획, 아트, 프로그래밍 같은 직군이 주로 많고, 퍼블리셔는 게임의 성공적 런칭을 지원하기 위한 직군들이 주로 발달. 플랫폼사에는 플랫폼 기획이나 개발 같은 직군들이 많이 있음.

물론 퍼블리셔가 직접 게임 개발 스튜디오를 보유하고 있어 자체 개발 게임을 출시하기도 하고, 개발 전문 자회사와 협업하여 게임을 만들기도 함. 또, 디벨로퍼 역시 개발뿐 아니라 퍼블리싱 전문 조직을 구성하여 직접 글로벌 서비스를 하는 경우도 있음. 종합 게임 기업들이 개발부터 런칭, 마케팅, 플랫폼 구축까지도 직접 다 하는 경우들도 종종 있음. 그리고 SNS 플랫폼 사로 시작해서 게임 퍼블리셔로 범위를 확대한 경우 또한 존재.

디벨롭퍼와 퍼블리셔 같이 게임을 직접적으로 개발하거나 서비스하지 않더라도 전문 업무를 수행하는 기업은 프로페셔널 에이전시라 분류. 서비스 운영, 마케팅이나 브랜딩, MCN, 데이터 분석, 그래픽&영상 등을 전문으로 하는 기업이 여기에 속함. 디벨롭퍼와 퍼블리셔, 그리고 수많은 전문 에이전시가 협업하여 하나의 게임을 출시하게 됨.