엔비디아 연구소의 게임GAN

1980년대 인기를 끌었던 고전게임 ‘팩맨’이 40년 만에 재탄생했다. 그것도 사람이 아닌 인공지능(AI)의 손을 통해서다. 엔비디아 연구소가 개발한 AI 모델은 게임 영상을 보는 것만으로 팩맨의 룰을 완벽히 습득해 그대로 재현하는 데 성공했다. 한걸음 더 나아가 원작에 없던 스테이지를 만들어내기도 했다. 더스쿠프(The SCOOP)가 이 기특한 AI의 학습과정을 살펴봤다.

엔비디아의 인공지능 ‘게임GAN’이 고전게임 ‘팩맨’을 재현해냈다.[사진=엔비디아 제공]
엔비디아의 인공지능 ‘게임GAN’이 고전게임 ‘팩맨’을 재현해냈다.[사진=엔비디아 제공]

지금으로부터 40년 전, 일본에서 글로벌 게임시장을 강타한 게임이 출시됐다. 바로 ‘팩맨(PAC-MAN)’이다. 노란색 캐릭터인 팩맨을 조종해 유령을 피하면서 화면에 표시된 점들을 다 먹으면 끝나는 간단한 게임인데, 출시 직후 전세계 게이머들의 인기를 한 몸에 받았다. 2005년에는 ‘가장 성공한 업소용 게임기’로 기네스북에 오르기도 했으며 현재까지 관련 상품으로만 연 300억엔(3385억원)대의 매출을 올리고 있다.

이 역사적인 고전게임이 40년 만에 부활했다. 엔비디아 연구소에서 개발한 AI 모델 ‘엔비디아 게임GAN’을 통해서다. 엔비디아 연구소는 게임GAN이 게임 엔진 없이 팩맨을 만들 수 있는지 실험해보기로 했다. 다시 말해 게임의 기본적인 규칙이 입력되지 않은 상태에서 AI가 스스로 학습해 게임을 만들도록 한 것이다.

게임GAN은 생성 대립 신경망(Genera tive Adversarial Network·GAN)을 활용해 컴퓨터 게임 엔진을 모방하는 최초의 신경망 모델이다. 이 모델은 ‘생성모델’과 ‘분류모델’ 2개의 신경망으로 구성돼 있다. 이를 기반으로 외부에서 들어온 콘텐트를 모방해 원본과 거의 동일한 수준으로 콘텐트를 생성하는 방법을 찾아낸다.

김승욱 엔비디아 연구원의 설명을 들어보자. “게임GAN은 GAN 기반 신경망을 활용해 게임 엔진을 모방하는 최초의 연구용 모델이다. AI가 게임 속에서 움직이는 에이전트의 플레이만 보고 주어진 환경의 규칙을 학습하는 방식으로 연구를 진행했다.”

먼저 팩맨의 기본룰을 알아보자. 게임 속 주인공인 팩맨은 미로 속을 이동하면서 유령을 피해 점을 먹어야 한다. 미로의 벽을 뚫을 순 없고, 커다란 점(펠렛)을 먹으면 팩맨을 쫓던 유령이 파란색으로 변하며 달아난다. 팩맨이 미로의 한쪽 모서리로 빠져나가면 반대편 모서리로 순간 이동한다. 유령과 부딪히면 화면이 깜빡이며 게임이 끝난다.

게임 룰을 익히기 위해 게임GAN은 팩맨 원본게임의 시연 영상을 5만회나 보면서 학습했다. 게임 화면이 한 프레임씩 이동할 때마다 앞서 무엇이 생성됐는지 기억했고, 그 차이점을 분석해 실시간으로 프레임을 생성했다. 미로 모양·점·펠렛과 같은 게임 환경에서 고정돼 있는 요소들이 완성됐고, 팩맨과 유령처럼 움직임이 복잡한 캐릭터들도 만드는 데 성공했다.

한발 더 나아가 게임GAN은 학습한 룰을 기반으로 원본에 존재하지 않는 새로운 스테이지를 만들었다. 기본 틀과 내용은 그대로 유지한 채로 게임 속 배경과 캐릭터 등을 교체하기도 했다. 예컨대, 어두컴컴한 기존 미로를 야외 배경으로 재구성하거나 팩맨을 사용자가 좋아하는 이모티콘으로 바꾸는 식이다. 게임GAN이 단지 보는 것만으로 게임 룰을 완벽히 이해했다는 걸 입증한 셈이다.

훈련을 위해 팩맨 데이터를 제공한 코이치로 츠츠미 반다이 남코 연구소 연구원은 “AI가 게임 엔진 없이 대표적인 고전 게임인 팩맨을 재현했다”면서 “이 연구는 게임 개발자들이 게임 속 환경과 캐릭터는 물론 심지어 게임 자체를 개발하는 속도를 크게 단축시킬 수 있는 가능성을 보여줬다”고 말했다.

엔비디아 연구소는 신경망 학습효과를 활용한 이번 연구결과가 게임산업은 물론 AI산업 발전에 긍정적인 영향을 미칠 것으로 보고 있다. 가령, 게임 개발자가 게임의 새 콘텐트를 자동으로 생성하고 싶을 때 기존에는 사람이 일일이 작업해야만 했다.

이럴 경우 사물들이 상호작용하는 방식과 다양한 규칙을 코딩해야 하기 때문에 개발하는 데 많은 시간이 필요했다. 하지만 신경망으로 학습한 AI는 달랐다. 게임의 콘텐트를 스스로 생성하는 게 가능해 개발 시간을 크게 줄일 수 있다.

게임GAN은 게임 영상을 프레임 단위로 분석해 차이점을 알아내는 식으로 게임 룰을 배운다.[사진=엔비디아 제공]
게임GAN은 게임 영상을 프레임 단위로 분석해 차이점을 알아내는 식으로 게임 룰을 배운다.[사진=엔비디아 제공]

다른 산업 분야에서도 마찬가지다. 자동차에 카메라를 설치해 도로의 각종 상황과 그에 따른 운전자의 행동을 기록한다고 가정하자. 이렇게 수집된 데이터는 AI의 작업을 통해 데이터와 동일한 환경을 재현하는 시뮬레이터로 만들 수 있다.

이 시뮬레이터를 통해 자율주행차는 운전자가 특정 행동을 취할 경우 어떤 일이 벌어질지 예측하는 훈련이 가능해진다. 이렇듯 복잡한 개발 과정을 간단한 신경망 학습으로 대체하면 비용과 시간을 크게 아낄 수 있다는 게 엔비디아 연구소의 설명이다.

산자 피들러 엔비디아 연구소 디렉터는 “신경망 학습을 통해 사용자가 어떤 행동을 하는지 보기만 해도 운전 규칙이나 물리학 법칙을 모방하는 AI가 개발될 수도 있다”면서 “게임GAN은 이 방향으로 나아가는 첫걸음”이라고 말했다.

이혁기 더스쿠프 기자
lhk@thescoop.co.kr

저작권자 © 더스쿠프 무단전재 및 재배포 금지

개의 댓글

0 / 400
댓글 정렬
BEST댓글
BEST 댓글 답글과 추천수를 합산하여 자동으로 노출됩니다.
댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글수정
댓글 수정은 작성 후 1분내에만 가능합니다.
/ 400

내 댓글 모음