비디오 게임 산업은 이제 가치가 있습니다 3470억 달러엔터테인먼트 업계에서 중요한 플레이어로 성장하여 전 세계적으로 30억 명 이상의 사람들을 참여시켰습니다. 간단한 제목으로 시작된 것은 다음과 같습니다. 퐁 그리고 스페이스 인베이더 3D 비주얼과 홈 콘솔 경험으로 새로운 기준을 제시한 Doom과 같은 더욱 정교한 게임으로 진화했습니다. 오늘날 이 산업은 인공 지능(AI)의 발전에 영향을 받아 새로운 시대의 문턱에 서 있습니다. 이러한 변화를 선도하는 것은 Google로, 광범위한 리소스와 기술을 활용하여 비디오 게임을 만들고, 플레이하고, 경험하는 방식을 재정의합니다. 이 기사에서는 비디오 게임을 재정의하는 Google의 여정을 살펴봅니다.
시작: Atari 게임을 플레이하는 AI
비디오 게임에서 구글의 AI 활용은 중요한 개발로 시작되었습니다. 게임 환경을 인식하고 인간 플레이어처럼 반응할 수 있는 AI를 만드는 것입니다. 이 초기 작업에서 그들은 딥 강화 학습 에이전트 게임 플레이에서 직접 제어 전략을 학습할 수 있는. 이 개발의 핵심은 합성 신경망으로, Q-러닝원시 화면 픽셀을 처리하고 현재 상태에 따라 게임별 동작으로 변환하는 기능입니다.
연구원들은 이 모델을 7개에 적용했습니다. 아타리 2600 아키텍처나 학습 알고리즘을 수정하지 않고 게임을 만들었습니다. 결과는 인상적이었습니다. 이 모델은 6개 게임에서 이전 방법을 능가했고 3개 게임에서는 인간의 성능을 능가했습니다. 이 개발은 AI가 시각적 입력만으로 복잡하고 상호 작용적인 비디오 게임을 처리할 수 있는 잠재력을 강조했습니다.
이 획기적인 발전은 DeepMind의 후속 성과와 같은 성과의 기초를 마련했습니다. 알파고 바둑 세계 챔피언을 물리친 것. AI 에이전트가 도전적인 게임을 마스터하는 데 성공한 이후, 대화형 시스템과 로봇공학을 포함한 실제 세계 응용 분야에 대한 추가 연구가 촉진되었습니다. 이러한 발전의 영향은 오늘날에도 머신 러닝과 AI 분야에서 여전히 느껴집니다.
AlphaStar: StarCraft II의 복잡한 게임 전략을 학습하는 AI
Google은 초기 AI 성공 사례를 바탕으로 더 복잡한 과제를 목표로 삼았습니다. 스타크래프트 II. 이 실시간 전략 게임은 플레이어가 군대를 통제하고, 자원을 관리하고, 실시간으로 전략을 실행해야 하기 때문에 복잡성으로 유명합니다. 2019년에 Google은 알파스타스타크래프트 II를 전문적으로 플레이할 수 있는 AI 에이전트.
AlphaStar의 개발은 심층 강화 학습과 모방 학습. 처음에는 프로 선수들의 리플레이를 시청하여 학습한 다음, 수백만 개의 경기를 실행하여 전략을 다듬는 셀프 플레이를 통해 개선했습니다. 이 업적은 AI가 복잡한 실시간 전략 게임을 처리하고 인간 플레이어와 일치하는 결과를 달성할 수 있는 능력을 보여주었습니다.
개별 게임을 넘어: 게임을 위한 보다 일반적인 AI를 향해
Google의 최신 발전은 개별 게임을 마스터하는 것에서 더 다재다능한 AI 에이전트를 만드는 것으로의 전환을 의미합니다. 최근 Google 연구원들은 시마Scalable Instructable Multiworld Agent의 약자로, 자연어 명령어를 사용하여 다양한 게임 환경을 탐색하도록 설계된 새로운 AI 모델입니다. 게임의 소스 코드나 사용자 지정 API에 액세스해야 했던 이전 모델과 달리 SIMA는 화면 이미지와 간단한 언어 명령의 두 가지 입력으로 작동합니다.
SIMA는 이러한 명령을 키보드와 마우스 동작으로 변환하여 게임의 중심 캐릭터를 제어합니다. 이 방법을 사용하면 인간의 게임 플레이를 반영하는 방식으로 다양한 가상 설정과 상호 작용할 수 있습니다. 연구에 따르면 여러 게임에서 훈련된 AI가 단일 경기에서 훈련된 AI보다 성능이 더 뛰어나며, 이는 SIMA가 게임을 위한 일반 또는 기초 AI의 새로운 시대를 주도할 수 있는 잠재력을 강조합니다.
Google의 진행 중인 작업은 SIMA의 기능을 확장하여 이러한 다재다능한 언어 기반 에이전트를 다양한 게임 환경에서 개발할 수 있는 방법을 탐구하는 것을 목표로 합니다. 이 개발은 다양한 상호 작용적 맥락에서 적응하고 번성할 수 있는 AI를 만드는 데 있어 중요한 단계를 나타냅니다.
게임 디자인을 위한 생성 AI
최근 구글은 게임 플레이를 향상시키는 것에서 게임 디자인을 지원하는 도구를 개발하는 것으로 초점을 확대했습니다. 이러한 변화는 생성 AI, 특히 이미지 및 비디오 생성의 발전에 의해 주도됩니다. 중요한 발전 중 하나는 AI를 사용하여 적응형 비플레이어 캐릭터(NPC) 플레이어의 행동에 더욱 현실적이고 예측 불가능한 방식으로 반응합니다.
또한, Google은 AI가 특정 규칙이나 패턴에 따라 레벨, 환경 및 전체 게임 세계를 설계하는 데 도움이 되는 절차적 콘텐츠 생성을 탐구했습니다. 이 방법은 개발을 간소화하고 플레이어에게 각 플레이스루에서 고유하고 개인화된 경험을 제공하여 호기심과 기대감을 불러일으킬 수 있습니다. 주목할 만한 예는 다음과 같습니다. 요정사용자가 이미지나 설명을 제공하여 2D 비디오 게임을 디자인할 수 있는 도구입니다. 이 접근 방식은 프로그래밍 기술이 없는 사람에게도 게임 개발이 더 쉬워지도록 합니다.
Genie의 혁신은 명확한 지침이나 레이블이 지정된 데이터에 의존하기보다는 2D 플랫포머 게임의 다양한 비디오 영상에서 학습할 수 있는 능력에 있습니다. 이러한 능력을 통해 Genie는 게임 메커니즘, 물리 및 디자인 요소를 보다 효과적으로 이해할 수 있습니다. 사용자는 기본적인 아이디어나 스케치로 시작할 수 있으며, Genie는 설정, 캐릭터, 장애물 및 게임플레이 메커니즘을 포함한 완전한 게임 환경을 생성합니다.
게임 개발을 위한 생성 AI
이전의 발전을 바탕으로 Google은 최근 가장 야심찬 프로젝트를 도입했습니다. 이는 전통적으로 광범위한 코딩과 전문 기술이 필요했던 복잡하고 시간이 많이 걸리는 게임 개발 프로세스를 단순화하는 것을 목표로 합니다. 최근에 그들은 게임엔젠게임 개발 프로세스를 단순화하도록 설계된 생성 AI 도구입니다. GameNGen을 사용하면 개발자가 자연어 프롬프트를 사용하여 전체 게임 세계와 내러티브를 구축하여 게임을 만드는 데 필요한 시간과 노력을 크게 줄일 수 있습니다. 생성 AI를 활용하여 GameNGen은 고유한 게임 자산, 환경 및 스토리라인을 생성하여 개발자가 기술적인 면보다는 창의성에 더 집중할 수 있습니다. 예를 들어, 연구자들은 GameNGen을 사용하여 전체 버전의 운명이를 통해 해당 역량을 입증하고 보다 효율적이고 접근하기 쉬운 게임 개발 프로세스를 위한 길을 열었습니다.
GameNGen의 기술은 2단계의 훈련 과정을 포함합니다. 먼저 AI 에이전트가 Doom을 플레이하도록 훈련되어 게임플레이 데이터를 생성합니다. 그런 다음 이 데이터는 이전 동작과 비주얼을 기반으로 미래 프레임을 예측하는 생성 AI 모델을 훈련합니다. 그 결과 기존 게임 엔진 구성 요소 없이도 실시간 게임플레이를 생성할 수 있는 생성 확산 모델이 생성됩니다. 수동 코딩에서 AI 기반 생성으로의 이러한 전환은 게임 개발에서 중요한 이정표를 나타내며, 소규모 스튜디오와 개별 크리에이터를 위해 고품질 게임을 만드는 보다 효율적이고 접근 가능한 방법을 제공합니다.
결론
Google의 최근 AI 발전은 게임 산업을 근본적으로 재편할 것으로 보입니다. GameNGen과 같은 도구는 세부적인 게임 세계를 만들 수 있게 하고 SIMA는 다양한 게임플레이 상호 작용을 제공하므로 AI는 게임을 만드는 방법뿐만 아니라 게임을 경험하는 방법도 변화시키고 있습니다.
AI가 계속 진화함에 따라 게임 개발에서 창의성과 효율성을 향상시킬 것을 약속합니다. 개발자는 혁신적인 아이디어를 탐구하고 더욱 매력적이고 몰입감 있는 경험을 제공할 수 있는 새로운 기회를 갖게 될 것입니다. 이러한 변화는 비디오 게임의 지속적인 진화에서 중요한 순간을 나타내며, 대화형 엔터테인먼트의 미래를 형성하는 데 있어 AI의 역할이 커지고 있음을 강조합니다.
게시물 Atari에서 Doom까지: Google이 AI로 비디오 게임을 재정의하는 방법 처음 등장 유나이트.AI.
