전체메뉴

[애플경제 이윤순 기자] 향후 AI게임은 단순한 게임의 차원을 뛰어넘는 AI와 ICT의 개발과 응용을 주도하는 핵심산업으로 자리잡을 전망이다. 특히 종래 게임과는 달리, AI가 접목되면서 AI 알고리즘을 개발하고, 데이터 분석과 네트워크, 플랫폼 최적화 등 기술 연구를 견인하고 있다.

즉, AI게임이 단순 엔터테인먼트 산업을 넘어 AI 기술 발전의 견인차 내지 동력이 되고 있는 것이다.

향후 AI 게임은 몰입형 경험이나, 데이터 중심 기술, 사용자 맞춤형 설계 등으로 더욱 고도화될 것으로 전망된다.

이 분야 전문가인 나윤빈 신구대 조교수는 그간 연구를 통해 “국내 AI 기술 중심의 게임 과제는 기초 기술에서 응용과 확장으로 진화하고 있다”면서 “이는 AI 게임이 기술 혁신의 상징적 지표이고, 다양한 산업으로 확장이 가능한 디지털 플랫폼 그 자체이자, 차세대 성장동력 중 하나로 발전할 것”이라고 확신했다.

NLP 활용한 상호작용 구현이 핵심

이에 따르면 AI 기술이 게임 산업에 본격적으로 적용되면서, 특히 게임의 상호작용성과 몰입도가 크게 향상되고, 기술도 발전하고 있다.

대표적으로 ‘강화학습’의 적용이다. 즉, 강화학습을 통해 플레이어의 행동 패턴을 분석하거나 자연어 처리(NLP)를 활용한 플레이어와의 대화형 상호작용을 구현하고 있다. 또한 게임 내 NPC(Non-Player Character)의 행동이나, 대사를 자동 생성하는 역할도 한다. “이를 통해 캐릭터를 더욱 자연스럽게 구현하며, 게임 난이도를 실시간으로 조절함으로써 플레이어의 몰입과 게임 완성도를 높이고 있다”는 설명이다.

즉, 강화학습과 같은 고도의 AI 기술을 통해 혁신적인 게임 기술을 개발하고, 게임의 재미와 현실감을 동시에 높이며, 한층 진화된 게임 경험을 제공한다는 분석이다.

기계학습, AI게임의 핵심기술

현재 수준의 AI게임에 도달하게 한 핵심기술로는 역시 ‘기계 학습’이다. 이는 지도학습과 비지도학습으로 구분된다. 그 중 ‘지도학습’의 경우 게임마다 장르별로 태그된 라벨을 지정한 데이터셋을 이용, 모델을 훈련하는 것이다. 이를 통해 결정 트리(decision tree), 서포트 벡터 머신(SVM), 신경망(neural network)과 같은 알고리즘을 활용, 학습하면서 새로운 게임 장르를 예측할 수 있다.

‘비지도 학습’도 병행한다. 라벨 지정 데이터가 부족한 경우, 클러스터링(군집화)와 같은 비지도 학습 기법을 활용할 수 있다. 이는 게임을 그 특징별로 유사한 모양에 따라 그룹화하고, 기존에는 식별되지 않던 새로운 장르나 하위 장르를 발견할 수 있게 하다.

이 밖에 AI를 접목함으로써 게임플레이 메커니즘이나 서사적 요소, 플레이어 상호작용 등과 같은 특성을 갖출 수 있다. 전투 시스템이나, 퍼즐 해결 방식, 탐험 스타일 등 게임플레이 메커니즘을 구현한다. 또 스토리의 복잡성이나, 캐릭터 발전, 주제 내용 등 서사적 요소도 갖출 수 있다.

게임에서 특히 중요한 플레이어 상호작용도 완벽하게 구현할 수 있다. 즉, 멀티플레이 기능, 협력 및 경쟁 플레이, 플레이어의 선택권 등을 갖춤으로써 상호작용을 작동하게 한다.

또한 게임 메타데이터, 즉 ‘Steam’이나 ‘Metacritic’ 등 게임 플랫폼에서 제공하는 유저 리뷰나, 태그, 설명 등의 정보를 추출할 수 있다. 플레이어의 게임플레이 데이터를 분석하고, 이를 통해 다양한 장르를 어떻게 경험하고 몰입하는지에 대한 정보를 제공할 수도 있다. 즉, 플레이어 행동 데이터를 기반으로 그 품질을 높일 수 있다.

AI기술로 게임 제작비 절감, 생산성 향상

게임을 개발할 때는 비용이 많이 들 수도 있다. 이에 AI를 도입함으로써 절차적 콘텐츠 생성(PCG)이나, 품질보증(QA) 자동화, 애니메이션 및 음성처리 효율화, 사용자 데이터 분석이나 성공 예측 등에 걸쳐 작업을 간소화할 수 있다. 그 결과 생산성을 높이며 인건비를 줄일 수도 있다는 얘기다.

우선 AI를 접목해 게임 맵이나, 캐릭터 디자인, 스토리, 퀘스트 등을 자동으로 생성할 수 있다. 이는 반복적인 수작업에 의한 디자인 요소를 자동화함으로써 디자이너와 개발자의 작업 시간을 감축할 수 있게 한다. 예를 들어 유비소프트(Ubisoft)의 ‘Assassin’s Creed’의 경우 AI 도구를 사용, 오픈월드 맵을 빠르게 설계하고, 제작비를 절감한 대표적 사례로 인용되고 있다.

품질관리 자동화도 기할 수 있다. 즉 게임 테스트 과정에서 AI를 활용해 버그를 자동으로 탐지하고 수정할 수 있다. 또한 AI 기반 디버깅 도구로 QA 팀의 업무량을 줄여 인건비를 절감할 수 있다. 특히 QA 자동화를 통해 오류를 사전에 수정함으로써 게임 출시의 지연을 방지하거나 품질관리 비용을 감축할 수 있다.

앞서 나 교수는 “구글 딥마인드가 게임 테스트 자동화를 위한 강화학습을 적용한 사례가 대표적”이라고 꼽았다.

애니메이션이나 음성 처리도 효율적으로 해낼 수 있다. 즉, AI 애니메이션 생성 도구를 통해 캐릭터의 움직임이나 표정을 자동으로 생성하며, 음성 합성 기술을 통해 다국어 대사를 빠르게 생성할 수 있다.

이는 애니메이터와 성우의 작업 시간을 줄여 제작비를 절감할 수 있다. 대표적으로 ‘CD Projekt Red’의 ‘Cyberpunk 2077’은 AI를 사용해 캐릭터의 립싱크를 자동으로 조정하고, 다국어 지원 비용을 감축한 사례로 들 수 있다.