AI가 게이밍을 더 뛰어나게 변화시키는 네 가지 방법

기술 예측에 따르면 2026년까지 현재 성장률을 유지하는 것으로 가정할 때 전 세계 비디오 게이밍/e스포츠 산업의 규모는 2천 956억 3천만 달러에 이를 것이다. 전세계적으로 계속 되고 있는 사회적 거리두기는 게임에 있어서 완벽한 조건이며 게임 개발자가 인공지능 및 머신러닝(AI/ML) 모델로 게이밍 경험 수준을 높이는 데 관심을 갖는 것은 당연하다. AI/ML(및 삼성 메모리 기술이 지원하는 AI/ML)은 이미지 업스케일링과 데이터 기반의 개인 맞춤형 게임 구매 제안을 통해 게임의 판도를 바꾸고 있다. 미래에는 AI가 훨씬 더 스마트한 챗봇과 진정한 지능형 게임까지 선보일 것이라 예상할 수 있다. 1. 현재 진행 중 - 이미지 업스케일링 게이머라면 그래픽 충실도의 개선이 전반적인 게이밍 경험을 극적으로 향상시켜 플레이의 현실감과 몰입도를 높여준다고 이구동성으로 말할 것이다. NVIDIA가 인공 신경망을 만들어 선별된 게이밍 시스템을 학습시키고, 업스케일링이라고 알려진 프로세스를 통해 게임 플레이 시 이미지를 강화하는 것도 그런 이유 때문이다. 다음은 게이밍 시스템에서 이미지 업스케일링이 작동하는 방식이다(예: NVIDIA의 GeForce RTX 20 및 30 시리즈). 1. 먼저 인공 신경망을 개발하여 NVIDIA의 DGX 서버에 학습시킨다. 이 서버는 삼성 고대역폭 메모리를 활용하는 강력한 데이터 센터 기반의 서버이다. 2. 신경망에 수백만 개의 이미지를 보여주고, 저해상도 이미지에 상응하는 “이상적” (고해상도) 이미지를 인식하도록 신경망을 훈련시킨다. 이 훈련을 통해 지능형 업스케일링, 즉 매우 낮은 해상도 이미지를 사용하여 실물 같은 이미지를 효율적으로 재생성할 수 있다. 3. 전용 AI 프로세서(및 삼성의 GDDR6 SDRAM)를 사용하는 GeForce RTX 시스템에 DLSS를 설치한다. 4. 게임 플레이 중에 지능형 업스케일링은 게임 본래의 비주얼 해상도를 높인다. 범프업된 프레임 속도와 결합하면 별 볼일 없던 게임 플레이도 넋을 빼놓을 정도의 몰입감을 갖게 된다. GeForce RTX 시스템이 독립형 게임플레이 경험 수준을 높이고 있는 동시에 AI/ML 혁신은 온라인 게이밍 영역의 지형을 다시 그리고 있다.

2. 현재 진행 중 - 개인 맞춤형 인게임 구매 무료로 플레이할 수 있는 온라인 게임이 많지만 스튜디오들은 인게임/인앱 구매, 플레이어별 타깃화된 광고를 통해 경험을 향상시킨다. AI 기반 데이터 마이닝을 활용하는 스튜디오들은 게임 플레이 데이터를 분석하여 플레이어가 구매할 수 있는 제품 및 구매 가능성이 가장 높은 시간을 예측할 수 있다. 데이터 마이닝은 스튜디오의 업계 매출액을 늘리는 데 도움을 줄 뿐만 아니라 플레이어의 경험을 보다 잘 이해하여 더 심층적인 플레이어 프로필을 개발하도록 지원한다. 좋아하는 스킨이나 어려운 레벨을 깨기 위해 필요한 부스터를 쉽게 구매하는 것처럼 보기에는 간단한 일들이 스튜디오의 성공과 플레이어 충성도에 열쇠가 될 수 있다.

지능형 추천 엔진과 개인 맞춤형 게이밍 구매를 생성하기 위해 저장하고 분석해야 할 플레이어 피드백 데이터의 양은 엄청나지만, AI의 도움으로 게임 개발자에게 유리하도록 이러한 데이터를 활용하고 플레이어의 경험을 향상할 수 있게 되었다. 3. 상용화 예정 - 자연어 처리를 통한 대화 개선 자연어 처리(NLP)는 컴퓨팅에 크게 의존하는 또 다른 기술이며, AI/ML은 사용자 경험 개선에 사용되고 있는 분야이다. NLP 연구는 물론 비디오 게임의 세계를 넘어서지만 게임 내에서 이를 적용한다면 플레이의 몰입도 측면을 강화하는 데 큰 도움이 된다. 제2외국어를 배우려고 시도했던 사람이라면 알겠지만 자연스럽게 말하는 것은 모호하고, 모순적이며, 구문 분석이 어려울 때가 있다. 제대로 이해하려면 말하거나 쓴 단어만큼이나 뉘앙스, 문화적 지식, 어조, 얼굴 표정/신체적 제스처를 이해하는 것이 중요하다. 크리올어와 같은 혼합 언어를 제외하면 어떤 언어를 사용하든 가능한 표현의 수는 기술적으로 무한하다. 당연히 NLP에 요구되는 컴퓨팅은 어마어마하며, 인공 신경망에 의존해 수천억 개의 파라미터를 기반으로 하는 데이터를 처리하고 관리해야 한다. 바로 여기서 삼성 HBM(고대역폭 메모리)가 필요하다.

삼성 HBM에는 초고속 스택 메모리 다이가 포함되어 산더미 같은 데이터가 프로세서를 오가도록 해준다. 컴퓨터를 훈련시켜 인간의 언어를 이해하도록 만들려면 고성능 컴퓨팅이 필요하므로 삼성의 HBM은 NLP의 인공 신경망을 훈련하는 데이터 센터에서 선호하는 메모리이다. 4. 놓치지 마세요 - 비스포크 게이밍 어느 정도 나이가 있으신 분이라면 AI와 게이밍을 생각할 때 1997년 IBM의 Deep Blue가 체스의 전설이었던 Garry Kasparov를 이겼던 일을 떠올릴 것이다. 사실 많은 AI 게이밍 알고리즘은 체스와 바둑 같은 게임 로직에 초점을 맞춘다. 하지만 뚜렷한 줄거리가 전개되는 롤플레잉 게임(RPG)의 경우 일반적으로 AI와 ML은 서사를 끌어가는 데 사용되지 않았다. 메모리와 프로세싱 요구 사항이 너무 비싸기도 했고, 어느 정도의 예측 가능성이 의도적으로 게임 속에 포함되어 있기 때문이다. 결국 너무 예측이 어려운 게임은 싸워서 이길 수 있는 최소한의 확률을 원하는 대부분의 인간 플레이어에게 어필하지 못한다. 따라서 게임 스토리 라인은 전통적으로 결정 트리(Decision tree)를 사용해 결정되었으며, 이런 트리 중 일부는 아주 정교하지만, 게임 플레이가 반복된 후 NPC(논플레이어 캐릭터. 즉, 소프트웨어에 의해 생성 및 플레이되는 캐릭터)는 결국 너무 뻔하게 예상할 수 있다. 따라서 AI를 사용하여 계속 모핑하는 이길 수 없는 게임이나 슈퍼 스마트 NPC를 만드는 대신, 스튜디오들은 지능형, 적응형 게임을 만드는 데 필요한 딥러닝을 탐색하기 시작했다. 이러한 개인 맞춤형 알고리즘은 소프트웨어가 게임을 개인 플레이어에 맞추어 플레이어의 스킬 레벨, 플레이 스타일, 무기 등을 수용할 수 있도록 할 뿐만 아니라, 게임 도중에 처음부터 완전히 새로운 게임을 디자인하거나 또는 플레이어가 디자인할 수 있게 지원하는 가능성까지 제공한다. NPC는 언어 사용 및 태도에 대한 플레이어의 개인 기호에 맞추어 조정할 수 있다. 이러한 고급 기능이 나오려면 앞으로 몇 년 더 걸리겠지만, 삼성의 HBM 및 그래픽 DRAM 솔루션은 게이밍과 그 너머의 세계에서 차세대 AI 및 ML 기능 지원에 필요한 성능, 용량, 효율성을 제공하는 데 관여하게 될 것이다.