아이티랩 - [SW중심사회] 게임을 가장 재미있게 즐기는 방법, AI는 알고 있다

엔씨소프트·넷마블, 사용자 맞춤 서비스
게임 판 키운 ‘블레이드&소울’ ‘콜럼버스’

인공지능(AI)은 게임 분야에서는 널리 활용되는 기술이다. 기업들이 AI의 중요성을 일찌감치 인지하고 미리 대응에 나섰기 때문이다. 김택진 엔씨소프트 대표의 경우 2014년 신년사에서 “회사의 미래는 게임이 아닌 AI”라고 강조할 정도다. 방준혁 넷마블게임스 의장도 2015년 “AI를 이용한 게임 개발에 역량을 쏟아 세상을 놀라게 하겠다”고 말한 바 있다.



◇엔씨소프트, ‘블레이드&소울’에 AI 적용

엔씨소프트는 2010년 AI 개발에 중요성을 알고 테스크포스(TF)팀을 준비했다. 이 회사는 위기를 헤쳐나갈 다음(Next) 기술 중 하나를 AI로 정하고 2012년 AI 랩(Lab) 조직을 신설했다. 현재는 AI 센터(Center)로 확대, 산하에 AI 랩과 NLP(자연어 처리) 랩으로 구성해 개발하고 있다.

AI는 일반적으로 해결하기 어려운 문제를 지능적으로 해결하는 기술. AI 기술을 활용해 게임 내의 어려운 문제를 해결하는 방안을 찾아보거나, 기존의 기능을 새롭게 개선하고 있다. AI가 적용된 게임은 ‘블레이드&소울’의 ‘무한의 탑’ 콘텐츠.

‘무한의 탑’은 총 100층으로 구성된 최상급 1인 플레이 던전이다. 블소 이용자는 NPC(Non-Player Character)와 1대 1 대전을 펼쳐 제압하면 다음 층으로 올라가고 보상을 받을 수 있다. 무한의 탑은 층이 올라갈수록 더욱 강력한 NPC를 만나게 된다.

‘무한의 탑’은 1대 1 PvP 느낌이 드는 PvE 콘텐츠로 기획됐다. PvP에서 발생하는 다양한 상황에 따라 대응 방법을 생각하고 반응하는 AI 기술이 들어갔다. 틀에 짜인 공략법도 없다. 바둑이나 체스처럼 게임 데이터를 사람과 대전에 바로 적용하기 어려워 AI가 직접 플레이를 하며 데이터를 만들어가는 ‘강화학습’ 방식을 통해 AI를 훈련 시켰다.

블레이드&소울에 적용된 학습형 AI 기술은 다양한 게임 분야에도 사용 중이다. 비무, 투기장 등 PvP요소가 있는 게임에 적용된다. 대표적인 것이 2012년부터 적용된 AI 매칭(Matching) 기술이다. 이 기술은 플레이어를 평가하고, 적합한 상대방이나 파트너를 연결해주는 기술이다. 경기 결과와 승패, 데이터 등을 AI 기술로 분석해 가장 재미있을 것 같은 상대를 연결해 준다.

대기 시간을 줄여서 간편하게 본연의 게임을 재미있게 즐길 수 있도록 도와주는 기술도 AI다. 게임 목적에 따라 플레이어들의 대기 시간을 최소화하면서, 적합한 상대를 연결해줘 게임 본연의 재미를 AI 기술이 높여준다.

◇넷마블, 개인 맞춤형 게임 서비스 엔진 ‘콜럼버스’ 선보여

넷마블게임즈도 AI 중요성을 미리 감지하고 개발에 매진 중이다. AI 개발 인력은 60여명이다. 이 회사는 이용자의 패턴을 확인하고 학습하는 맞춤형 서비스를 개발하고 있다. 넷마블이 개발 중인 세계 최초 개인 맞춤형 게임 서비스 엔진은 ‘콜럼버스’다.

기본적으로 게임 콘텐츠와 서비스는 대중적인 부분에 초점을 맞추거나, 특정 유저를 대상으로 하는 경우가 많다. 그런데 이대로 게임을 서비스하면 적응 못 하거나, 특정 단계에서 막히게 되면 게임을 이탈하는 상황이 많아지는데, 콜럼버스 AI 기술이 이를 해결한다.

콜럼버스가 적용된 게임들은 유저가 특정 스테이지에서 반복적으로 실패하고 있을 때, 유저의 성향에 맞춰 필요한 아이템을 추천하거나 빠르게 다음 스테이지로 이동할 수 있도록 돕는다. 콜럼버스의 인공지능은 일반적인 게임 인공지능이 활용하는 상태 기계 모델 (State Machine Model)에 기반을 둬 동작한다.

이는 일반적 게임 인공지능이 한정된 개수의 NPC 상태를 기획하고 상태별 행동 규칙을 수작업으로 구현하는 것과 다르게, 콜럼버스의 인공지능이 유저의 취향이나 성향, 상황을 구분하고 판단한다. 이를 통해 유저 상태 모델과 유저 상태 각각에 대한 맞춤형 서비스 규칙을 기계 학습을 진행해 최고의 결과를 내보내게 된다.

콜럼버스의 인공지능은 데이터로부터 추출된 여러 서비스 규칙들을 임의의 유저들에게 적용해보고 나서 그 반응을 토대로 최적의 규칙이 무엇인지 빠르게 학습할 수 있다.


의견 0 신규등록      목록