그는 이 초기 혁신들이 현대 게임 AI 기술의 원형으로 여전히 유효하며, 인터랙티브 엔터테인먼트의 경계를 넓히고자 하는 엔지니어, 게임 디자이너, AI 전문가들에게 통찰을 제공한다고 강조했다.
미야케 선임은 1980년 남코의 '팩맨'을 게임 AI 역사의 첫 출발점으로 꼽았다. 그는 팩맨의 창시자인 이와타니 토루와의 인터뷰와 일본어로 된 원본 설계 문서를 통해 이 게임의 정교한 AI 기술을 밝혔다.
초기 게임에는 AI가 없다는 통념과 달리, 팩맨은 게임의 리듬과 속도를 조절하는 '메타-AI'와 각 유령(빨강, 분홍, 청록, 주황)이 서로 다른 의사결정 행동을 보이는 다중 에이전트 기술을 도입했다. 예로 빨간 유령은 팩맨을 직접 쫓고, 분홍 유령은 팩맨의 위치를 예측하며, 청록 유령은 빨간 유령을 대칭으로 따라가고, 주황 유령은 무작위로 움직인다. 이러한 다양성은 플레이어에게 탈출 기회를 제공하며, 초기 객체 지향 설계의 사례로 주목받는다.
또한 미야케 선임은 팩맨의 동적 난이도 조절을 강조했다. 처음에는 두 유령만 등장하지만, 플레이어가 진행함에 따라 유령이 추가되고, 플레이어의 실력에 따라 행동이 조정된다. 플레이어가 어려움을 겪으면 게임이 쉬운 모드로 전환되는데, 이는 현대 적응형 AI 시스템의 전신이라 할 수 있다는 게 미야케 선임의 평가다.
이어 미야케 선임은 1990년 출시된 드래곤 퀘스트IV를 주요 사례로 들었다. 그는 이 게임에서 동료 캐릭터가 명령 기반 시스템을 통해 자율적으로 성장한다고 설명했다. 각 몬스터는 공격, 도망 등 6가지 행동과 이를 결정하는 매개변수를 가지며, 체력이 낮을 때 도망 확률이 높아지거나 행동을 체계적으로 순환하는 등의 개성을 보인다.
미야케 선임은 드래곤 퀘스트 개발자 나카무라 코이치와 호리 유우지와의 인터뷰를 통해 이 시스템이 몬스터에 개성을 부여한 초기 AI 설계의 핵심임을 확인했다고 전했다.
또한 1999년 출시된 아스트로노카는 AI 실험의 정점으로 평가받았다. 이 게임은 유전자 알고리즘과 신경망을 활용해 플레이어가 고유 염색체를 가진 생물을 육성하며, 진화 속도가 느려지면 유전자 돌연변이를 가속화해 조정한다. 각 생물의 신경망은 주의, 인식 등으로 나뉜 8,000개 이상의 노드로 구성되어 자율 행동을 제어하며, 게임 역사에서 기계 학습의 초기 적용 사례로 꼽힌다.
미야케 선임은 1985년 출시된 슈퍼 마리오 브라더스를 메타-AI의 예로 들며, 1989년 일본 인터뷰 책을 인용해 '영향 지도(influence map)'를 설명했다. 이 게임은 마리오의 시야 반경을 추적하는 층과 적 위치 및 환경 상태를 누적하는 층으로 구성된 시스템을 통해 게임 세계를 관리하며 난이도와 속도를 은연중에 조절한다. 이는 현대 설계에도 영향을 미치는 접근법이다.
미야케 선임은 게임 AI를 메타-AI (게임 전체 제어), 캐릭터 AI (개별 행동), 부분 AI (하위 시스템)로 분류하고, 의사결정의 진화를 조명했다. 초기 게임은 센서 입력에서 행동 출력으로 이어지는 반응형 의사결정을 사용했으나, 이후 목표 기반, 작업 기반, 유틸리티 기반, 신경망 기반 시스템으로 발전했다.
드래곤 퀘스트IV의 유틸리티 시스템은 배고픔, 에너지 등의 매개변수에 가중치를 부여해 '행복도'를 계산하고 행동을 결정한다. 미야케는 여기서 경제학의 한계 효용 체감 법칙이 적용된다고 지적했다. 예로 '먹기'는 높은 효용을 제공하지만, 이후 행동은 효용이 줄어든다.
1990년대 후반부터 신경망이 주목받았다. 1996년 출시된 크리처스는 100개 이상의 노드로 구성된 신경망을 가진 자율 에이전트를 통해 플레이어 상호작용을 학습했다. 2001년 블랙 앤 화이트는 퍼셉트론 기반 시스템으로, 플레이어 피드백에 따라 가중치를 조정해 생물 행동을 형성했다. 미야케는 이를 현대 딥 러닝과 비교하며, 2013년경 Deep Q-Network(DQN) 연구에 사용된 아타리 2600 게임을 언급했다. DQN은 브레이크아웃에서 뛰어났지만, 몬테주마의 복수처럼 계획이 필요한 게임에서는 한계를 드러냈다.
상호작용성은 1966년 MIT의 조셉 와이젠바움(Joseph Weizenbaum)이 만든 챗봇 ELIZA에서 시작되었다. 이는 과거 대학에서 인기를 끈 텍스트 어드벤처 '졸크(Zork)', 그리고 더 라스트 익스프레스에서 플레이어 대화로 학습하는 캐릭터로 이어졌다. 1999년 시맨은 음성 기반 상호작용으로 두드러졌으며, 사이토 유트 개발자가 다양한 발음을 녹음해 미묘한 의미를 전달했다.
미야케 선임의 통찰은 스퀘어 에닉스 창고에서 1만 권의 책을 포함한 기술 문서를 디지털화하고 분석하는 프로젝트에서 비롯되었다. 그는 이 노력을 다른 회사들과 공유하며 게임 개발 역사의 공공 아카이브를 만드는 중이다. 팩맨의 규칙 기반 시스템부터 아스트로노카의 신경망까지, 이 진화를 이해하면 미래 게임 AI의 미개척 잠재력이 드러난다고 강조했다.
미야케 선임은 "속도 조절을 위한 메타-AI, 깊이를 위한 다중 에이전트 시스템, 진화를 위한 유전자 알고리즘, 의사결정을 위한 유틸리티 시스템 등 1980~90년대에 뿌리를 둔 이 기술들은 최첨단 AI의 원형으로, 과거가 게임의 미래를 여는 열쇠임을 입증한다"고 평가했다. 이어 "게임을 이해하는 가장 좋은 방법은 그 역사를 배우는 것이며, 게임 AI의 기술적 잠재력은 아직 완전히 탐구되지 않았다"고 강조했다.
Biit@inven.co.kr
페이지 구독하기
다른 기사 보기
기사 제보하기
