AI가 '레드 데드 리뎀션 II'에 도전: 획기적인 연구

최근 며칠 동안 이미 뜨거웠던 AI 커뮤니티는 중국과 싱가포르의 연구원들이 최첨단 인공 지능을 도전적인 비디오 게임 레드 데드 리뎀션 II(RDR2)와 대결시키면서 불타올랐습니다. '레드 데드 리뎀션 II 사례 연구를 위한 OpenAI의 GPT-4V와 CRADLE 멀티모달 에이전트의 통합: 일반 컴퓨터 제어를 향해'라는 제목의 이 연구는 비디오 게임 레드 데드 리뎀션 II의 멀티플레이어 게임 탐색을 위한 '모델 선택 알고리즘' 연구를 다룹니다.

일반 컴퓨터 제어 이해하기

일반 컴퓨터 제어(GCC)는 인공 일반 지능(AGI) 형성을 위한 길을 열며, 여기서 AI 시스템은 인간 사용자가 보여주는 것과 동일한 능력과 이해도로 작업을 빠르게 처리하는 숙련도를 입증합니다. 시각 및 청각 데이터를 포함하는 컴퓨터 입력 시스템과 함께 AI는 더 컴퓨터 숙련된 사람의 역할을 수행합니다. 또한, 이 기술은 AI에게 동적인 상황에서 결단력 있게 행동할 수 있는 수단을 제공하며, 이는 환경에 대한 사전 지식 없이 다양한 정보를 적절히 인식하고 반응함으로써 학습 과정을 거치면서 AI의 재현성을 테스트합니다.

풍부한 환경과 예기치 않은 사건으로 알려진 RDR2(GM)는 이 연구 작업의 가장 좋은 시작점입니다. 이 게임은 복잡한 제어 시스템과 사용자 인터페이스 구성 요소를 갖춘 시뮬레이션된 인력 관리 시스템을 제시하며, 대화 상호 작용부터 시간을 절약하고 사용자의 경험을 향상시키기 위한 특수 게임 내 프롬프트 또는 가이드까지 다양하여 AI 평가의 신뢰성을 높입니다.

AI 게임에서의 행동 및 진전

이 연구의 핵심은 CRADLE 프레임워크로, 이는 게임플레이뿐만 아니라 나중에 다양한 유형의 소프트웨어 애플리케이션을 처리하도록 설계된 프로토타입 AI 시스템입니다. CRADLE은 목표 달성을 통해 무작위 게임플레이에 AI를 익숙하게 만드는 것을 목표로 하며, 이는 내부 상태나 API에 대한 단서 없이 인간 학습 패턴을 기반으로 합니다.

그럼에도 불구하고, 개발 과정이 순조롭게 진행될 것이라고는 예상하지 못했습니다. 빠른 시공간 인식 처리와 실시간 의사결정이 필요한 일부 작업에서는 AI가 복잡한 전투 임무와 좁고 연결된 복도로 구성된 실내 맵과 같은 어려움을 겪었습니다. 이러한 도전 과제는 인간과 유사한 시각과 게임 객체 이해를 필요로 하는 두 가지 작업을 세밀하게 처리해야 하는 게임 엔진의 mental model과 AI 시스템의 mental model 사이의 경계를 명확히 보여주었습니다.

미래의 과제와 함의

거론된 모든 문제가 게임플레이 내에서 완전히 동기화되었음에도 불구하고, CRADLE은 스토리 파트를 완료하는 데 성공했으며, 이는 AI 게임 분야에서 높은 이정표로 간주되어야 합니다. 이 연구 결과는 AI가 이러한 집약적인 작업 시뮬레이션을 구현할 수 있는 능력을 강조할 뿐만 아니라, 특히 우수한 공간 인식과 시각 스펙트럼 개발 측면에서 아직 보완할 수 있는 부분들도 보여줍니다.

AI는 진화함에 따라 그 활용 범위가 새로운 지평으로 확장되고 있으며, 게임은 다른 더 깊은 도전 과제들 중 초기 논쟁의 중심에 있습니다. 복잡한 플랫폼에서 시스템을 이해하고 반응할 수 있는 AI 시스템은 로봇공학 및 실시간 전략 시스템과 같은 영역에서 진보의 도구가 됩니다. 아래 연구는 AI 기능을 개선하고 일반 컴퓨터 제어의 적용 한계를 돌파하기 위한 추가 연구의 기초로 확실히 채택될 것이며, 기존 한계를 연구하고 해결하여 AI 시스템을 더 지능적이고 반응적이며 스마트하게 만드는 것은 광범위한 응용 분야에서 사용될 수 있는 AI 자원을 창출하는 데 도움이 될 것입니다.