AI가 '레드 데드 리뎀션 II'에 도전하다: 획기적인 연구 결과

최근 며칠 동안 이미 뜨거운 논쟁이 벌어지고 있는 AI 커뮤니티는 중국과 싱가포르 연구진이 최첨단 인공지능을 활용하여 난이도 높은 비디오 게임 '레드 데드 리뎀션 II(RDR2)'를 테스트한 연구로 인해 더욱 뜨거운 열기에 휩싸였습니다. '일반 컴퓨터 제어를 향하여: OpenAI의 GPT-4V와 CRADLE 멀티모달 에이전트를 통합한 레드 데드 리뎀션 II 사례 연구'라는 제목의 이 연구는 비디오 게임 '레드 데드 리뎀션 II'의 멀티플레이어 게임 탐색을 위한 "모델 선택 알고리즘" 연구를 다룹니다.

일반 컴퓨터 제어 이해하기

일반 컴퓨터 제어(GCC)는 인공 일반 지능(AGI)의 구현을 위한 토대를 마련합니다. AGI는 AI 시스템이 인간 사용자와 동등한 수준의 능력과 이해력을 바탕으로 작업을 신속하게 처리할 수 있음을 입증하는 기술입니다. 시각 및 청각 데이터를 포함하는 컴퓨터 입력 시스템을 통해 AI는 더욱 능숙한 인간의 역할을 수행할 수 있습니다. 또한, 이 기술은 AI가 역동적인 상황에서 결정적으로 행동할 수 있는 수단을 제공합니다. 즉, AI가 학습 과정을 거치면서 환경에 대한 사전 지식 없이 다양한 정보를 적절하게 인식하고 반응함으로써 AI의 재현성을 검증할 수 있습니다.

RDR2, 일명 GM으로 불리며 풍부한 환경과 예측 불가능한 이벤트로 유명한 이 게임은 본 연구의 최적의 출발점입니다. 이 게임은 복잡한 제어 시스템과 사용자 인터페이스 구성 요소를 갖춘 시뮬레이션 인사 관리 시스템을 제공하며, 상호 작용하는 대화부터 게임 내 특별 안내 및 시간 절약, 사용자 경험 향상에 도움이 되는 안내까지 다양한 기능을 포함하고 있어 AI 평가의 신뢰성을 높여줍니다.

AI 게임에서의 행동과 발전

본 연구의 핵심은 CRADLE 프레임워크라는 AI 프로토타입 시스템입니다. 이 시스템은 게임 플레이뿐만 아니라 향후 다양한 유형의 소프트웨어 애플리케이션도 처리할 수 있도록 설계되었습니다. CRADLE은 목표 달성을 통해 무작위 게임 플레이에 익숙해지도록 AI를 훈련시키는 것을 목표로 하며, 내부 상태나 API에 대한 정보 없이 인간의 학습 패턴을 기반으로 작동합니다.

그럼에도 불구하고 개발이 순조롭게 진행될 것이라고는 예상하지 못했습니다. 빠른 시공간 인식 처리와 실시간 의사 결정이 요구되는 일부 작업에서 AI는 복잡한 전투 임무나 촘촘하게 연결된 복도로 이루어진 실내 지도와 같은 문제에 직면했습니다. 이러한 어려움은 AI 시스템의 사고방식과 게임 엔진의 사고방식 사이의 분명한 차이를 드러냈습니다. 게임 엔진은 인간과 유사한 시각과 게임 오브젝트 이해라는 두 가지 과제를 수행하는 데 있어 세밀한 정확도를 요구했습니다.

미래의 과제와 시사점

앞서 언급된 모든 문제점들이 게임 플레이에 완벽하게 반영되었음에도 불구하고, CRADLE은 스토리 부분을 성공적으로 완료했으며, 결과적으로 AI 게임 분야에서 높은 수준의 성과를 보여준 사례로 평가받을 만합니다. 이번 연구 결과는 AI가 이러한 고강도 작업 시뮬레이션을 수행할 수 있는 능력을 입증했을 뿐만 아니라, 특히 공간 인식 및 시각 스펙트럼 능력 개발과 같이 개선해야 할 부분들도 시사합니다.

인공지능(AI)은 끊임없이 진화하며 새로운 활용 영역을 개척하고 있습니다. 게임은 AI가 직면한 초기 과제 중 하나일 뿐이며, 더욱 심층적인 문제들이 산적해오고 있습니다. 복잡한 플랫폼 환경을 이해하고 반응할 수 있는 AI 시스템은 로봇공학이나 실시간 전략 시스템과 같은 분야의 발전을 위한 도구로 활용될 수 있습니다. 본 연구는 AI 기능 향상 및 범용 컴퓨터 제어(GC) 적용의 한계 극복을 위한 추가 연구의 토대가 될 것입니다. 기존의 한계를 연구하고 해결하여 AI 시스템을 더욱 민감하고 반응성이 뛰어나며 스마트하게 만드는 것은 다양한 분야에서 활용될 수 있는 AI 자원을 구축하는 데 기여할 것입니다.