게임을 하는 인공지능 모델은 수십 년 동안 존재해왔지만 대개는 한 게임에 특화되어 승리에만 집중합니다. 연구원 구글 Deepmind의 목표는 다릅니다. 인간처럼 여러 3D 게임을 플레이하는 방법을 학습하는 동시에 사용자의 구두 지시를 이해하고 그에 따라 행동하기 위해 최선을 다하는 모델을 만드는 것입니다. 그들은 Scalable, Instructable, Multiworld Agent를 의미하며 현재 연구 중인 SIMA 모델을 도입했습니다.
시간이 지남에 따라 SIMA는 게임 종료 또는 오픈 월드 게임까지 선형 경로가 없는 비디오 게임을 포함하여 모든 비디오 게임을 플레이하는 방법을 배웁니다. 알고리즘이 기존 게임 알고리즘을 대체하려는 의도는 아니지만 일체 포함, 오히려 그를 파트너이자 동반자로 생각할 수 있습니다. 자연어 학습과 3D 세계 이해 및 이미지 인식을 결합합니다.
https://twitter.com/GoogleDeepMind/status/1767918515585994818
회사는 Hello Games, Embr 등 다양한 게임 개발사와 협력해왔습니다.acer, Tuxedo Labs, Coffee Stain 등이 SIMA를 훈련하고 테스트합니다. 연구진은 SIMA를 No Man's Sky, Teardown, Valheim, Goat Simulator 3 등의 게임에 연결하여 AI 에이전트에게 게임 플레이의 기본 사항을 가르쳤습니다.
팀은 SIMA가 일반적인 게임 기술을 배울 수 있도록 내러티브 중심보다 개방형 게임을 선택했습니다. Goat Simulator 연습을 플레이하거나 본 적이 있다면 무작위적이고 자연스러운 일을 하는 것이 게임의 전부라는 것을 알 것입니다. 팀에서는 이것이 바로 SIMA에게 가르치고 싶은 자발성이라고 말합니다.
이를 위해 팀은 먼저 Unity 엔진에 새로운 환경을 만들었습니다. 그 다음에 구글 한 쌍의 플레이어가 게임을 주도하고 다른 플레이어는 다음에 무엇을 해야 할지 지시하여 음성 지시를 녹음합니다. 그 후, 플레이어들은 스스로 플레이하여 자신의 행동이 게임에서 어떤 결과를 가져오는지 보여주었습니다. 에이전트가 화면에서 다음에 무슨 일이 일어날지 예측하는 방법을 학습할 수 있도록 이 모든 것이 SIMA에 입력되었습니다. SIMA는 현재 좌회전, 계단 오르기 등 약 600가지 기본 기술을 보유하고 있지만 앞으로는 더욱 복잡한 기능을 학습하게 될 것입니다.
SIMA는 저처럼 인공지능을 갖춘 NPC가 아닙니다. NVIDIA Convai는 결과에 영향을 미치는 게임의 또 다른 플레이어입니다. SIMA 프로젝트 공동 책임자인 프레데릭 베세(Frédéric Besse)는 그러한 AI 에이전트가 연구 이외의 게임에서 어떤 응용 프로그램을 찾을 수 있는지 말하기에는 아직 이르다고 말했습니다. 하지만 Google은 고급 모델을 사용하면 다음과 같이 말했습니다. 일체 포함 SIMA는 결국 더 복잡한 작업을 수행할 수 있게 되고 이상적인 파트너가 될 것입니다.
또한 읽기: