옛 맥도날드는 농장이 있었단다, AI, AI, 오...
엔비디아는 인공지능(AI)과 기계 학습 분야에서 주목할 만한 발표를 많이 했습니다. 물론 논의 범위가 데이터센터 하드웨어와 소프트웨어에만 국한된 것은 아닙니다. 엔비디아의 다양한 슈퍼컴퓨터들이 새로운 AI 모델 훈련의 대부분의 핵심 작업을 수행하고 있지만 말입니다. 이번 달 초 열린 에디터스 데이(Editors' Day)에서 엔비디아는 블랙웰 RTX 아키텍처, 신경 렌더링(neural rendering), GeForce RTX 50 시리즈 파운더스 에디션 카드, 전문가 및 크리에이터를 위한 블랙웰(Blackwell), 그리고 블랙웰 벤치마킹(Blackwell benchmarking)을 포함한 다양한 차세대 기술과 하드웨어를 브리핑했습니다. 특히 생성형 AI(Generative AI)와 엔비디아의 RTX AI PC 생태계에 두 개의 세션이 할애되었으며, 이 글에서 이를 자세히 다루겠습니다.
생성형 AI는 지난 몇 년간 Stable Diffusion이나 ChatGPT 같은 도구의 등장을 기점으로 전면에 부상했습니다. 엔비디아는 오랫동안 게임 및 NPC의 행동 방식을, 그리고 사용자가 그들과 상호작용하는 방식을 근본적으로 변화시킬 수 있는 AI 도구 개발에 매진해 왔습니다. 저희는 오랫동안 ACE(Avatar Cloud Engine)에 대한 소식을 들어왔으며, 이 기술은 지속적으로 개선되고 있습니다. 블랙웰과 다가올 게임들을 맞아, 엔비디아는 ACE 및 관련 기술을 활용하기 위해 다양한 게임 개발사 및 퍼블리셔와 파트너십을 맺었습니다. 시연된 결과물들은 흥미로운 면과 다소 미흡한 면이 공존하므로, 이 영상들 자체로 많은 것을 보여주며, 저희가 아래에서 더 심도 있는 분석을 제공하겠습니다.
생성형 AI와 관련된 여러 주제들이 공통적으로 안고 있는 핵심 과제 중 하나는 '원하는 결과물을 얻는 것'입니다. PUBG Ally의 라이브 데모에서는 크래프톤(Krafton) 관계자가 AI 플레이어와 대화하는 모습이 있었고, AI 플레이어는 기대했던 대로 구두로 응답했습니다. 예를 들어, "총기 좀 찾아서 나에게 가져다줘"라는 요청에 AI NPC가 "알겠습니다, 그리 하겠습니다..."라고 응답하는 식이었습니다. 하지만 이 지점에서 AI NPC의 행동은 실제 움직임으로 이어지지 않는 것처럼 보였습니다. 마치 루프에 빠진 듯했고, 아직 대중적인 환경에서 사용되기에는 거리가 있어 보였습니다. 하지만 기술은 매우 빠르게 발전하므로, 어쩌면 단 몇 달 만에 놀라운 변화를 보여줄지도 모릅니다. (다만, 멀티플레이어 게임 환경에서 AI NPC가 실제로 어떻게 작동할지에 대해서는 또 다른 논의가 필요합니다.) 다른 사용 사례로는 MIR5에 등장하는 레이드 보스가 과거 전투 기록으로부터 학습하고 시간이 지남에 따라 적응하여, 보스를 반복적으로 쓰러뜨리기 위해서는 달라진 전술이 요구되는 경우 등이 시연되었습니다. 개념 자체는 <인크레더블(Incredibles)>의 옴니드로이드(Omnidroid)를 연상시키지만, 레이드 보스는 새로운 능력을 얻지 않으므로 무적일 수는 없습니다. (재미가 없기 때문이죠.) 또한 Zoopunk에서는 플레이어가 AI와 상호작용하며 우주선을 재도색하고 꾸밀 수 있습니다. 다시 한번, 라이브 데모는 아쉬움을 남겼습니다. 응답이 나오기까지의 공백 시간이 길었고, "제 우주선을 보라색으로 칠해주세요"와 같은 단순한 프롬프트에도 20~30초에 이르는 불필요해 보이는 과정이 이어졌습니다. 근본적인 문제는 단지 ACE와 AI를 사용하여 게임용 NPC를 만드는 데 있는 것이 아니라, 그 NPC들이 실질적으로 유용하고, 흥미로우며, 재미있게 작동하도록 만드는 것입니다. 결국 게임이니까요. 만약 내용적으로 의미 있는 상호작용을 넘어선 목소리 상호작용에 그친다면 그 가치가 무엇일까요? 저희는 여전히 AI NPC가 기존의 게임 개발 방식보다 더 뛰어난 결과물을 만들어내는 게임 데모를 기다리고 있지만, 비용 절감 기회를 노리는 회계 담당자들이 분명 존재할 것이라 확신합니다.
다른 세션이었던 'RTX AI PCs'는 실제 게임 데모보다는, 엔비디아가 구축한 다양한 도구들(Tools)에 초점을 맞추었으며, 이는 ACE와도 연관성이 깊었습니다. 다양한 RTX NIM(Nvidia Inference Microservices)이 곧 출시될 예정이며, 이 NIM들을 어떻게 활용할 수 있는지에 대한 설계도(기본적으로 코드 샘플)가 제공되었습니다. 그중 가장 흥미로웠던 예시 중 하나는 PDF를 AI 음성 팟캐스트로 변환하는 청사진이었습니다. 이 시스템은 여러 기능을 수행하는 것으로 보였습니다. 사용자가 쉽게 활용할 수 있도록 다양한 기능을 통합하려는 노력이 돋보였습니다. 전체적인 시스템 구조와 활용 가능성을 제시하는 데 중점을 두었습니다.
[참고: 원문 구조상 위 내용은 4개의 문단으로 나누어 정리되었습니다. 각 문단은 주제별로 분리되어 이해하기 쉽습니다.]