요구되는 훈련 데이터와 역량은 결국 '가짜, 디버그 모드보다 못한 수준'에 불과하다.
어제 Microsoft Xbox는 "게임플레이 아이디에이션을 위해 설계된 생성형 AI 모델"인 Muse를 개방형 Nature.com 기사, 관련 블로그 포스팅, 그리고 YouTube 비디오와 함께 공개했습니다. "게임플레이 아이디에이션"이 무엇인지 궁금하신가요? Microsoft는 이를 "게임 비주얼, 컨트롤러 동작, 또는 둘 다를 생성하는 것"으로 정의하지만, 실제 기능적 목적은 상당히 제한적이며 실제 게임 개발 파이프라인을 대체할 만한 효용은 거리가 멉니다.
그럼에도 불구하고 일부 데이터는 흥미롭습니다. 훈련은 H100 GPU를 활용해 대규모로 진행되었습니다. 실제로 게임플레이의 단 1초를 반응성이 뛰어나고 엔진에 정확한 시뮬레이션된 게임플레이 9초로 확장하는 데 약 100만 번의 훈련 업데이트가 필요했습니다. 다만, 훈련 데이터는 주로 기존의 멀티플레이어 게임플레이 세션에서 추출되었습니다.
Microsoft는 단순한 단일 PC 구동이 아닌, 이 모델을 100개의 Nvidia H100 GPU 클러스터에서 훈련해야 했습니다. 이는 고작 300x180 픽셀의 출력 해상도로 약 9초의 추정된 게임플레이를 제공하는 수준임에도 불구하고, 규모 면에서 비교할 수 없이 막대한 비용과 전력 소모를 수반합니다.
[참고] Microsoft는 Copilot이 오락 목적용이며 심각한 용도에는 적합하지 않다고 밝혔습니다.
[참고] Microsoft의 새로운 게임 총괄 책임자(gaming boss)는 'This is an Xbox' 캠페인을 폐기했는데, 그 이유는 'Xbox다움이 부족했기' 때문입니다.
팀이 Muse를 통해 가장 흥미롭게 보여준 부분은 환경 내 기존 소품과 적을 복제하고, Muse가 그들의 기능을 재현하도록 만든 점입니다. 대체 적이나 소품을 개발 도구로 스폰하는 대신, 이 모든 막대한 하드웨어 비용, 전기세, 그리고 AI 훈련 비용을 들여야 할까요?
Muse가 적절한 객체 영속성을 유지하며 원본 게임의 동작을 복제한 점은 주목할 만합니다. 그러나 그 최종 사용 사례는 이미 효과적인 전통적인 비디오 게임 개발 파이프라인에 비하면 매우 비효율적입니다.
Muse가 향후 더 흥미로운 성과를 낼 수도 있겠지만, 본질적으로는 AI 내부에서 게임플레이를 완전히 시뮬레이션하려는 무수한 프로젝트 중 하나로 머물 가능성이 높습니다. 엔진의 정확성과 객체 영속성을 확보했다는 점은 좋지만, 비디오 게임을 개발하거나 테스트하거나 플레이하는 데 있어 지나치게 최적화되지 않은 방식입니다. 관련 자료를 아무리 깊이 파고들어 보아도, 이러한 방식이 과연 사용자에게 어떤 가치를 제공할지 이해하기 어렵습니다.