AI가 게임 플레이까지 만들어낸다고? – WHAM과 Muse가 가져올 게임 개발의 미래
최근 인공지능(AI) 기술이 게임 산업에 놀라운 변화를 가져오고 있습니다. 단순히 NPC(비(非)플레이어 캐릭터)를 똑똑하게 만드는 수준이 아니라, 이제는 AI가 게임 플레이 장면을 직접 생성하고, 플레이어의 조작까지 예측해 영상과 동작을 만들어내는 시대가 열리고 있습니다.
마이크로소프트 리서치(Microsoft Research)와 닌자 시어리(Ninja Theory)가 공동 연구한 ‘WHAM(World and Human Action Model)’과 ‘Muse’가 그 중심에 있습니다.
이 블로그에서는 WHAM과 Muse가 무엇이고, 어떤 기술적 특징을 가지고 있는지, 그리고 실제 게임 개발 현장에서 어떻게 활용될 수 있는지 살펴보겠습니다.
1. WHAM과 Muse란? – 핵심 개념 및 배경 설명
WHAM(World and Human Action Model)은 ‘세계와 인간 행동 모델’이라는 뜻으로, 게임 세계와 플레이어의 행동을 AI가 이해하고 생성해내는 기술입니다.
이 WHAM 기반 모델 중 하나가 바로 ‘Muse’입니다.
Muse는 비디오 게임 플레이 화면(시각 데이터)과 플레이어가 조작하는 컨트롤러 입력(행동 데이터)을 학습해, 게임 장면과 행동을 직접 생성해낼 수 있는 생성형 AI 모델입니다.
쉽게 말해, Muse는 아래와 같은 일을 할 수 있습니다:
- 게임 플레이 영상과 조작을 보고, 그다음 장면을 예측해서 계속 플레이를 생성한다.
- 새로운 플레이 화면을 만들어내며, 마치 사람이 플레이하는 것처럼 자연스럽게 진행된다.
이 기술이 개발된 배경에는 Xbox 게임 스튜디오의 닌자 시어리가 만든 ‘블리딩 엣지(Bleeding Edge)’라는 게임이 있습니다. 이 게임의 플레이어 행동 데이터와 화면 데이터를 활용해 Muse가 훈련되었습니다.
총 7년치 분량의 인간 플레이 데이터를 사용했다고 하니, 그 규모가 얼마나 방대한지 짐작이 가시죠?
2. Muse의 주요 특징 – 일관성, 다양성, 지속성
Muse 모델은 단순히 게임 장면을 만드는 것이 아니라, 다음 세 가지 핵심 능력을 갖췄다는 점에서 주목받고 있습니다.
① 일관성(Consistency)
Muse가 생성한 플레이 영상은 실제 게임 규칙과 물리 법칙을 잘 따릅니다.
예를 들어, 캐릭터가 벽을 뚫고 지나가거나, 엉뚱한 방향으로 날아가는 식의 비현실적인 장면이 나오지 않습니다.
플레이어의 컨트롤러 입력에 맞춰 자연스럽게 움직이고, 게임 세계의 구조와 흐름을 유지합니다.
② 다양성(Diversity)
같은 초기 장면을 주더라도 매번 다른 플레이 결과가 나올 수 있습니다.
예를 들어, 같은 시작점에서 한 번은 점프대를 통해 이동하고, 또 한 번은 다른 경로로 돌아가는 식입니다.
이렇게 여러 경우의 수를 만들어볼 수 있기 때문에, 개발자들이 다양한 플레이 시나리오를 테스트하는 데 큰 도움이 됩니다.
③ 지속성(Persistency)
개발자가 플레이 영상에 새로운 캐릭터를 추가하는 등 편집을 하면, Muse는 이 변경 사항을 반영해 이후 장면을 자연스럽게 이어갑니다.
예를 들어, 원래 없던 캐릭터를 화면에 집어넣으면, Muse는 그 캐릭터가 원래부터 있었던 것처럼 행동하게 만듭니다.
3. 실제 활용 사례 – Bleeding Edge와 WHAM Demonstrator
Muse는 실험적인 기술이지만, 이미 블리딩 엣지 게임 데이터로 훈련되며 상당한 수준에 도달했습니다.
연구팀은 ‘WHAM Demonstrator’라는 프로토타입 툴을 개발해 Muse의 기능을 직접 시연해볼 수 있도록 했습니다.
예를 들어, 사용자가 블리딩 엣지 게임의 한 장면을 Muse에 입력하면, Muse는 그 장면 이후 플레이가 어떻게 진행될지를 만들어냅니다.
또, 게임 컨트롤러를 이용해 캐릭터를 조금 움직이면, Muse가 이를 반영해 이후 화면을 새롭게 생성해줍니다.
이런 기능은 게임 개발자들이 새로운 스테이지를 설계하거나, 시나리오를 만들 때 큰 도움이 될 수 있습니다.
실제로 게임 화면을 일일이 제작하지 않고도, Muse가 다양한 플레이 결과를 보여주니까요.
4. 개발자와 연구자를 위한 접근법 – 오픈소스 데이터와 Azure AI Foundry
마이크로소프트는 이 연구 결과와 함께 Muse 모델의 가중치(weights), 샘플 데이터, 그리고 WHAM Demonstrator 실행 파일까지 오픈소스로 공개했습니다.
개발자와 연구자라면 아래와 같은 자료를 활용해 Muse 기술을 직접 실험해볼 수 있습니다.
- 모델 가중치 및 샘플 데이터
- WHAM Demonstrator 실행 파일(시각적 인터페이스 제공)
- Azure AI Foundry에서 제공되는 학습 자료
Azure AI Foundry 플랫폼에서는 이 데이터를 바탕으로 Muse 모델을 실행하고 실험해볼 수 있습니다.
즉, 관심 있는 사람이라면 누구나 Muse를 직접 사용해보고 게임 개발에 적용해볼 기회가 열린 것입니다.
5. 기술이 열어갈 미래와 당신의 가능성
WHAM과 Muse는 게임 개발자와 AI 연구자 모두에게 새로운 가능성을 제시하고 있습니다.
특히 다음과 같은 점에서 앞으로 더 큰 변화를 기대해볼 수 있습니다.
- 게임 시나리오와 스테이지 제작 시간 단축
- 유저 맞춤형 게임 경험 제공 (개인 플레이 스타일에 맞춘 AI 생성 콘텐츠)
- 프로토타입 제작 단계에서 다양한 플레이 시뮬레이션 활용
물론 아직 초기 연구 단계이기 때문에, 당장 상용 게임에 그대로 적용되기는 어려울 수 있습니다.
하지만, 마이크로소프트가 오픈소스로 데이터를 공개한 만큼, 개발자와 연구자들이 함께 발전시켜 나간다면 가까운 미래에 실무에서도 활용할 수 있는 날이 올 것입니다.
AI가 직접 게임을 만들어가고, 사람은 더 창의적인 작업에 집중하는 날.
WHAM과 Muse가 그 미래를 열어가고 있습니다.
