본 논문의 목적은 생성형 AI 기술의 급속한 발달로 인해 변화하는 게임산업의 생태계를 살펴 보고 이에 따른 대응방안을 모색하는 데 있다. 2022년 11월 OpenAI가 ChatGPT를 대중에게 공개한 이후, 생성형 AI를 가장 직접적으로 활용 및 투자하고 있는 분야는 게임콘텐츠 산업이 다. 생성형 AI의 활용은 단순반복적인 작업의 효율화를 통해 게임 개발의 간소화와 예산 절감 을 가능케 한다. 여기에 플레이어의 반응에 실시간 반응하며 소통하는 콘텐츠 자동 생성을 통 해 사용자 경험을 극대화한다. 실제 게임 개발 현장에서도 게임 레벨, 맵, 퀘스트, 지능형 NPC, QA 자동화 등 게임 제작과 운영의 전 분야에서 생성형 AI 도구가 활용되고 있다. 신기 술에 민감하며 노동집약적인 게임의 산업적 특성 때문에 생성형 AI가 게임산업의 미래를 바꿀 것이라는 전망과 함께, 저작권 이슈와 대량 해고 등 우려 또한 제기되고 있다. 이에 대응하기 위해 게임업계는 생성형 AI가 가져올 불가피한 변화를 적극적으로 받아들이고, 이분법적 ‘대체 론’을 넘어 인간의 창의력과 AI 기술의 장점을 결합할 수 있는 새로운 협업 지성과 창작물에 대한 법적, 윤리적 가이드라인을 모색해야 한다.

현대 사회에서 첨단 기술의 발전은 예술의 양상을 빠르게 변화시키고 있다. 생성형 인공지능 기술의 발전은 인류의 전유물이라 여겨왔던 창작 행위에 기존에는 보지 못했던 색다른 표현을 제공했다. 또한, 전통적 기법 을 고수하던 예술인들에게 새로운 예술 창작의 발현 방식을 제시하였다. 하지만 나날이 발전하는 인공지능 기술에 비해, 이를 활용한 구체적인 미디어아트 제작 과정 연구는 아직 국내에서는 미비하다. 본 논문은 인 공지능 기술을 활용한 미디어아트 해외 사례를 탐구한다. 그리고 Text-to-Image 인공지능 생성 모델과 게임 엔진 Unreal Engine 5를 이용하여, 국내에 자리 잡지 않은 생성형 인공지능을 활용한 작품 제작 방법론과 창 작자들에게 인공지능 이미지 생성 모델의 확장성을 제시한다.

기존의 스타크래프트II 내장AI는 미리 정의한 행동 패턴을 따르기 때문에 사용자가 전략을 쉽게 파악할 수 있어 사용자의 흥미를 오랫동안 유지시키기 힘들다. 이를 해결하기 위해, 많은 강화학습 기반의 스타크래프 트II AI 연구가 진행되었다. 그러나 기존의 강화학습AI는 승률에만 중점을 두고 에이전트를 학습시킴으로써 소수의 유닛을 사용하거나 정형화 된 전략만을 사용하여 여전히 사용자들이 게임의 재미를 느끼기에 한계가 존재한다. 본 논문에서는 게임의 재미를 향상시키기 위하여, 강화학습을 활용하여 실제 플레이어와 유사한 AI을 제안한다. 에이전트에게 스타크래프트II의 상성표를 학습시키고, 정찰한 정보로 보상을 부여해 유동적 으로 전략을 변경하도록 한다. 실험 결과, 사용자가 느끼는 재미와 난이도, 유사도 부분에서 고정된 전략을 사용하는 에이전트보다 본 논문에서 제안하는 에이전트가 더 높은 평가를 받았다..

User churn in games often arises due to inadequate game difficulty. To address this, non-player characters (NPCs) has been utilized to modulate difficulty according to individual game skill. Nevertheless, the effectiveness of solely NPC-based adjustments is limited since game difficulty is influenced by both NPCs and environmental factors. This paper introduces a novel method for dynamically tailoring game difficulty by adjusting in-game environments based on player behavior patterns in top-down shooter game. Through analysis of diverse user game play data, we find that factors within the game environment, such as the distribution of enemy characters and the arrangement of terrain, have a substantial influence on the level of difficulty. Furthermore, it has been observed that behavioral patterns of players show variations according to changes in the game environment. Using these analytical result, we devise an artificial neural network model that configures an environment that suit player behavior patterns. With the model, we figure out the user player pattern and control the difficulty dynamically by changing the environment factors. Through the experiments, we show that our method provides an appropriate level of difficulty for users to prevent user churn.

자연스러운 인간-게임 AI 객체간의 상호작용은 게임월드라는 특정한 공간에서 사람과 객체간의 감성적인 상호작용을 포함한다. 감성적 상호작용의 경우, AI 객체가 인간의 감성을 감지하는 기술과 인간의 감성을 이해하는 능력이 필요하다. 본 연구에서는 감성적 상황 정보를 통하여 게임월드에서 발생할 수 있는 다양한 객체의 감성을 변화시킬 수 있는 상황을 인식한다. 또한 감성적 상황 인식을 통해 얻어진 상황정보와 객체의 욕구를 AHP를 이용하여 표현하고 이를 통해 게임 AI 객체의 감성적 행동을 모델링한다.

게임 NPC(Non Player Character)는 게임 플레이어와 대전 또는 협력함으로써 게임의 재미를 증가시키는 중요한 요소이다. 대부분 기존 게임에서 제공되는 NPC 인공지능은 FSM(Finite State Machine)으로 제작되어 행동 패턴이 정해져 있고 능력이 동일한 특징을 갖고 있다. 따라 서 이러한 특징을 갖는 NPC들과 대전하는 플레이어는 창조적인 게임 플레이를 진행하는 것 이 어려울 수 있다. 본 논문은 이 문제점을 개선하기 위하여 실제 생활에서 늑대들이 먹이를 사냥하는 행동 모델 을 게임 NPC의 행동 모델로 제작하고 이를 평가하기 위한 것이다. 이를 위하여 첫째, 실세계 에서 늑대들이 먹이를 포획하기 위한 행동 상태들을 조사 연구한다. 둘째, 이 행동 상태들을 Unity3D 엔진을 이용하여 구현한다. 셋째, 구현된 NPC들의 상태 전이 비율과 실세계의 NPC 들의 상태 전이 비율, 일반적인 게임 NPC의 상태 전이 비율을 비교한다. 비교 결과, 구현된 NPC들의 상태 전이 비율은 실세계의 상태 전이 비율과 비슷함을 보인다. 이는 구현된 NPC들 의 행동 패턴이 실세계의 늑대 사냥 행동 패턴과 유사함을 의미하는데, 이렇게 함으로써 플레 이어에게 보다 증가된 사용자 경험을 제공할 수 있다.

게임 인공지능은 플레이어에게 지능적이고 적응된 게임 환경을 제공하기 위해 주로 사용된 다. 기존에는 사용자의 게임 행위를 수집/분석하여 동반자 또는 적대적 역할을 하는 Non-player character (NPC)를 위해 사용되었다. 그러나 사용자의 행동을 모방하는 것에서 그치는 경우가 많았다. 본 논문은 사용자의 게임 행위를 분석하여 게임 환경을 변화하는 방법을 소개한다. 사용자의 게임 성향을 파악하기 위해 게임 행위 데이터를 이용하였다. 또한, 사용자의 성향은 지형, 아이템, NPC의 분포를 결정하는데 반영하여 동적인 게임 환경을 제공하기 위해 사용하였다. 제안하는 방법의 실험을 위해 실제 2D 액션 게임에 적용하였고, 사용자의 게임 플레이 행위에 대하여 적절히 변화하는 게임 환경을 확인하였다.