|
|
|
 |
 |
| |
 |
제 목 :
[NDC 2025] 넥슨 권지용 박사 “AI로 RPG 구현, 상세한 프롬프트 작성 필수” |
 |
작성자 :
|
등록일 : 2025-06-24 오후 4:41:27 |
|
|
 |
 |
 |
넥슨이 주최하는 국내 최대 게임 산업 지식 공유 콘퍼런스 '2025 넥슨 개발자 콘퍼런스(Nexon Developers Conference, 이하 NDC 2025)가 6월 24일 개막했다. 24일부터 26일까지 사흘 간 경기도 판교 넥슨 사옥 및 경기창조경제혁신센터에서 진행된다.
넥슨 개발관리그룹 엔진실 산하 게임엔진팀은 워헤이븐 엔진파트에서 시작돼 전원이 엔진 프로그래머와 TA로 구성된 팀이다. '낙원'과 '빈딕투스' 같은 신작은 물론 기존 게임 최적화 등 넥슨 내 다양한 프로젝트 기술을 지원한다. 권지용 박사는 2024년 게임엔진팀에 합류한 개발자로, 이날 강연에서는 'LLM으로 NPC AI 에이전트 만들기'라는 주제로 LLM을 통해 텍스트 기반 게임을 구현하는 노하우를 공유했다.
최근 AI 시장에서 LLM(Large Language Model, 대규모 언어 모델) 기능은 날이 갈수록 활용도가 높아지고 있다. 실제로 최신 LLM은 수능 국어 과목에서 1등급을 달성하기도 했다.
이를 보며 개발팀은 '이 정도면 LLM에게 TRPG 마스터를 시켜도 되지 않을까?' 라는 의문을 품고 LLM을 통한 텍스트 기반 게임 구현에 나서게 되었다. TRPG란 시스템 룰과 대화, 주사위만 가지고 진행하는 RPG를 뜻한다. 유저가 어떤 행동을 하든 반응해 그에 맞는 상황을 연출해 준다는 점이 매력인 장르다.
일반적인 게임은 유저가 조작할 수 있는 캐릭텨(PC), NPC, 이들이 존재하는 배경과 아이템을 아우르는 환경, 그리고 이들 사이의 규칙을 관장하는 시스템 규칙으로 구성된다.
LLM으로으로 게임 월드 전체를 대체하려느 시도는 이전에도 있었다. 가장 직관적으로 만들 수 있는 방식이며, 어떤 이야기라도 만들 수 있는 만큼 자유도가 높다. 다만 게임이라고 보기는 어렵다. 유저가 텍스트로 조작할 수 있는 내용에 한계가 없기 때문에 배경 전체를 유저 마음대로 바꿔버릴 수 있으며, 게임 난이도라는 개념도 사라지게 된다.
AI가 NPC 대화만 생성하는 경우도 있다. 현재 서비스 중인 LLM 중 상당수가 챗봇 형태로 구현되어 있는 만큼 기존 LLM을 적용하기 좋다. 게임에만 적용하도록 개발되지 않은 만큼 게임 내용과 상관 없는 것에 정성스럽게 대답하기도 하며, 유저가 거짓말을 하더라도 사실 여부를 판별하지 못할 수 있다.
LLM으로 NPC 행동을 계획·결정하도록 할 수도 있다. 이 경우 NPC 행동을 더 자연스럽게 만들어 낼 수 있으나, NPC의 인지나 행동 결정, 결과 반영 등을 모두 LLM으로 생성하는 만큼 필요 연산량이 매우 많아진다. 그리고 이 방식이 바로 넥슨 게임엔진팀이 추구하는 방향이기도 하다.
개발진은 가장 먼저 LLM으로 재미있는 이야기를 만드는 법을 연구했다. 조사 결과 유저 몰입감을 향상하기 위해서는 개연성 있는 NPC 반응이 핵심이며, 이를 구현하기 위해 PC 행동을 문장 형식으로 입력하면 이를 게임 시스템에 적용할 수 있도록 분석하는 과정과 NPC가 게임 이벤트를 관측하면 관측한 이벤트 내용과 배경 설정에 기반해 NPC 행동이 결정되는 과정이 필요하다는 점을 확인했다.
또한 LLM이 게임의 규칙까지 관장해서는 안 된다는 점도 알게 됐다. LLM이 만들어내는 우연성이 한계가 있기 때문이다. 게임 이벤트를 분석할 때는 LLM을 활용하지만, 성공 여부는 일반 게임과 비슷하게 게임 룰 기반 시스템으로 구현하고 이를 LLM에 다시 입력하는 게 좋았다.
게임 월드 시스템 프롬프트에는 모든 PC/NPC에 대한 개략적인 정보와 게임 맵에 대한 정보, 주체가 되는 캐릭터의 상세 정보, 그리고 이번 판단의 주체가 되는 캐릭터가 관측한 게임 이벤트 히스토리가 담겨 있어야 한다.
모든 정보를 하나의 프롬프트에 담을 수도 있고, 특정 캐릭터가 알고 있어야 하는 정보만 프롬프트를 통해 제공하는 방식도 있다. 구현 자체는 전자가 훨씬 단순하나, NPC가 몰라야 하는 정보도 아는 척 하는 상황이 발생할 수 있다.
또한 고유 인덱스를 사용하는 편이 좋았다. 추후에 LLM이 참고하기 편하도록 특정 설정을 다시 옮겨 적어야 하는 경우가 있는데, 인덱스를 사용하면 그러한 문제를 해결할 수 있다.
LLM은 문장 형태로 입력된 내용으로부터 기존 프롬프트에 기반해 행동 수행 가능성과 저항 가능성, 행동 분류, 난이도, 이에 따른 상태 변경 등을 분석한다.
시스템 프롬프트를 작성하기 위해서는 게임 시스템이 결과를 피싱한 후 바로 사용할 수 있도록 JSON보다는 YAML이 활용하기 쉬우며, 'Chain-Of-Thought' 프롬프트를 작성하는게 좋다. Chain-Of-Thought란 어떠한 결정을 내리기에 앞서 어떤 과정을 통해 결정을 내릴지에 대한 설명을 작성하라고 지시하는 방식이다. 이렇게 할 경우 상식적인 결정을 내릴 가능성이 높아진다.
또한 단순히 행동 결과가 성공/실패인지만 가지고는 구체적으로 어떤 일이 벌어졌는지 묘사하지 못한다. 이를 위해 LLM에게 여러 성공 사례를 기반으로 한 프롬프트를 입력해야 한다. LLM이 창의적인 결과 해석을 하기 위해서는 프롬프트를 구체적으로 작성하는 것 보다 몇 가지 예시를 들어주는 편이 더 효과적이다.
입력된 게 대화일 경우 대화 반응 분석 과정을 거치게 된다. 대화 행동의 경우 행동 당사자가 성공/실패를 판단하는 게 상식적으로 이상하기 때문이다. 대화 행동 결과를 제대로 판단해야 할 경우 NPC 입장에서 이 말을 어떻게 받아들일지 분석해야 한다.
이를 위해선 AI가 상대 NPC의 반응 가능성, PC와 NPC의 관계, 해당 발화의 분류, 해당 대화와 관련된 배경 설정, 해당 대화에 대한 NPC의 반응, 그리고 해당 NPC가 발화 내용에 대해 어느 정도로 반응하는지를 수치화 하는 프롬프트를 작성해야 했다.
행동 결과와 대화 결과가 모두 도출된 뒤에는 동일한 방식으로 NPC 반응 행동이 성사돼야 한다. PC 행동이 유저 입력을 통해 이뤄진다면, NPC 행동은 게임 이벤트 히스토리를 토대로 LLM이 자동 생성한다.
이를 위한 프롬프트에는 NPC 반응 가능성, 해당 NPC의 설정, 이를 기반으로 한 NPC의 현재 생각, 상기 내용을 종합 분석한 행동 결정, 그리고 행동을 취했다면 어떤 행동을 취했는지에 대한 내용이 포함되어야 한다.
문제는 비용이었다. 한 번의 플레이를 위해 수 차례에 걸쳐 LLM API를 호출해야 했으며, 이 과정에서 수없이 많은 입력/출력 토큰 갯수가 기하급수적으로 증가해 높은 비용이 청구되었다.
향후 개발팀은 입출력 속도를 향상시키는 한편 NPC가 알고 있어야 하는 내용을 잊거나 반대로 몰라야 하는 내용을 아는 등 NPC 기억 관련 문제를 해결하기 위해 연구를 이어갈 예정이다. 또한 NPC가 불필요하게 능동적으로 돌발 행동을 하는 경우도 해결하고자 한다.
또한 게밍 내 상황이 텍스트로 만들어지는 만큼, 이를 바탕으로 해당 상황을 이미지나 비디오로 생성하거나 음성 나레이션, 자동 BGM 등도 결합하고자 한다.
겜툰 박현규 기자 news@gamtoon.com
|
|
|
|
| 덧글쓰기 |
 |
|
|
|
|
|
|
|
|
|
|
인터뷰/업체탐방
총 2929의
게시물이 있습니다. 
