[📜일지] IAUS 인공지능은 결국 뉴럴 네트워크가 아닐까

[일본뇌염모기2(mosquitoindie1)]

겨우 IAUS 시스템을 완성하고, 액션과 액시스를 조합해서 유닛들이 움직이는 테스트도 끝났다.

IAUS의 시스템의 개념 정리는 이곳을 참고.

간단히 요약하면, IAUS 는 현 상황을 참고로 가장 자신이 효율적이다 라는 액션을 선택한다. 라는것.

예를 들어서 생각해보자.

적이 눈앞에 나타났을 때, AI는 공격해야 하는가? 아니면 도망가야 하는가?

IAUS 시스템을 사용하여 다음과 같이 인공지능을 디자인 했다고 생각해보자.

1. 나의 체력이 낮고, 나의 공격력이 낮을 경우 도망간다.

2. 나의 공격력이 높고, 적의 체력이 낮을 경우 적을 공격한다.

이것을 그림으로 나타내면 이렇다.

.....

어디서 많이 본 그림이지 않은가?

가장 원시적인 뉴럴네트워크의 그림과 매우 흡사하다는것을 알 수 있다.

실제로 수식으로 IAUS를 뉴럴네트워크로 변형시킬 수 있을 같은데...

먼저 IAUS 의 계산식을 정리해보자.

인풋은 다음과 같이 생각해 볼 수 있겠다.

1. 나의 체력 x1

2. 나의 공격력 x2

3. 적의 체력 x3

액션은 다음과 같이 정의한다.

1. 도망간다 y1

2. 공격한다 y2

각각의 액시스의 수식을 다음과 같이 정의한다.

1. 나의 체력은 낮은가 f1(x)

2. 나의 공격력은 낮은가 f2(x)

3. 나의 공격력은 높은가 f3(x)

4. 적의 체력은 낮은가 f4(x)

그렇다면 각각의 액션을 계산하는 식은 다음과 같이 나타낼 수 있다.

y1 = f1(x1) * f2(x2) = F1(x1, x2)

y2 = f3(x2) * f4(x3) = F2(x2, x3)

이것을 뉴럴 네트워크의 매트릭스 식으로 변환하면 어떻게 될까?

먼저 인풋 레이어로는

(x1, x2, x3, x4) 로 정의할 수 있겠고 아웃풋 레이어는 (y1, y2)

히든 레이어는 어떻게 잘 하면 (F1, F2) 이렇게 변형시킬수 있지 않나??

라고 생각했는데 실패함.

한 20분정도 매트릭스 끄적여 봤는데 예쁘게 나오질 않는다.

여기에 시간 쓰고 싶지 않으니 패스.

여하튼 포인트는 결국 IAUS 는

사람 손으로 뉴럴네트워크의 히든 레이어의 파라메터를 하나씩 조정하고 있는것과 같은게 아닐까 ?

라는것이다. 즉, 매우 비효율적이고 비정확하지 않을까? 라는 의문.

좀 더 IAUS를 효율적으로 정확하게 만들려면 어떻게 해야 할까?

무엇을 기준으로 액션에 액시스를 할당하고

무엇을 기준으로 액시스의 평가 그래프를 디자인하는가?

그냥 위와 같이 "사람이라면" 이런것들을 생각하면서 판단하겠지 하고 감각적으로 디자인하는 방법이 있을것이나

그것으로 과연 효율적으로 원하는 AI를 뽑아낼 수 있는가?

더욱 많은 액시스가 추가되고, 액션이 추가되고, 또 액시스를 공유하는 액션들이 늘어날 경우

나의 생각대로 AI를 디자인하는것이 가능한가?

아마도 매우 많은 시행착오를 거치며 많은 시간을 쏟아부어야 할 것으로 생각된다.

내가 원하는 AI는 특정 상황에 내가 예상 가능한 행동을 하는 AI이다.

즉, 내가 원하는 "정답" 이라는것이 존재 한다는것.

기계학습에서 말하는 지도학습이라는 것이다.

만일 IAUS를 정말 뉴럴네트워크 처럼 다룰 수 있다면,

어떠한 상황에 대한 "정답"만 생각해 놓고,

나머지 파라메터들, 액션에 할당되는 액시스와 액시스 파라메터는 기계학습 하듯이 하는것이

더 효율적이고 정확하지 않을까

하루종일 AI 만지작 거리다가 갑자기 현타가 와서 헛소리를 지껄여 보았다

-----------------------------------------------------------------------------

기록을 위해 추가로 작성.

AI를 구현하는 목적에는 여러가지가 있겠지만, 게임 AI의 경우 크게 두가지로 나뉘어진다고 생각한다.

1. 게임을 이기는것을 목적으로 하는 AI

2. 유저에게 즐거움을 주는것을 목적으로 하는 AI

일반 게임의 AI경우 대부분의 경우 2번일것이다.

문제는 "유저에게 즐거움을 주는것" 이라는것이 매우 모호한 개념이고, 게임마다 추구하는 즐거움이 다르다는것.

그렇기에 나는 2번 AI를 디자인 할 때에는, 어떠한 상황에 어떠한 행동을 하도록 정답을 정해놓고,

그 정답에 가까워 지도록 AI를 구현하는것이 가장 효율적이고 직관적이라 생각한다.

위의 상황을 예로 들어보면,

상황이 1. 나의 체력이 낮고, 2. 나의 공격력이 낮을경우 -> 도망가라

라는 정답이 존재하는것이고, AI는 그 정답을 재현하는 모델이 되어야 한다는 것.

그렇게 생각하면 트리형 모델이나 FSM 같은 모델이 가장 적합하지 않는가? 라고 생각할 수 있으나,

트리나 스테이트형 모델의 경우, 상황 정보가 늘어나면 늘어날수록 구현이 너무나 비효율적이라는것이 문제가 된다.

각종 상황정보를 바탕으로 내가 원하는 정답을 뽑는것, 그것을 효율적으로 구현 가능한것이

유틸리티형 AI라고 생각했으나,

유틸리티형 AI경우 뉴럴네트워크의 히든레이어 파라메터를 사람이 하나하나 튜닝하고 있는것과 같다는 결론.

비효율적이고, 또한 여러 상황을 여러 아웃풋이 공유할경우 제어는 불가능에 가까울것이다.

유틸리티형 AI의 장점은, AI가 어떠한 근거로 판단을 내렸는가를 매우 명확하게 확인 할 수 있다는것이다.

하지만 그 명확성을 얻기 위해 사람의 튜닝이 너무나 많이 들어가야 한다는것이 약점.

뉴럴 네트워크의 경우, 사람의 튜닝이 필요 없지만 단점으로 AI가 어떠한 근거로 이 판단을 내렸는지 확인이 어렵다는것이다.

하지만, 유틸리티형 AI의 파라메터 튜닝을 기계학습하듯이 하는것으로

사람의 튜닝을 최소한으로 줄이면서 판단의 근거도 명확히 파악 가능한 레벨로 올릴 수 있지 않을까 .

어짜피 게임 AI는 제한된 판단밖에 필요하지 않고, 정답 데이터도 수십 또는 백 몇십개 정도로 학습 가능할것으로 예상.

좀 더 시간이 필요하다. 근데 시간이 없다 돈도 없고

[쭈구리야(zzu9riya)]

[익명(122.37)]

맞아요

[익명(122.37)]

저만큼 복잡한 AI를 담을 수있는 겜을 만드려면 힘들겠내

[소닉쫄따구테일즈(dcz3xv7zgu14)]

뭐 나도 길드워에서 썼다고하길래 그냥 해보고있는거라... 실용적일지는 아직 잘 모르겠음... ECS도 오버워치랑 배틀필드 등 요즘 트렌드에서 쓴다니까 쓰는거지..

[일본뇌염모기2(mosquitoindie1)]

하나의 액션에 많은 행동을 담아서, 액션의 수를 확 줄이지 않는한 나처럼 여러개의 작은 단위 액션에 여러개 액시스가 공유가 될 경우 원하는대로 AI를 디자인하는게 매우 힘들어진다는것을 체험중임. 좀 더 효율적으로 학습 가능한 방법 찾으면 공유하겠음

[소닉쫄따구테일즈(dcz3xv7zgu14)]

[루돌프돌프(jfczvkhgdy2y)]

뭔가 엄청난 접근방법이네 ㄷ ㄷ근데 저렇게 설계되면 강화학습으로 갈 수 있는거 아니여??