복잡하고 끊임없이 진화하는 과정을 탐험해 보세요. AI 아레나의 세계, 신선한 스핀을 가미한 최첨단 경쟁 게임입니다. AI 게임 탐구에서 이러한 혁신적인 노력을 담당하고 있는 Arena X Labs의 설립자이자 CEO인 Brandon Da Silva를 소개하게 되어 기쁘게 생각합니다. YouTube에서 전체 비디오 인터뷰를 보거나 아래에서 계속 읽을 수 있습니다.
이번 인터뷰에서 기존 장르를 뛰어넘는 획기적인 게임인 AI 아레나의 역사를 함께 파헤쳐보겠습니다. Brandon은 기술, 교육, 엔터테인먼트를 독특한 방식으로 융합하여 새로운 지평을 열었습니다. 인공지능 그리고 머신러닝. 우리와 함께 Brandon Da Silva의 작은 투자 시작부터 게임 비즈니스의 정상에 이르기까지의 이야기를 공유해 보세요. 프로 게임의 판도를 바꾸고 있는 AI Arena의 혁신적인 아이디어를 알아보세요.
폴:
에 오신 것을 환영합니다 아웃사이더 게이밍. 저는 오늘 여러분의 호스트입니다, Paul. 멋진 Brandon Da Silva와 함께 할 수 있어서 행운입니다. Brandon은 Arena X 연구소의 창립자이자 CEO입니다. 그는 AI와 학습에 중점을 두고 있습니다. 그의 회사인 arena X labs에는 AI arena라는 주력 게임이 있습니다. arena X와 AI arena는 혼란스러울 수 있지만 여기까지입니다. 그래서 기억해야 할 게임은 AI 아레나다. 그리고 오늘 우리는 그것에 대해 모두 이야기할 것입니다. Brandon의 말에 따르면 그는 코드로 멋진 것을 만듭니다. 브랜든을 환영합니다. 오늘 기분이 어떠세요?
브랜든:
감사합니다. 응. 아니요, 저를 초대해 주셔서 감사합니다. 나는 잘하고 있어요.
폴:
최고 최고. 그래서 나는 당신과 당신의 과거를 빠르게 엿볼 수 있었습니다. 투자 및 투자 분석에 대한 배경 지식에서 자신의 회사를 설립하고 자신만의 게임을 만드는 데 어떻게 이르나요? 어떻게 그런 일이 일어나나요?
브랜든:
네, 음, 좀 말이 길긴 하지만 최대한 간결하게 쓰도록 노력하겠습니다. 기본적으로 저는 그 펀드에서 머신러닝 연구를 주도하고 있었습니다. 그래서 머신러닝을 활용해 체계적인 트레이딩 전략을 세워보세요. 하지만 실제로 새로운 알고리즘을 만들 때 실제로 테스트를 하곤 했습니다. 게임에 있는 그들 먼저 시장에서 테스트하기 전에. 이상하게 들리겠지만 실제로는 이러한 기능 중 일부를 게임에 적용하는 것이 더 쉽기 때문입니다. 따라서 최소한 게임에서 작동하지 않는다면 시장에서도 작동할 방법이 없습니다. 이것이 제가 머신러닝을 게임에 적용하기 시작한 방식과 비슷했습니다. 그리고 그것은 훨씬 더 재미있었습니다. 그래서 저는 거기서부터 시작하겠습니다. 그리고 그것을 적용한 게임이 나에게는 너무 쉬워졌습니다. 그래서 저는 실제로 기계 학습 알고리즘을 테스트하기 위한 도전적인 게임 환경과 같은 새로운 게임 환경도 구축하기 시작했습니다. 그래서 저는 게임 제작에 익숙해지기 시작했습니다. 훨씬 작은 곳에 있었어 AI 경기장보다 규모, 그러나 저는 기본적으로 에이전트를 테스트하기 위해 이러한 게임 환경을 구축하는 데 익숙해지고 있었습니다. 그래서 그것이 시작된 방법이고 제가 게임에 기계 학습을 적용하는 것을 좋아하게 된 방법입니다. 그리고 시간이 지나면서 저는 기본적으로 사람들에게 기계 학습에 대해 가르치는 것에 대한 진정한 열정을 갖게 되었습니다. 제가 생각하기에 멋진 프리젠테이션으로 시작해서 온라인에서 대화형 영상으로 바뀌었습니다. 그리고 그것의 확장은 기본적으로 게임입니다. 그렇죠? 아이디어가 있는 곳에서는 점점 더 추상화하고 싶습니다. 제 생각에는 매우 복잡하고 가장 좋은 매체는 게임입니다.
브랜든:
그래서 그것은 일종의 진전입니다. 그리고 네, 몇 가지 다른 것들이 있지만 그것은 제가 떠나기로 결정하고 궁극적으로 이 것을 만들기로 결정한 이유에 대한 주요 진행과 비슷합니다.
폴:
놀라운. 매우 좋은. 그렇다면 분명히 게임 자체, AI 경기장은 일반 사람들이 이해하기 어려운 것입니다. 즉, 게임이지만 실제로는 게임이 아닙니다. 그것은 게임이지만 당신은 자신과 싸우기보다는 가르치고 있습니다. 당신은 NPC에게 싸우는 방법과 그 NPC를 훈련시키는 방법을 가르치고 있습니다. 로봇대전과 로봇대전의 중간쯤 되는 것 같습니다. 슈퍼 스매시 브라더스 또는 The Ultimate Fighter를 만들려고 노력하고 있지만 실제로는 할 수 없는 경우 등이 있습니다. 가르치시면 됩니다. 그럼 그 아이디어는 어디서 나온 걸까요? 머신러닝을 통해 이미 하고 있는 모든 게임이 자연스럽게 진행되는 것 같아요. 어쨌든 당신은 슈퍼 스매시 브라더스 팬인 것 같습니다.
브랜든:
물론이죠. 제가 가장 좋아하는 게임 중 하나입니다. 예, 예, 저는 어렸을 때부터 이 게임을 해왔습니다. 하지만 알겠습니다. 그래서 기계 학습 모델에 대한 경쟁을 만들고 싶다는 생각이 들었습니다. 오른쪽. 그리고 기본적으로 다양한 모델처럼 순위를 매길 수 있는 리더보드가 있습니다. 그 이유는 나중에 알 수 있습니다. 하고 싶었는데 기계가 갖고 싶었어요 학습 경쟁을 했고, 정말 재미있고 싶었어요. 하지만 누군가가 자신의 머신러닝 알고리즘이 다른 사람보다 낫다고 말하기 위해서는 이를 수행할 수 있는 깔끔한 방법이 필요했습니다. PvP 경쟁보다 더 깔끔한 방법이 있을까요? 그들은 말 그대로 싸우고 있습니다. 더 자주 승리하는 모델은 아마도 더 나은 기계 학습 모델일 것입니다. 음, 그래서 우리는 기본적으로 이것을 적용할 수 있는 매체를 원했습니다. 다른 것들이 많이 있습니다. 하지만 당신이 말했듯이 저는 스매시 팬입니다. 나는 플랫폼 격투 게임을 좋아한다. 이것이 바로 우리가 거기에 적용하기로 결정한 이유입니다. 조금 직관적이지 않다는 것이 맞나요? 실제로 많은 사람들이 그럴 때 그렇습니다. 우리 게임을 해요. 그들이 처음으로 그것을 집어 들었을 때 그들은 ‘도대체 뭐야? 나는 그것을 통제하지 않습니다. 그리고 이것은 초기 반응과 같습니다. 마치 이것이 나에게 익숙하지 않은 것 같습니다. 하지만 점점 더 빠져들수록 그들은 ‘와, 이거 정말 멋지다’라고 생각하게 됩니다. 왜냐면 당신은 이것으로 부모와 자식의 유대감을 거의 형성하게 되기 때문입니다. 이상하게 들리겠지만, 그것은 매우 사실입니다. 그리고 나서 당신은 이 일에 10~100시간을 투자하는 것을 상상할 수 있기 때문에 그것에 집착하게 됩니다. 마치 그것을 성형하는 것과 같습니다. 그리고 그것은 당신처럼 행동하는 것과 같습니다.
브랜든:
오른쪽? 그것은 자신의 디지털 표현과 같습니다. 그리고 당신은 그것이 경기에서 승리하는 것을 봅니다. 도파민 히트는 타의 추종을 불허합니다. 예, 처음에는 개념이 이상해 보이지만 시간이 지나면 이것이 게임에서 허용되는 장르가 되기를 바랍니다.
폴:
응. 응, 물론이지. 그리고 저는 귀하의 동영상을 통해 3단계 또는 3단계로 구성되는 것을 보았습니다. 로 시작 당신의 성격과 가르침. 따라서 데이터를 입력하는 것과 같은 것이 있습니다. 그런 다음 교육 훈련 부분이 있고, 그 다음에는 실행하여 어떤 일이 일어나는지 확인합니다. 그러니까, 제 말은, 신규 사용자가 쉽게 선택할 수 있는 건가요 아니면 말씀하신 대로 사용자가 게임을 하고 싶어 하는데 갑자기 ‘아니, 아니, 당신이 그러는 것 같군요. 가르치러 왔습니다. 그리고 네, 신규 플레이어나 숙련된 플레이어를 상대로는 어떤가요?
브랜든:
응. 그래서 솔직하게 말하면 지금은 약간의 마찰이 있다고 말하고 싶습니다. 우리는 그러한 마찰을 최대한 줄이기 위해 적극적으로 노력하고 있습니다. 첫 번째 부분은 데이터 수집으로, 무엇을 해야 할지 보여주는 부분으로, 사람들에게 직관적입니다. 그렇죠? 그들은 게임을 하는 데 익숙하고, 눈을 보이는 방식은 실제로 게임을 하는 것과 같습니다. 특정 콤보를 수행하려면 해당 콤보를 수행하는 방법을 보여줘야 합니다. 그 부분은 직관적이에요. 다음 부분은 백그라운드에서 발생하는 작업이 이 모든 데이터를 수집하는 것이기 때문에 다소 덜 직관적입니다. 다음 부분은 이 데이터를 구성하는 방법입니다. 오른쪽. 예를 들어, 더 많이 또는 더 적게 배우기를 원하는 것 같은 토글이 표시됩니다. 그것은 그들이 내려야 할 하나의 결정과 같습니다. 또 다른 하나는 유휴 작업을 제거하는 토글입니다. 오른쪽. 이 모든 것들이 실제로 익숙하지 않은 것과 같습니다. 물론 이를 추상화하여 사용자에게 표시하지 않을 수도 있습니다. 하지만 이미 언급했는지는 모르겠지만 우리의 목표 중 하나는 사람들을 교육하다 머신러닝에 대해. 그래서 이것을 게임의 메카닉으로 만들면 사람들이 실제로 기계 학습에 대해 무의식적으로 배우기 시작한다는 사실이 발견되었습니다. 멋진 일이지만 이 모든 정보가 제공되면 문제가 발생합니다. 그들이 내려야 할 결정의 수는 압도적입니다. 그래서 우리는 그 지점까지 구축하기 위한 영리한 게임 내 튜토리얼을 진행하고 있습니다. 하지만 가장 어려운 것은 데이터를 수집한 후 AI를 구성하는 방법을 이해하는 것입니다.
폴:
예, 예, 저는 옆으로 뛰어내려 플랫폼 등으로 돌아가려고 노력한 다음 가르쳐야 할 핵심 순간이 무엇인지 알아내려고 노력하는 동영상을 두어 개 봤다는 것을 압니다. 따라서 무엇을 해야 할지 이해하지 못하는 모든 데이터를 수집하지 않습니다. 그래서 저 같은 괴짜에게는 매우 복잡하고 저는 그런 것을 좋아합니다. 그래서 당신이 말했듯이, 그것은 정말로 경쟁적인 것입니다. 당신은 최고의 프랑켄슈타인 괴물을 만들고 싶고 다른 모든 사람을 이길 수 있기를 원합니다. 따라서 그것은 절대적으로 의미가 있습니다. 그리고 AI가 요즘 유행하는 단어인 것처럼, 특히 음, 채팅GPT, 내 생각에 Midjourney와 그런 종류의 것들은 모두 천천히 우리 세계로 들어와 조금씩 자리를 차지하고 있습니다. 나쁜 의미는 아닙니다. 때에 따라 다르지. 그리고 이것의 좋은 점은 무엇입니까? 이 머신러닝은 무엇인가요? 사람들을 더 창의적으로 만드는가? 더 많은 사용자가 늘어나고 있다는 사실을 알고 계시나요? 아니면 하나의 게임에 너무 많은 사람들이 참여하고 있기 때문에 더 많은 아이디어를 얻을 수 있습니까?
브랜든:
음, 좀 더 확장해 주시겠어요? 정말 이해하기 때문에 이상한 접선으로 받아들이고 싶지 않습니다.
폴:
응. 예를 들어, 일반적인 게임을 만든다면, 그것을 세상에 내놓고 사람들이 플레이하고 경험하게 되면 그것은 바로 여러분의 것입니다. 당신은 내러티브를 통제했고, 게임플레이 메커니즘 등을 통제했습니다. 반면에 여기 있는 모든 사람에게 자신의 일을 할 수 있는 도구를 제공했고, 아시다시피 자신만의 경험을 갖고 게임에서 자신만의 메커니즘을 만들었습니다. 아시다시피, 격투기 경기장에 갇혀 있으면서 새롭고 흥미로운 아이디어와 것들이 쏟아져 나오는 것을 보고 계시나요? 그게 긍정적인가요?
브랜든:
응, 100%. 이것이 바로 우리가 이 방식으로 디자인한 이유입니다. 그래서 말씀하신 것처럼 많은 게임에서는 NPC가 작동할 수 있는 상자를 만듭니다…
