요새 AI의 활용도가 점점 커짐에 따라서

AI의 게이밍 도입에도 다들 관심이 있는거같아서 

관련있는 썰좀 풀어봄

마인크래프트는 이미 다들 알겠지만

대중적인 샌드박스 게임임.

뜬금없이 마인크래프트와 AI랑 엮는게 이상해 보일 수 있는데

AI가 마인크래프트에 관심이 있는 이유는

정말 많은 API가 있으면서도, 저성능에서 잘 동작하는 게임이여서임.

또 대중적으로 공개된 플레이 영상이

상당히 많아서 학습자료로 완벽함

이 장르에는 거대한 AI 업체, 세계 유명 대학교들이 

관심을 가지고 도전하고있고, AI의 성장과정을 거의 그대로 다 보여주는 좋은 예시임.

특히 2025년 4월. 이번달에 엄청나게 많은 발전이 있었어서 소개함.

마인크래프트 문제라 함은

이 놈을 AI가 어떻게 하면 게임 밖 유저가 시키는 대로

효율적으로 조종할 수 있느냐의 문제임

초기 2012년에서 2015년까지는 AI가 아직 말만 나올 시기임.

위에 2012년 논문이 거의 최초였던걸로 기억하는데, AI의 게임 플레이 방식의 대해 

이야기가 나오면서 슬슬 관심이 생기기 시작함.

물론 초기형 AI는 너희도 다 알겠지만 구렸고, 

그다지 좋은 성능을 내진 못했음.

위와 같이 AI로 동작하는 플레이어에게

아주 간단한 언어명령으로 뭔가 동작을 수행하게 하는 것을 목표로 하였음.  (Minecraft as an Experimental World for AI in Robotics. Brown University. Providence, RI 02912)

여기부터 슬슬 업체에서도 관심을 가지는데, 

MS에서 AI 가지고 마인크래프트 해보기 플랫폼(Malmo) 으로 판을 깔아주면서 일이 커지기 시작함

각종 대회가 생겨나고, 점점 판이 커짐.

위와 같이 AI가 직접 플레이할 환경을 만들어줌

이 후 대학들에서 이런저런 AI 관련 연구들이 진행되었는데,

그 과정에서 AI가 어떤 패턴으로 개발될지의 대해서 점점 연구가 강화되기 시작했음.

그럼에도 아직 사람의 비해서 

많이 모자란 모습을 보였음. 

그 당시(2017) 최신이던 PreDQN 이 사람에 비해서 아직 형편없는 점수를 보임. 

(MineRL: A Large-Scale Dataset of Minecraft Demonstrations. Carnegie Mellon University. PA 15289)

이 기조는 2022년까지 지속됌..

그야말로 아무도 넘을수 없는것인지의 대한 의문이 들기 시작함.

그러다가 2023년 Attention / Transformer / LLM이 등장하기 시작함.

여기부터는 드디어 AI 플레이어가 복잡한 작업의 대한 동작을 수행하기 시작함.

특히 여기부터는 

마인크래프트를 하는 잼민이부터 전문 유튜버까지 올리는

막대한 마인크래프트 플레이 영상을 학습자료로 사용하기 시작함.

성능이 비약적으로 오르기 시작.

알겠지만 마인크래프트는 위처럼 뭔가 하나씩 하나씩

달성하고 이뤄내야 다음으로 넘어가는 구조의 게임임

예를 들어 나무 곡괭이가 없으면 철 곡괭이로 넘어갈수 없는 등의 방식임.

위에 짤처럼 초기에는 AI에게 건물을 지으라고 명령하면

자동으로 건물을 짓는 동작의 대한 연구가 대부분이였지만

이게 점점 심화되기 시작함

2023년~2024년에 들어서 단순히 뭔가 하는 동작뿐이 아니라

위 사진처럼 시작부터 다이어몬드를 캐는 과정까지를

단순히 명령만으로 요구하는것까지 오게 되었음.

이제 성인보다 효율적으로 움직이면서도

직접 거시적인 명령의 대해 계획을 구성하고, 어떻게 행할수 있을지를 

직접 판단하고 실행하기 시작함.

또 단순히 다이어몬드 가져오기 같은거 뿐아니라

사용자가 원하는 건물을 이야기하면 직접적으로 디테일까지 판단해서 만드는 과정을 수행함

2024년~2025년

여기부터는 한번 더 나아감

단순히 사람이 명령하는게 아니라 자기 자신이 컨셉만 받으면

뭔가를 하도록 AI의 방향성이 바뀜.

직접 수만개의 Client에서 직접 플레이하면서 어떤 게임인지 데이터를 쌓기 시작함(self learning)

마인크래프트 속에는 Ender Dragon 이라는 몹이 있음

최종몹 같은건데, 

AI에게 시작지점부터 1시간 안에 죽지않고 용을 잡는것으로 목표로 제시함

심지어 저걸 어떻게 잡는다던지, 뭘해야한다던지 알려주지 않음. 그냥 잡으라고 명령만 던질 뿐이고, 치팅 없이 사람과 조건이 같음

그리고 결국 거기까지 갔음

재밌는건 직접 이 AI를 니 컴퓨터에서 띄워볼수 있단 것임.

위에 모듈을 쓰면되는데, 위에 논문같은 AI는 아니여도

방향성은 흡사함

해보니 구성이 어렵지는 않아서 궁금하면 직접 가서 해보면 댐

그리고 나아가서 2025년 4월 2일

구글 딥 마인드에서 해당 내용 관련한 재밌는 논문이 네이쳐지에 나왔음

이제는 유튜브의 영상같은 학습자료도 전혀 없이

아무것도 마크의 대해 모르는 AI가 9시간만에 위에 다이어몬드를 찾아내는 문제를 수행함..

이 AI 모델은 이제 마인크래프트를 넘어서

표준적인 현실세계의 물리엔진을 이해해서 

진짜 플레이어처럼 게임에서 이걸 일반인 시점으로 적용해보고 학습하기 시작하였음.

따라서 위에 아타리겜들도 아무런 학습 없이

실제 유저처럼 학습해서 플레이를 하기 시작함.

지금까지의 게임의 AI 방향성은 대부분 "유저 데이터" 기반이였다면, 이건 이제 진짜 AI가 플레이하기 시작.

이것도 직접 체험할 수 있음. (https://github.com/danijar/dreamerv3)

GitHub - danijar/dreamerv3: Mastering Diverse Domains through World Models

Mastering Diverse Domains through World Models. Contribute to danijar/dreamerv3 development by creating an account on GitHub.

github.com

지금까지의 이야기와 같이 

2012년부터 시작하던 마인크래프트의 AI 조종은

이제 다른 차원의 문제가 되었고, 이제는 다른 차원으로 나아가는 중임

너희도 쭉 봐서 알겠지만 속도가 상당히 빠름.

누군가 AI게임을 만든다고 쳐도 개발 기간동안 몇 년은 걸릴텐데, 그 사이에 그 기술이 너무 구식이 되어버리는 순임.

이번 달 다음 단계로 넘어가버린거 같고...

앞으로의 파격적인 미래가 기대되면서도 두렵다.

ref : 

Mastering diverse control tasks through world models (2025. 04. 02.)

WALL-E: World Alignment by Rule Learning Improves World Model-based LLM Agents. (2024. 12. 09.)

MP5: A Multi-modal Open-ended Embodied System in Minecraft via Active Perception. (2025. 03. 04.)

MineRL: A Large-Scale Dataset of Minecraft Demonstrations. (2017.)

Minecraft as an Experimental World for AI in Robotics. (2012.)