이득:
- 알고리즘적 PCG와 생성적 인공지능 PCG의 차이점을 이해하고, 하이브리드 접근(인공지능 상위설계, 알고리즘 구체화)으로 콘텐츠를 제작할 수 있는 능력.
- 생산에 필수적인 제약 사항 목록을 제공하여 플레이 가능성 제어 및 다양성을 제공하는 능력
- 반복감, 무의미한 충진, 재현성 기록 등 절차적 생산에서의 품질 리스크 관리 능력
콘텐츠에 대한 게임의 욕구는 끝이 없습니다. 플레이어는 레벨을 한 번 플레이하고 완료하지만 이를 제작하는 데 며칠이 걸립니다. 절차적 콘텐츠 생성(PCG) 콘텐츠(맵, 레벨, 적 배치, 아이템, 미션, 심지어 스토리 파트까지)를 일일이 수동으로 생성하는 것이 아닌 규칙과 알고리즘을 사용하여 자동 또는 반자동으로 생성하는 것입니다. 클래식 PCG는 알고리즘(잡음 함수, 파동 함수 붕괴, 방 복도 생성기)입니다. AI는 PCG에 새로운 계층을 추가합니다. 의미 있고 상황에 맞는 콘텐츠(퀘스트, 위치 설명, 적 구성, 무작위가 아닌 테마와 디자인에 맞는 레벨 청사진) 생성입니다.
이 단원에서는 PCG에서 AI를 사용하는 방법을 배웁니다. 알고리즘 PCG를 AI와 결합하는 방법, 제작된 콘텐츠를 감사 및 재현 가능하게 만드는 방법(결정론적), 품질 관리를 배우게 됩니다.
두 가지 PCG 세계: 알고리즘과 생성
차이점을 명확히 해보자. 알고리즘 PCG는 시드(생산을 결정하는 시작 번호)에 따라 표준적이고 재현 가능합니다. 동일한 시드가 동일한 맵을 생성합니다. 빠르고 저렴하며 예측 가능합니다. 그러나 그것은 "영혼이 없는" 것일 수도 있다. PCG는 Generative AI를 통해 상황과 주제를 이해합니다. "얼음동굴을 테마로 한 함정 중심의 3방 던전 스케치"와 같은 의미 있는 요청을 충족시킵니다. 하지만 AI 출력은 직접 재현이 불가능하며 플레이 가능성을 보장하지 않습니다. 가장 강력한 접근 방식은 하이브리드입니다. AI는 높은 수준의 디자인과 테마(퀘스트 텍스트, 방 목표, 적 테마)를 생성하고, 알고리즘은 해당 디자인을 플레이 가능한 기하학과 균형에 쏟아 붓습니다.
단계별 하이브리드 흐름:
- 제작 규칙 및 제약 조건(테마, 난이도, 규모, 필수품)을 정의합니다.
- AI로부터 높은 수준의 개요(방 목표, 흐름, 테마, 퀘스트 로직)를 얻으세요.
- 알고리즘/엔진(형상, 레이아웃, 균형)으로 인스턴스화합니다.
- 플레이 가능성을 확인합니다(출구가 있는지, 해결 가능한지, 막힌 부분이 없는지).
- 시드 및 기록(어떤 입력이 어떤 출력을 생성했는지 — 재현성)
팁: 항상 AI에 "제약" 목록을 제공하십시오: "모든 레벨에는 출구가 있어야 합니다", "적어도 하나의 안전한 방", "시작할 적 없음". 제한되지 않은 PCG는 해결 불가능하거나 불공평한 수준을 생성합니다.
과제와 내러티브 제작
PCG에서 가장 생산적인 AI 영역은 퀘스트와 내러티브 생성이다. AI는 미션 뼈대(가기, 찾기, 가져오기, 보호하기)에 테마와 캐릭터를 입힐 수 있습니다. 사이드 미션에 대한 변형을 생성할 수 있습니다. 장소에 대한 설명을 작성할 수 있습니다. 그러나 함정은 AI가 단조로운 "수집 작업"을 생성하는 경향이 있다는 것입니다. 다양한 업무와 의미 있는 선택을 요청하세요. 각 임무에서 플레이어에게 결정을 제시해야 합니다.
주의: 절차적 미션에서 가장 큰 위험은 반복적인 느낌과 무의미한 패딩입니다. AI는 100개의 작업을 생성할 수 있지만 100개는 "늑대 10마리 죽이기"와 같을 수도 있습니다. 품질은 양이 아닌 다양성과 상황에 따라 달라집니다. 인간의 큐레이션을 통해 생산된 모든 배치를 담습니다.
제어 및 재현성
전문 PCG에서는 생산만큼 검사가 중요합니다. 제작된 콘텐츠가 재생 가능하고 공정하며 테마에 맞는지 확인하는 제어 계층을 구축합니다. 또한 결정론적으로 생산을 관리합니다. 어떤 입력(시드, 프롬프트, 매개변수)이 어떤 출력을 제공하는지 기록하여 문제가 발생할 경우 이를 재현할 수 있습니다. AI 출력을 게임에 직접 투입하는 대신 승인 및 수정 단계를 거칩니다.
제어를 확장하는 강력한 방법은 자동 플레이 가능성 검사를 설정하는 것입니다. 유효성 검사 스크립트는 생성된 각 레벨을 플레이에 넣기 전에 스캔합니다(출구에 도달할 수 있는지, 시작 시 죽일 적이 있는지, 필요한 키에 액세스할 수 있는지 여부). AI를 사용하여 이 스크립트의 논리 초안을 작성할 수도 있습니다. 그러나 엔진의 실제 프로덕션에서 테스트하지 않고는 스크립트를 신뢰하지 마십시오. 인간의 큐레이션과 자동화된 제어는 서로를 보완합니다. 기계는 규모에 따라 "플레이할 수 있는지"라는 질문에 대답하고, 인간은 샘플에서 "재미 있고 의미가 있는가"라는 질문에 대답합니다.
PCG와 플레이어 경험의 균형
PCG의 한 가지 위험은 너무 많은 다양성이 정체성이 아닌 것으로 변한다는 것입니다. 모든 일이 무작위로 일어난다면 플레이어는 아무것도 붙잡을 수 없을 것입니다. 익숙하고 마스터할 수 있는 패턴도 필요합니다. 좋은 PCG는 다양성과 학습성 사이의 균형을 유지해야 합니다. 즉, 메커니즘은 익숙해야 하고 레이아웃은 신선해야 합니다. AI 기술을 사용할 때 명시적으로 이 균형을 추구하십시오. 예를 들어 "기계적 용어를 일정하게 유지하되 각 레벨에서 이러한 역학을 다른 리듬으로 결합하도록 하십시오." 이런 식으로 플레이어는 새로운 것을 보고 통제력을 잃지 않습니다.
세 개의 미니 케이스
사례 1 - 하이브리드 접근 방식이 성공했습니다. 던전 크롤링 게임에서 팀은 AI에 방 목표와 테마를, 알고리즘에 기하학을 부여했습니다. 200개의 던전 변형이 제작되었습니다. 각각은 플레이 가능한 것으로 밝혀졌지만 테마는 달랐습니다. 순수 알고리즘 버전에 비해 플레이어들의 '던전마다 느낌이 다르다' 점수가 대폭 상승했다.
사례 2 - 무제한 생산 비용. 한 스튜디오에서는 AI가 제한 없이 50개의 레벨 초안을 생성하도록 했습니다. 테스트 결과 9개에는 출구가 없었고, 6개에는 처음에 플레이어를 죽이는 적 배치가 있었습니다. '필수' 제약사항 목록을 추가하면 결함 수준 비율이 30%에서 2%로 감소했습니다.
사례 3 — 큐레이터십이 다시 한번 그 느낌을 깨뜨렸습니다. 오픈 월드 게임에서 AI는 300개의 사이드 퀘스트를 생성했습니다. 원시 형태에서는 70%가 "수집 및 가져오기"였습니다. 다양성을 요구하면서 디자이너는 결정/딜레마를 포함하도록 각 작업을 재현하고 선별했습니다. 플레이어 피드백에서는 '사이드 퀘스트가 지루하다'는 불만이 3분의 1로 줄었습니다.
복사 가능한 템플릿 4개
1) 제한 레벨 개요:
귀하의 역할: 레벨 디자이너.테마: [예: 버려진 우주 정거장]. 난이도: 중간. 규모: 방 5개. 필수 사항: 출구 1개, 안전실 1개 이상, 시작 방에 적이 없어 해결 가능해야 합니다.퀘스트: 방별로 레벨 개요 공간을 제공합니다. 각 방의 목적, 주제, 위협 및 결정이 플레이어에게 제시됩니다.
2) 다양한 태스크 생성:
다음 게임에 대해 10개의 사이드 퀘스트를 생성하세요: [장르/테마].제약: 어느 것도 단지 "수집 및 가져오기"일 수 없습니다. 각 임무는 플레이어에게 선택 또는 딜레마를 제시합니다. 각 임무마다: 제목, 한 문장 요약, 플레이어의 결정, 보상. 반복되는 문구를 적어보세요.
3) 게임플레이 체크리스트:
아래에서 생성된 레벨 개요를 확인하세요: [개요 붙여넣기]. 확인: (1) 달성 가능한 출구가 있는지, (2) 해결 가능한지, (3) 불공평/끔찍한 시작이 있는지, (4) 주제에서 벗어나는 부분이 있는지. 문제를 나열하고 수정 사항을 제안합니다.
4) 재현성 기록:
사용된 시드, 프롬프트, 매개변수, 출력 요약 및 승인 상태 등 생산에 대한 기록 템플릿을 만듭니다. 목적: 문제 발생 시 동일한 콘텐츠를 재현할 수 있도록 하기 위함입니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
무작위 던전을 생성해 주세요.
제한이나 테마가 없습니다. 출력은 재생할 수 없거나 일반적입니다.
강력한 프롬프트:
귀하의 역할은 던전 디자이너입니다. 테마: 침수된 사원.7개의 방, 난이도가 증가합니다. 필수품: 각 방에 몇 가지 유형의 기계 장치(대체 함정, 퍼즐, 전투, 탐험), 단일 비밀 방, 두 번째 방의 휴식 지점, 해결 가능. 출력: 방별 테이블(목표, 주제, 위협, 보상). 마지막으로 플레이 가능성 위험을 별도로 나열합니다.
테마, 제약 조건, 기계적 리듬 및 위험 요구에 따라 출력물을 생산할 수 있습니다.
알고리즘 대 AI PCG 테이블
크기
알고리즘 PCG
AI를 탑재한 PCG
하이브리드
재현성
높음(시드)
낮음
중간
의미/테마
약한
강한
강한
재생성 보장
편집 가능
없음
편집 가능
속도
매우 빠르다
빨리
중간
최고의 사용
기하학, 균형
작업, 테마, 텍스트
생산 라인
일반적인 실수
- 제한없이 생산합니다. 해결되지 않은 불공정한 내용이 등장합니다.
- 감독 없이 흐르는 AI 출력. 플레이 가능성 검증은 필수입니다.
- 다양성을 원하지 않습니다. AI는 단조로운 "픽업"을 생성하는 경향이 있습니다.
- 재현성을 기록하지 않습니다. 문제가 발생하면 콘텐츠를 복원할 수 없습니다.
- 수량과 품질을 혼동합니다. 평범한 일 300개는 좋은 일 30개보다 더 나쁘다.
요약하면
PCG 콘텐츠는 식욕을 만족시킵니다. AI는 그것에 의미와 주제를 추가합니다. 가장 강력한 방법은 하이브리드입니다. AI는 높은 수준의 디자인을 생성하고, 알고리즘은 플레이 가능한 인스턴스화를 생성합니다. 제약사항 목록, 플레이 가능성 확인, 다양성에 대한 요구, 재현성 기록이 없으면 PCG는 빠르게 쓰레기를 생산합니다. 숫자가 아닌 통제된 다양성에 베팅하세요.
응용과제
테마(예: 얼음 동굴)를 선택하세요. "제한된 레벨 개요" 템플릿을 사용하여 5개 방 레벨을 생성한 다음 "재생 가능성 체크리스트" 템플릿을 사용하여 동일한 출력을 생성합니다. 발견된 문제를 수정하고 최종 초안을 작성합니다.
체크리스트
- [ ] 나는 프로덕션에 "필수" 제약 조건 목록을 제공했습니다.
- [ ] 높은 수준의 설계는 AI에, 구체화는 알고리즘에 맡겼습니다.
- [ ] 제작된 모든 콘텐츠의 플레이 가능성을 검토했습니다.
- [ ] 나는 선교에 있어 다양성과 의미 있는 선택을 요구했다.
- [ ] 재현성을 위해 시드/프롬프트/매개변수를 저장했습니다.