• 한국게임학회 논문지
• /
• 제20권2호
• /
• pp.113-122
• /
• 2020

2016년~2019년까지 지능정보기술 관련 콘텐츠 연구를 메타분석한 결과, 관련 기술이 사회적 화두로 부상한 이후 연구가 유의미하게 증가하였으며, 세부 기술과 관련해서는 가상현실 및 증강현실 기술에 대한 관심이 가장 높았다. 특정한 하나의 기술을 넘어 여러 지능정보기술이 콘텐츠와 어떻게 관련되는지가 탐구되는 경향이었다. 게임의 경우 VR 및 AR기술과 관련하여 연구가 많이 이루어졌고, 빅데이터 기술의 경우 영화 콘텐츠 연구에서 주목하는 경향이었다. 지능정보기술에 대한 기술적 접근을 시도한 연구가 많은 편이었으나, 인공지능 기술과 관련해서는 법적, 제도적으로 주로 조망되는 등 기술별, 콘텐츠 분야별로 차이가 나타났다.

• 정보과학회 논문지
• /
• 제45권1호
• /
• pp.30-35
• /
• 2018

GuessWhat?!은 질문자와 답변자로 구성된 두 플레이어가 이미지를 보고 질문자에게 비밀로 감추어진 정답 물체에 대해 예/아니오/잘 모르겠음 셋 중 하나로 묻고 답하며, 정답 물체를 추려 나가는 문제이다. GuessWhat?!은 최근 컴퓨터 비전과 인공지능 대화 시스템의 테스트베드로서 컴퓨터 비전과 인공지능 학계의 많은 관심을 받았다. 본 논문에서, 우리는 GuessWhat?! 게임 프레임워크가 가지는 특성에 대해 논의한다. 더 나아가, 우리는 제안된 틀을 기반으로 GuessWhat?!의 간단한 solution을 제안한다. 사람이 평균 4~5개 정도의 질문을 통하여 맞추는 이 문제에 대하여, 우리가 제안한 방법은 2개의 질문만으로 기존 딥러닝 기반 기술의 성능을 상회하는 성능을 보이며, 5개의 질문이 허용되면 인간 수준의 성능을 능가한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권12호
• /
• pp.4625-4647
• /
• 2020

The Generative Adversarial Networks, as one of the most creative deep learning models in recent years, has achieved great success in computer vision and natural language processing. It uses the game theory to generate the best sample in generator and discriminator. Recently, many deep learning models have been applied to the security field. Along with the idea of "generative" and "adversarial", researchers are trying to apply Generative Adversarial Networks to the security field. This paper presents the development of Generative Adversarial Networks. We review traditional generation models and typical Generative Adversarial Networks models, analyze the application of their models in natural language processing and computer vision. To emphasize that Generative Adversarial Networks models are feasible to be used in security, we separately review the contributions that their defenses in information security, cyber security and artificial intelligence security. Finally, drawing on the reviewed literature, we provide a broader outlook of this research direction.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2010년도 춘계 종합학술대회 논문집
• /
• pp.49-51
• /
• 2010

스마트폰의 도입으로 인하여 증강현실이 널리 알려짐에 따라 대중들의 관심은 이에 집중되고 있으며 휴대성으로 인하여 모바일기기에서의 증강현실 연구가 하나의 흐름으로 자리 잡고 있다. 기존의 증강현실과 인공지능이 결합된 연구들은 주로 로봇공학이 많은 비율을 차지하고 있으며 게임에 접목된 연구들은 부족한 실정이다. 또한 인공지능이 적용된 에이전트들의 움직임을 위한 데이터들은 아직까지 사용자가 직접 입력해주거나 이를 인식하는데 마커를 사용하고 있다. 본 논문에서는 마커리스 추적 기술을 사용하여 생성한 데이터를 인공지능부분에서 사용하며 증강현실 기반의 인공지능이 적용된 에이전트를 위한 게임 시스템을 제안한다. 그리고 이를 아이폰 모바일 기기에서 구현하였으며 인식율, 정확도를 측정하여 본 시스템을 검증하였다.

• 반도체디스플레이기술학회지
• /
• 제21권3호
• /
• pp.110-113
• /
• 2022

Non-playable game character plays an important role in improving the concentration of the game and the interest of the user, and recently implementation of NPC with reinforcement learning has been in the spotlight. In this paper, we estimate an AI target tracking method via reinforcement learning, and implement an AI-based tracking agency of specific target object with avoiding traps through Unity ML-Agents Toolkit. The implementation is built in Unity game engine, and simulations are conducted through a number of experiments. The experimental results show that outstanding performance of the tracking target with avoiding traps is shown with good enough results.

• 한국멀티미디어학회논문지
• /
• 제25권2호
• /
• pp.432-439
• /
• 2022

This paper introduces deliberative behavior tree using utility theory. The proposed approach combine the strengths of behavior trees and utility theory to implement complex behavior of AI agents in an easier and more concise way. To achieve this goal, we devised and implemented three types of additional behavior tree nodes, which evaluate utility values of its own node or its subtree while traversing and selecting its child nodes based on the evaluated values. In order to validate our approach, we implemented a sample scenario using conventional behavior tree and our proposed deliberative tree respectively. And then we compared and analyzed the simulation results.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.277-278
• /
• 2023

본 논문은 머신러닝 학습 도구인 Teachable Machine을 활용하여 모션 인식 러닝 액션 게임인 Dino Run Game을 개발하는 것을 목표로 한다. JavaScript, HTML, CSS를 사용하여 기본적인 게임 프레임워크를 구현하고, Google에서 개발한 Teachable Machine의 이미지 인식 모델을 활용하여 웹캠을 통해 사용자의 손 이미지를 인식한다. 이를 기반으로 게임 캐릭터를 제어함으로써 키보드를 사용하지 않고도 게임을 즐길 수 있도록 구현한다.

• 한국게임학회 논문지
• /
• 제13권6호
• /
• pp.43-52
• /
• 2013

경로 탐색은 인공지능의 매우 중요한 요소 중의 하나이며, 여러 분야에서 두루 쓰이는 과정이다. 경로 탐색은 매우 많은 연산이 필요하기 때문에 성능에 매우 중대한 영향을 미친다. 이를 해결하기 위해서 연산량을 줄이는 방식의 연구가 많이 진행되었고, 대표적으로 A* 알고리즘이 있으나 불필요한 연산이 있어 효율성이 떨어진다. 본 논문에서는 A* 알고리즘 중 연산 비용이 높은 노드 탐색 수 등 연산량을 줄이기 위해서 가중치 기반의 선수행 A* 알고리즘을 새롭게 제안한다. 제안한 알고리즘의 효율성을 측정하기 위해 시뮬레이션을 구현하였으며, 실험 결과 가중치를 이용하는 방법이 일반적인 방법보다 약 1~2배 높은 효율을 보였다.

• 한국게임학회 논문지
• /
• 제20권3호
• /
• pp.3-14
• /
• 2020

본 연구의 목적은 게임 인공지능의 조기정착과 확산을 위해 이용자 만족에 영향을 미치는 요인을 분석하는 것이다. 이를 위해 엔씨소프트의 MMORPG 게임 '블레이드&소울'을 플레이한 경험이 있는 20명의 이용자를 대상으로 심층 인터뷰를 진행하였다. 인터뷰 자료는 언어네트워크 분석 프로그램을 통해 핵심주제어를 파악, 주제어 사이의 관계를 분석하였다. 분석 결과 인공지능 게임 이용자 만족도에 영향을 미치는 키워드로 패턴, 콘텐츠, 다양성, 시스템, 신규유저확보 등이 도출되었다.

• 과학기술학연구
• /
• 제17권1호
• /
• pp.5-39
• /
• 2017

2016년 알파고(AlphaGo)와 이세돌(9단)의 경합은 인공지능의 등장을 대중적으로 확인하는 것이었다. 이 대국은 일종의 확장된 튜링테스트(Extended Turing Test)였다. 튜링테스트의 목적은 기본적으로 기계가 인간을 모방할 수 있는지를 관찰하는 것이다. 이 논문은 알파고 사례를 통하여 인간과 인공지능 사이의 상호작용과 그 사회적 성격을 분석할 것이다. 콜린스(Collins, H.)는 우리의 지능은 사회적이며, 튜링테스트의 목적은 궁극적으로 사회 구성원과 비구성원을 구별하려는 것이라고 제시했다. 그러므로 기계가 이 테스트를 통과한다면, 비록 특정한 수행 차원에 한정된 것이지만, 우리가 그 기계(비구성원)를 인간구성원과 구별할 수 없게 되었다는 것을 의미한다. 이세돌-알파고 대국을 튜링테스트 설정에 대입하면, 알파고는 인간의 진실을 흔드는 역할(A)을 수행했고, 이세돌은 인간의 진실을 증언하는 역할(B)을 수행했다. 이 테스트에서 중요한 것은 알파고의 기능적 성능이 아니라 면접관(C)의 사회적 승인이다. 이 대국 과정에서 다수의 관중들이 면접관의 역할을 수행했다. 여기서는 그들을 '인간면접관'이라고 부를 것이다. 그들은 대국과정에서 오랫동안 체화된 자신의 사회적 지식을 통하여 자신의 동료 구성원(인간)과 비구성원(기계)을 구분하고자 했다.