Show HN: DOOM을 트랜스포머로 만들었습니다.

(github.com)

게임 엔진의 물리적 수치를 신경망 연산 매개체로 활용하여 정수형 신경망을 구현한 'Doomformer'는 기존 소프트웨어의 한계를 넘어선 창의적인 컴퓨팅 구현 방식을 제시하며 기술적 상상력을 자극합니다.

이 글의 핵심 포인트

1정수형 신경망을 ZDoom 맵으로 컴파일하여 ViZDoom 엔진 내에서 실행 가능
2게임 내 'Voodoo dolls'와 섹터 조명/높이 값을 이용해 신경망의 가중치 및 합산 연산 수행
3NumPy 대비 약 23,000배에서 65,000배 느린 극도로 낮은 연산 성능 기록
4MNIST 숫자 인식(784-64-10 구조)을 게임 내에서 구현 및 정확도 검증 완료
5맵 내 연결(weight)을 실시간으로 변경(MUTATE)하여 네트워크 결과 변화를 관찰 가능

이 글에 대한 공공지능 분석

왜 중요한가?

기존의 정형화된 AI 연산 프레임워크(PyTorch, TensorFlow 등)를 벗어나, 완전히 다른 도메인인 게임 엔진의 물리적 속성을 연산의 기저(Substrate)로 재정의했다는 점에서 기술적 창의성이 매우 높습니다. 이는 소프트웨어의 용도를 재정의하는 '리퍼퍼징(Repurposing)'의 극단적인 사례를 보여줍니다.

어떤 배경과 맥락이 있나?

최근 AI 분야에서는 모델 경량화를 위해 정수 양자화(Integer Quantization) 기술이 핵심적으로 다뤄지고 있습니다. Doomformer는 이러한 정수 연산의 논리를 게임 엔진의 섹터 높이나 조명 값 같은 이산적인 데이터 구조에 매핑함으로써, 하드웨어 가속기가 없는 환경에서도 논리적 연산이 가능함을 실험적으로 증명했습니다.

업계에 어떤 영향을 주나?

이 프로젝트는 상용화 가능성보다는 '컴퓨팅의 경계 확장'이라는 측면에서 임팩트가 큽니다. 게임 엔진을 단순한 그래픽 렌더러가 아닌, 특수 목적의 연산 시뮬레이터나 분산 컴퓨팅의 노드로 활용할 수 있는 기술적 영감을 제공하며, 에지 컴퓨팅(Edge Computing) 환경에서의 극단적인 최적화 아이디어로 이어질 수 있습니다.

한국 시장에 어떤 시사점이 있나?

게임과 AI의 결합(AI-driven Gaming)에 강점을 가진 한국의 게임사 및 테크 스타트업들에게, 게임 엔진 내의 물리 엔진이나 렌더링 파이프라인을 활용한 새로운 형태의 AI 학습/추론 시뮬레이션 도구 개발이라는 새로운 R&D 방향성을 제시합니다.

이 글에 대한 큐레이터 의견

Doomformer는 기술적 예술(Technical Art)의 정수를 보여주는 프로젝트입니다. 게임 엔진의 물리적 변수를 신경망의 가중치와 활성화 함수로 치환한 아이디어는, 소프트웨어 엔지니어가 가진 '도구에 대한 고정관념'을 깨뜨리는 강력한 사례입니다. 특히 맵의 연결을 실시간으로 변경(MUTATE)하며 네트워크의 변화를 관찰하는 기능은 모델 해석 가능성(Explainability) 연구에 대한 새로운 시각을 제공합니다.

하지만 스타트업 창업자 관점에서 냉정하게 평가하자면, 이 기술의 치명적인 트레이드오프는 '극도로 낮은 효율성'입니다. NumPy 대비 최대 65,000배 느린 성능은 실용적인 AI 서비스 구축에는 결코 사용할 수 없는 수준입니다. 따라서 이 프로젝트를 '새로운 연산 플랫폼'으로 과대평가하기보다는, 복잡한 알고리즘을 시각화하거나 물리 엔진의 논리 구조를 활용해 새로운 형태의 데이터 구조를 설계하는 '알고리즘 시뮬레이션'의 방법론으로 흡수하는 영리한 접근이 필요합니다.

원문 보기 →