유투브 돌아다니다가 흥미로운 영상이 있어 가져와봤습니다.
입자,유체의 물리시뮬레이션을 신경망 학습, 즉 딥러닝 AI로 학습시킨뒤 예측하는 모델인데요
먼저, 이미 시뮬레이션이 완벽히 가능한 것을 굳이 AI로 학습하여 예측할 필요가 있냐는 의문이 떠오릅니다.
그러나 모든 입자, 유체에 대해 일일히 계산을 하는것 보다 신경망 학습으로 만들어진 모델은 속도와 효율성 측면에서 더 뛰어나고
일부의 유체, 입자 행동만 학습시키더라도 추가적인 변수가 대입되어 있는 더 큰 환경과, 장애물이 있는 환경에 대응해서도
결과를 보여줄 수 있기 때문에 더 효율적이다 라는게 골자입니다.
애플같은 경우 뉴럴엔진에 이미 예전부터 많은 연구를 쏟아부었고 이미 아이폰에 많은 기술들이 적용되서 실제 쓰이고 있죠.
인텔도 예전부터 신경망쪽에 많은 연구를 해왔었고 최근에는 리테일용 CPU에도
딥러닝 부스트와 같이 신경망 전용 명령어 셋 처리 기능을 넣어서 출시하고 있습니다.
이번 애플이 ARM으로 옮겨가는데에 또다른 시사점은 애플실리콘에 이런 뉴럴엔진 기능을 입맛대로 넣어서
영상편집등에 AI를 활용하겠다는 의도도 보인다고 생각합니다.
가까운 미래에는 게임속 물리엔진들이 실제 일일히 계산된 시뮬레이션이 아닌 딥러닝 AI가 대신 처리해줄 날이 오지 싶습니다.
기존 시뮬레이션은 일일히 입자 하나하나의 상호작용을 계산해야 하고 시뮬레이션 조건이 바뀌면 또다시 계산해야 합니다.
딥러닝을 이용하면 학습모델만 학습하게 되면 그걸 가지고 더 다양한 환경과 변수가 있는 상태에서 시뮬레이션과 거의 비슷한 퀄리티의 재현이 가능하다는거죠.
스튜디오급 렌더링에 준하는 퀄리티와 자원소모를 소비시장에서 게이밍에 적용하기는
연산력의 한계가 분명하니깐요.
시뮬레이션으로 미리 학슴모델만 학습시키고, 새로운 환경에서 시뮬레이션의 결과가 Ground Truth 가 되고
AI 가 그려내는 결과물과 비교한거죠.
올려 주신 내용 흥미롭네요 ㅎㅎ.
궁극적으로 밥줄 끊어질까요..? ㅠㅠ
인간 눈은 큰 규칙안에서 다양한 변수가 대입될때 자연스럽게 느끼는 거같습니다.