[Daily IT News] 메타버스, GNN

팬데믹 환경이 한창 일 때 우리는 메타버스라는 가상 세계 플랫폼에 모두가 집중을 했었는데요, 이 상황이 지나가는 지금은 조금 관련 산업군으로 범위가 좁혀져서 구현을 진행하고 있는 모양새 입니다. 그래도 NFT, 블록체인, 웹3.0의 개념이 나오고 있는 지금 시점에서는 필요한 플랫폼인 만큼 눈여겨 봐야 할 것 같습니다.

금일(2022.10.06. 목) 신문리뷰 입니다

---

● 전자신문

구분	헤드라인	설명
(SV) 메타버스	게임업계 3N, 메타버스 전략도'3사 3색'	국내 게임업계 빅3로 손꼽히는 엔씨소프트와 넥슨, 넷마블이 메타버스 시장 진출을 본격화했다. 게임 이외의 신사업으로 엔터테인먼트와 콘텐츠, 블록체인 등 영역 다각화에 속도를 내는 가운데 허브 역할을 할 핵심 플랫폼으로 메타버스를 주목했다. 대규모 게임 개발과 운영 노하우를 바탕으로 3사가 각기 다른 메타버스 접근 전략을 취하고 있어 눈길을 끈다. 엔씨소프트는 오는 7일 2022 신입사원 공개채용 직무 설명회를 자체 메타버스 플랫폼 '미니버스'에서 개최한다고 밝혔다. 정식 서비스 출시에 앞서 채용 절차에 활용한다고 공지함으로써 미니버스의 존재를 깜짝 공개했다. 엔씨소프트 미니버스는 유저 창작 기반 메타버스를 지향하는 플랫폼이다. 커뮤니티 모임이나 스터디 그룹, 원격 수업, 재택근무 등 다양한 온라인 모임을 즐길 수 있을 것으로 예상된다. 전문적 지식이나 경험 없이도 누구나 쉽게 3D 공간을 만들 수 있도록 했다. 게임적인 요소보다는 이용자 스스로 3D 메타버스 공간을 조성하고, 다채로운 콘텐츠를 생성할 수 있도록 하는 데 초점을 맞췄다. 기존 게임 관련 지식재산권(IP)를 활용하는 대신 밝고 부드러운 색감의 그래픽을 적용했다. 엔씨소프트가 운영 중인 케이팝 팬덤 플랫폼 '유니버스'는 별도 서비스로 운영될 전망이다. 넥슨은 '넥슨타운'과 '메이플스토리 월드'로 3사 중 가장 먼저 시범 서비스 제공에 나섰다. 넥슨타운은 넥슨이 보유한 다양한 게임 IP 리소스로 구현된 가상 세계다. 이용자는 넥슨타운에서 자유롭게 소통하고 게임과 연동된 다양한 콘텐츠를 즐길 수 있다. 넥슨은 게임 속 상징적인 맵과 공간을 넥슨타운에 순차적으로 추가해 다양한 문화 공간과 놀이 공간을 제공할 계획이다. 이 밖에 자신만의 공간을 꾸미는 '하우징'과 소중한 게임 속 순간을 공유할 수 있는 'SNS' 기능도 준비 중이다. 넥슨의 모든 게임을 아우르는 '허브'로 완성시켜나간다는 목표다. 다만 넥슨은 '메타버스' 마케팅과는 거리를 뒀다. 넥슨타운과 메이플스토리 월드 역시 메타버스라는 표현 대신 모바일 버추얼 월드 커뮤니티 플랫폼과 콘텐츠 제작 및 놀이 플랫폼을 각각 표방했다. 업계 관계자는 “메타버스에 대한 게임 규제 적용 논의가 수면 위로 부상하면서 관련 서비스에 대한 규제 우려가 커진 상황”이라며 “넥슨 또한 이를 감안해 직접적인 표현에 주의를 기울인 것으로 보인다”고 말했다. 넷마블은 메타버스를 차세대 먹거리로 선정하고 관련 연구개발과 투자에 공을 들이고 있다. 카카오엔터테인먼트와 메타버스 사업 공동 진출을 위해 파트너십을 체결했다. 자회사 넷마블에프엔씨에는 기술력 확보를 위한 메타버스 VFX 연구소를 설립했다. 글로벌 메가 히트 게임 '모두의 마블' IP를 활용한 '모두의 마블:메타월드' 출시도 예고했다. 블록체인과 대체불가능토큰(NFT) 등을 메타버스와 접목, 사업 확장에 나설 방침이다.

 

● 인공지능신문

구분	헤드라인	설명
(AI) GNN	인공지능'그래프 신경망' 진화시킨다! 구글AI, GNN 사전훈련 데이터 세트 및 벤치마킹 플랫폼'그래프월드' 오픈소스로 공개	그래프 신경망(Graph Neural Networks. 이하, GNN)은 그래프 또는 전체 그래프 내의 항목에 대한 예측에 컨텍스트를 통합하기 위해 고유한 연결을 활용하는 강력한 머신러닝(ML) 기법이다. GNN은 신약을 발견하고, 수학자들이 계산 및 수식을 증명하도록 돕고, 잘못된 정보를 감지하고, 지도에서 특정지역의 도착 시간 예측 등에서 정확도를 개선하는 등 다양한 분야에서 효과적으로 사용되고 있다. 지난 10년 동안 GNN에 대한 관심의 급증으로 수천 개의 GNN 변형 모델이 생성되었으며 매년 수백 개가 도입되고 있다. 대조적으로, GNN을 평가하기 위한 방법과 데이터 세트는 훨씬 덜 주목받았다. 많은 GNN 연구에서는 동일한 5-10개의 벤치마크 데이터 세트를 재사용하며, 대부분은 쉽게 레이블이 지정된 학술 인용 네트워크와 분자 데이터 세트로 구성된다. 이는 새로운 GNN 변형의 경험적 성능이 제한된 그래프 클래스에 대해서만 주장할 수 있음을 의미한다. 최근 GNN 벤치마킹에 대한 워크샵 및 국제학회 트랙에서 이러한 문제를 다루기 시작했으며, 오픈소스로 공개된 OGB(Open Graph Benchmark)는 그래프 머신러닝을 위한 벤치마크 데이터 세트, 데이터 로더 및 평가자의 모음으로 데이터 세트는 다양한 그래프 머신러닝 작업과 실제 애플리케이션을 다룬다. OGB 데이터 로더는 파이토치(PyTorch) 기하학 및 심층그래프 라이브러리(DGL, Deep Graph Library)를 포함하여 널리 사용되는 그래프 딥러닝 프레임워크와 완벽하게 호환되며, 자동 데이터 세트 다운로드, 표준화된 데이터 세트 분할 및 통합 성능 평가를 제공한다. OGB는 중요한 그래프 머신러닝 작업과 다양한 데이터 세트 규모 및 풍부한 영역을 포괄하는 그래프 데이터 세트를 제공하는 것을 목표로 한다. 그러나, OGB 데이터 세트는 인용 및 분자 네트워크와 같은 기존 데이터 세트와 동일한 많은 도메인에서 제공되고 있다. 이것은 OGB가 데이터 세트 다양성 문제를 해결하지 못한다는 것을 의미한다. 여기에, 구글 AI는 GNN 연구 커뮤니티가 실제 세계에서 볼 수 있는 큰 통계적 편차가 있는 그래프를 실험하여 혁신을 따라갈 수 있는지에 대해 의문을 제기했다. 학술 문헌에 등장하는 GNN 벤치마크 데이터세트가 잠재적인 그래프의 완전히 다양한 '세계'의 개별 '위치'인 반면, 구글AI 연구팀은 확률 모델을 사용하여 이 세계를 직접 생성하고 모든 위치에서 GNN 모델을 테스트하고 일반화 가능한 통찰력을 추출했다. 그 결과, 학술 데이터 세트에서 다루지 않는 그래프 공간 영역에서 GNN 성능을 탐색할 수 있도록 하는 보완적이며, GNN 연구의 규모와 속도에 맞추기 위해 수백만 개의 합성 시스템에서 GNN 아키텍처의 성능을 분석하는 벤치마크로 '그래프월드(GraphWorld)'를 개발하고 오픈소스로 공개했다. 그래프월드는 대규모 OGB 데이터 세트에 대한 하나(DEEPER BIGGER BETTER FOR OGB-LSC AT KDD CUP 2021)의 실험 보다 적은 계산 비용으로 합성 데이터에 대한 수십만 개의 GNN 실험을 간편하게 실행하는 비용 효율적인 것으로 나타났다.

---

금일 주목할 기사는 GNN관련 기사입니다.

그래프 기반의 인공지능 기술 개발은 생각보다 오래전부터 계속 진행되어 신약 개발, 고난이도 수학 개발 등에서 사용되고 있습니다. 수많은 데이터를 모아 군집화하고, 분류 등으로 분석하는 방법도 있지만 그에 더해 더 심도깊은 분석에는 GNN 기법이 필요한게 아닌가 생각이 듭니다.