게임기를 '학습'시킨 프로젝트
GitHub에 nesformer라는 재미있는 프로젝트가 올라왔어요. 한 줄로 요약하면 '닌텐도 패밀리 컴퓨터(NES)를 약 1GB 분량의 Qwen 모델 가중치 안에서 돌아가게 만들었다'는 거예요. Qwen은 알리바바가 공개한 오픈 가중치 언어 모델 시리즈고요.
보통 옛날 게임기를 PC에서 돌리려면 에뮬레이터를 써요. 에뮬레이터가 뭐냐면, 게임기의 CPU와 그래픽 칩이 하는 일을 소프트웨어로 똑같이 흉내 내는 프로그램이에요. 사람이 하드웨어 명세를 한 줄씩 읽고 코드로 옮겨서 만들죠. 그런데 이 프로젝트는 그 동작을 사람이 코딩하는 대신 신경망이 학습하게 했다는 점에서 눈길을 끌어요.
왜 이게 가능할까: 게임기는 거대한 상태 기계다
NES는 1983년(일본 패미컴 기준)에 나온 기계라서 지금 기준으로 보면 정말 단순해요. 6502 계열 CPU가 약 1.79MHz로 돌아가고, 작업용 메모리(RAM)는 고작 2KB예요. 중요한 건 이 기계가 완전히 결정론적이라는 점이에요. 같은 상태에서 같은 버튼을 누르면 항상 똑같은 결과가 나와요.
다르게 말하면 NES는 '현재 상태 + 입력 → 다음 상태'라는 함수예요. 그리고 트랜스포머 언어 모델은 지금까지 나온 토큰을 보고 다음 토큰을 예측하는 기계죠. 게임기의 상태를 토큰으로 적을 수 있다면, 다음 상태를 맞히는 일은 결국 다음 토큰 예측 문제가 돼요. 언어 모델이 문장을 이어 쓰듯 게임기의 상태를 이어 쓰는 셈이에요. 다만 nesformer가 상태를 정확히 어떤 단위로 표현하고 예측하는지는 저장소에서 직접 확인해 보시길 권해요.
크기도 흥미로워요. 가중치 1GB는 16비트 기준으로 파라미터 약 5억 개 정도인데, Qwen 계열 중에서도 가장 작은 축에 속하는 크기예요. 노트북에서도 충분히 돌릴 수 있는 수준이죠.
이 데모가 의미하는 것, 그리고 한계
일반 에뮬레이터와 비교하면 차이가 확 드러나요. Mesen이나 FCEUX 같은 전통적인 NES 에뮬레이터는 크기가 수 MB 수준이에요. 거의 모든 컴퓨터에서 실제 기계보다 훨씬 빠르게, 비트 하나 틀리지 않고 돌아가죠. 반면 신경망 방식은 용량이 수백 배 크고, 매 단계마다 무거운 연산이 필요해요. 실용성만 놓고 보면 비교가 안 돼요.
가장 큰 숙제는 오차 누적이에요. 에뮬레이션은 비트 하나만 틀려도 캐릭터가 벽을 뚫거나 게임이 멈춰요. 그런데 언어 모델은 본질적으로 확률적이라 아주 작은 실수가 생길 수 있고, 그 실수가 다음 단계의 입력이 되면서 점점 불어나요. 그래서 이런 프로젝트에서는 얼마나 오래, 얼마나 정확하게 버티느냐가 핵심 관전 포인트예요.
그런데도 이 데모가 흥미로운 건, '프로그램을 짜는 대신 프로그램의 동작을 학습시킬 수 있을까'라는 질문을 아주 구체적으로 보여주기 때문이에요.
업계 맥락: 월드 모델 경쟁
게임을 신경망으로 돌리는 시도는 요즘 AI 업계에서 아주 뜨거운 주제예요. 2024년 구글의 GameNGen은 확산 모델로 둠(DOOM)을 실시간으로 생성했고, Decart의 Oasis는 마인크래프트 같은 세계를 만들어 냈어요. 2025년에는 마이크로소프트가 게임 플레이 데이터로 학습한 Muse를, 구글 딥마인드가 실시간으로 상호작용할 수 있는 세계를 만드는 Genie 3를 발표했고요. 이런 모델을 '월드 모델(world model)'이라고 불러요. 세상이 어떻게 변하는지를 학습한 모델이라는 뜻이에요.
이런 대형 프로젝트들은 대부분 거대한 전용 모델로 화면 픽셀을 직접 생성해요. nesformer는 범용 언어 모델인 Qwen의 작은 가중치를 썼다는 점에서, 개인 개발자도 이 분야를 실험해 볼 수 있다는 걸 보여줘요.
한국 개발자에게 주는 시사점
작은 모델 파인튜닝을 배우기에 좋은 주제예요. 5억 파라미터급 모델은 24GB VRAM GPU 한 장으로도 충분히 다뤄볼 수 있어요. 게다가 게임기 같은 결정론적 시스템은 정답 데이터를 원하는 만큼 만들 수 있어요. 기존 에뮬레이터를 돌려서 '상태와 다음 상태' 쌍을 계속 뽑아내면 되거든요. 라벨링 비용 없이 합성 데이터로 학습하는 감각을 익히기 딱이에요.
평가 방법을 고민하는 연습도 돼요. 정답이 분명한 시스템이라서, 모델이 몇 단계 만에 틀리기 시작하는지 숫자로 측정할 수 있어요. LLM 서비스를 만들 때 늘 부딪히는 '어떻게 평가할까'라는 문제를 작게 체험해 볼 수 있는 거죠.
다만 저작권은 조심하세요. 닌텐도는 법적 대응이 적극적인 회사로 유명해요. 2024년에는 스위치 에뮬레이터 Yuzu 개발사가 닌텐도에 240만 달러를 물고 프로젝트를 접었죠. 직접 실험해 본다면 상용 게임 롬 대신 홈브루(개인이 직접 만든 게임) 롬을 쓰는 게 안전해요.
마무리
게임기 하나를 1GB 가중치에 담은 이 프로젝트는 실용적인 도구라기보다 소프트웨어의 미래를 묻는 질문에 가까워요. 여러분은 언젠가 소프트웨어 일부를 '코드로 짜는' 대신 '데이터로 학습시키는' 날이 올 거라고 보시나요? 그렇다면 첫 번째 대상은 어떤 프로그램이 될까요?
🔗 출처: Hacker News