DeepMind tiene una larga tradición en el uso de la inteligencia artificial (IA) aplicada a los videojuegos y su última investigación es una buena muestra de ello. La filial de Google ha presentado Scalable Instructable Multiworld Agent (SIMA), un agente de IA que puede seguir instrucciones en lenguaje natural para completar tareas en diferentes entornos dentro de un videojuego. La idea no es sustituir al jugador, sino ofrecerle un compañero de IA.
“Los videojuegos son un terreno de pruebas clave para los sistemas de inteligencia artificial. Al igual que el mundo real, los juegos son entornos de aprendizaje suntuosos, con escenarios que responden en tiempo real y objetivos en constante cambio”, explica DeepMind. La compañía es conocida por el sistema AlphaStar que es capaz de jugar a StarCraft II a un nivel de Gran Maestro como un humano, y desde hoy con SIMA el objetivo es tener un agente de IA general capaz de jugar a juegos no lineales y de mundo abierto.
SIMA combina las instrucciones en lenguaje natural con la comprensión de mundos en 3D y el reconocimiento de imágenes. De nuevo vale la pena resaltar que no se trata de un agente que tenga como objetivo sustituir a la IA del propio juego o al jugador. “SIMA no está entrenado para ganar en el juego; está entrenado para ejecutarlo y hacer lo que se le dice”, comenta Tim Harley, investigador de DeepMind y uno de los máximos responsables de la IA. En un título al que se juega en solitario o en cooperativo, los NPCs aliados no son siempre todo lo inteligentes que uno desearía y ahí es donde un agente de IA como SIMA puede cambiar las cosas.
Para entrenar y poner a prueba a SIMA, DeepMind ha trabajado junto a ocho desarrolladores, incluyendo Coffee Stain (Valheim, Satisfactory, Goat Simulator 3), Foulball Hangover (Hydroneer), Hello Games (No Man's Sky), Keen Software House (Space Engineer), Rubberband Games (Wobbly Life), Strange Loop Games (Eco) y Tuxedo Labs (Teardown). Una experiencia sandbox como la de Goat Simulator 3 puede ser todo un reto para un agente de IA.
DeepMind insiste en que SIMA no es un experimento para conseguir las puntuaciones más altas. “Aprender a jugar a un solo videojuego es una proeza técnica para un sistema de IA, pero aprender a seguir las instrucciones en diferentes juegos podría abrir la puerta a agentes de IA más útiles en cualquier entorno”, explica la compañía. “Nuestra investigación muestra cómo podemos trasladar las capacidades de los modelos avanzados de IA en acciones útiles en el mundo real a través del lenguaje natural”. En otras palabras, los videojuegos son un sandbox para entender cómo los sistemas de IA pueden ser más útiles.
La actual versión de SIMA cuenta con unas 600 habilidades básicas, que incluyen navegación, interacción con objetos y el uso de menús. “Hemos entrenado a SIMA para que ejecute tareas sencillas que pueden completarse en unos 10 segundos", dice DeepMind. En el futuro el agente se podría entrenar para tareas más complejas, como encontrar recursos y construir un campamento. También se piensa en la capacidad de que hable, pero esta posibilidad queda muy lejos en el tiempo.
A día de hoy SIMA aún está aprendiendo a jugar a juegos para en un futuro y con un modelo de IA más avanzado realizar tareas complejas y ser un compañero de IA útil.
“Los videojuegos son un terreno de pruebas clave para los sistemas de inteligencia artificial. Al igual que el mundo real, los juegos son entornos de aprendizaje suntuosos, con escenarios que responden en tiempo real y objetivos en constante cambio”, explica DeepMind. La compañía es conocida por el sistema AlphaStar que es capaz de jugar a StarCraft II a un nivel de Gran Maestro como un humano, y desde hoy con SIMA el objetivo es tener un agente de IA general capaz de jugar a juegos no lineales y de mundo abierto.
SIMA combina las instrucciones en lenguaje natural con la comprensión de mundos en 3D y el reconocimiento de imágenes. De nuevo vale la pena resaltar que no se trata de un agente que tenga como objetivo sustituir a la IA del propio juego o al jugador. “SIMA no está entrenado para ganar en el juego; está entrenado para ejecutarlo y hacer lo que se le dice”, comenta Tim Harley, investigador de DeepMind y uno de los máximos responsables de la IA. En un título al que se juega en solitario o en cooperativo, los NPCs aliados no son siempre todo lo inteligentes que uno desearía y ahí es donde un agente de IA como SIMA puede cambiar las cosas.
Para entrenar y poner a prueba a SIMA, DeepMind ha trabajado junto a ocho desarrolladores, incluyendo Coffee Stain (Valheim, Satisfactory, Goat Simulator 3), Foulball Hangover (Hydroneer), Hello Games (No Man's Sky), Keen Software House (Space Engineer), Rubberband Games (Wobbly Life), Strange Loop Games (Eco) y Tuxedo Labs (Teardown). Una experiencia sandbox como la de Goat Simulator 3 puede ser todo un reto para un agente de IA.
DeepMind insiste en que SIMA no es un experimento para conseguir las puntuaciones más altas. “Aprender a jugar a un solo videojuego es una proeza técnica para un sistema de IA, pero aprender a seguir las instrucciones en diferentes juegos podría abrir la puerta a agentes de IA más útiles en cualquier entorno”, explica la compañía. “Nuestra investigación muestra cómo podemos trasladar las capacidades de los modelos avanzados de IA en acciones útiles en el mundo real a través del lenguaje natural”. En otras palabras, los videojuegos son un sandbox para entender cómo los sistemas de IA pueden ser más útiles.
La actual versión de SIMA cuenta con unas 600 habilidades básicas, que incluyen navegación, interacción con objetos y el uso de menús. “Hemos entrenado a SIMA para que ejecute tareas sencillas que pueden completarse en unos 10 segundos", dice DeepMind. En el futuro el agente se podría entrenar para tareas más complejas, como encontrar recursos y construir un campamento. También se piensa en la capacidad de que hable, pero esta posibilidad queda muy lejos en el tiempo.
A día de hoy SIMA aún está aprendiendo a jugar a juegos para en un futuro y con un modelo de IA más avanzado realizar tareas complejas y ser un compañero de IA útil.
(imagen)
(imagen)
A mi me gustaría una empresa a la que pudieran ir las desarrolladoras con sus juegos y que tuvieran un modelo para entrenar modelos de NPCs, por ejemplo, usar los datos de DayZ, de los jugadores reales, como se mueven, como interaccionan, etc... y luego crear bots humanos basados en modelos de personas reales.
Sería un gran salto porque no tendrían que programar las IAs de forma hardcoded, todo sería más humano y natural basado en las interacciones observadas de los jugadores.
Por cierto, esa foto de la noticia es muy adecuada.
Hablo de Voyager, el agente de Nvidia que aprendió a jugar de forma autonoma y completa a Minecraft.
https://voyager.minedojo.org/
El hecho de elegir juegos de mundo abierto con muchas posibilidades es debido a quitar linealidad y aumentar complejidad en la toma de decisiones.
Ya que no solo tiene que reaccionar a los peligros del entorno sino explorar y completar todos los objetivos del juego.
Eso ya se hace con Rocket League. Ahora mismo los bots de IA "Nexto" se meriendan a cualquier jugador de champion para abajo xD
Tambien tienes otros que aparte de haber aprendido jugando con humanos aprenden jugando infinitas horas entre si para superarse unos a otros experimentando:
https://www.twitch.tv/rlgym