La "inteligencia artificial" que se encuentra en la mayoría de los videojuegos de hecho no tiene mucho de inteligente. Los personajes de los juegos tienden a ser controlados por algoritmos que generan patrones de comportamiento diseñados para parecer naturales y realistas, pero los personajes realmente son rígidos, sin capacidad para aprender ni adaptarse.
Una empresa espera diseñar algo mucho más inteligente mediante una plataforma que permite que el software aprenda cómo comportarse dentro de un juego, tanto en respuesta a estímulos básicos como en situaciones más complejas. Se espera que este tipo de aprendizaje algún día permita que surjan comportamientos más complejos en los personajes de videojuegos – y que nos provea de mejor inteligencia artificial para un amplio abanico de aplicaciones.
Keen Software, radicada en la República Checa y Reino Unido, desarrolla varios juegos de entornos de prueba en los que los jugadores pueden construir complejas estructuras y máquinas virtuales utilizando materiales realistas y las leyes de la física. En julio, la empresa lanzó un negocio llamado GoodAI (lo que se traduce como Buena Inteligencia Artificial) que intenta desarrollar una sofisticada inteligencia artificial mediante el aprendizaje de máquinas. El CEO de Keen Software, Marek Rosa, invirtió 10 millones de dólares (unos nueve millones de euros) de su propio dinero en la empresa nueva.
GoodAI ha lanzado un software de código abierto llamado Brain Simulator que puede utilizarse para entrenar una serie de redes neuronales para responder a los estímulos de un entorno de juegos. Mediante un sistema de ensayo y error, estas redes pueden aprender a jugar un juego sencillo. Y varias redes pueden conectarse para crear comportamientos más complejos, lo que permite que el software aprenda cómo conseguir un objetivo que puede requerir varios pasos.
Los investigadores de la empresa han demostrado que Brain Simulator puede emplearse para entrenar software para jugar algunos sencillos juegos bidimensionales. Estos incluyen Breakout, en el cual un jugador hace rebotar una pelota en una pared de ladrillos (que desaparecen con el impacto), y un juego de laberinto que requiere la consecución de una serie de tareas distintas.
El personaje virtual del juego de laberinto "empezará a realizar algunas acciones al azar, y observará cómo está provocando cambios en el entorno, o cómo el entorno le cambia a él", explica Rosa. "Mientras cambia el entorno, está aprendiendo todas estas asociaciones y patrones".
Aprender asociaciones y patrones representa un objetivo clave para la inteligencia artificial en general, por lo que Rosa espera desarrollar formas de inteligencia artificial con una amplia utilidad, más allá de los juegos. Esto recuerda al enfoque empleado por una start-up de inteligencia artificial llamada DeepMind que Google adquirió el año pasado (ver La inteligencia artificial de Google juega al Space Invaders mejor que los humanos). DeepMind utiliza enfoques personalizados del aprendizaje de máquinas para enseñar al software a jugar a varios juegos sencillos.
Hace mucho que los investigadores de la inteligencia artificial emplean el juego como método para probar el software de inteligencia artificial, según Roman Yampolskiy, un profesor adjunto de la Universidad de Louisville (EEUU). "Desde las damas al ajedrez al póker, algunos de los logros más importantes de las investigaciones de inteligencia artificial se han demostrado en un tablero de juego", dice. Lo que resulta interesante del enfoque que emplean GoodAI y DeepMind es que sus ordenadores no han aprendido las reglas del juego con antelación, explica.
Sin embargo, aún no está claro si la estrategia resultará útil más allá de los juegos. Yampolskiy, que ha evaluado el software de GoodAI, dice que mientras que representa una aportación valiosa al campo, puede resultar muy difícil utilizarlo como base para una inteligencia artificial de uso más genérico.
No hay comentarios:
Publicar un comentario