Un nuevo vídeo revela cómo le va a la IA de Google en los videojuegos, y la verdad es que no parece que le vaya nada mal.

DeepMind es probablemente la startup perteneciente a Google de la que más hemos hablado en las últimas semanas, gracias a su victoria contra Lee Sudol usando la Inteligencia Artificial AlphaGo.

Pero, ¿puede aplicarse lo mismo que usó jugando contra uno de los mejores jugadores de go de la historia en un juego algo más complicado? Los videojuegos tienen muchos más elementos que las fichas y el tablero del go, y puede ser difícil hasta para el más veterano de los jugadores distinguir el objetivo y averiguar qué es lo que hay que hacer para cumplirlo.

La IA de Google en los videojuegos es tan brutal como en el go

Para comprobar el nivel que habían alcanzado, en DeepMind enfrentaron a su IA contra Montezuma’s Revenge, un videojuego de Atari 2600. Todo el mundo está de acuerdo en que los juegos de antes eran más difíciles, pese a lo simples que eran, y tal vez por eso esta generación de videojuegos es más útil para comprender las habilidades de una IA.

Como vemos en el vídeo, la IA no tardó mucho en comprender cómo tenía que jugar. Esa es la verdadera clave de esta investigación, no es que en DeepMind estén aburridos y ya no sepan que hacer con la IA que tienen.

Si hay algo en lo que nuestro cerebro supera ampliamente a un ordenador, eso es en la capacidad de improvisación, en la curiosidad y en la adaptabilidad a diferentes situaciones. Cuando nos encontramos un juego, podemos llegar rápidamente a la conclusión de que una llave es algo que podemos querer para avanzar, y que una calavera simboliza nuestra muerte.

Qué puede aprender una IA de los videojuegos

Esto también es cierto en la vida real. Cuando vemos un tipo de perro por primera vez, lo reconoceremos cuando lo veamos una segunda ocasión, normalmente sin confundirlo demasiado con otras razas. En cambio, una IA no aprende que un perro es un perro hasta que se ha tirado cientos de horas analizando fotografías de perros y otros animales.

ia videojuego 2

Por lo tanto, al comprender rápidamente qué es lo que puede y lo que no puede hacer con un juego, una IA puede estar más cerca de alcanzar ese grado de “intuición” necesario para sobrevivir. No sólo eso, sino que, como un humano cualquiera, el objetivo es que la IA “quiera” pasarse el juego, sea algo que realmente quiere hacer y no una tarea impuesta.

Los desarrolladores compararon esta IA “curiosa” con otra que no tenía ese módulo, y los resultados son curiosos: mientras que la IA curiosa completó 15 de las 24 pantallas que componen el juego, la IA normal no pasó de la segunda pantalla. Ambas tienen las mismas habilidades y capacidades, pero sólo una de ellas fue capaz de adaptarse al juego rápidamente, y no usar el método de prueba y error constantemente.

ia videojuego 3

Eso es porque cada pantalla plantea un desafío diferente, así que aunque aprendas de la primera pantalla, eso no te servirá de nada en la segunda si no has conseguido adaptarte al juego.

Aún es pronto para saber qué aplicaciones en el mundo real puede tener una IA semejante, pero una posibilidad, según el estudio, estaría en que los robots serían capaces de aprender a conducir de la misma manera, en vez de simplemente, seguir las reglas.