Nueva Inteligencia Artificial derrota al DeepMind de Google en un desafío de videojuegos

Un nuevo método desarrollado por investigadores de la RMIT University en Australia, ha dominado los videojuegos Atari, 10 veces más rápido que la inteligencia artificial (IA) de vanguardia, con un enfoque innovador para la resolución de problemas.

Un estudio realizado en 2015 mostró que la IA de DeepMind de Google aprendía a jugar videojuegos Atari como ‘Video Pinball’ a nivel humano. Sin embargo, el algoritmo notoriamente falló en aprender un camino hacia la primera clave en el juego de video de la década de 1980 "Montezuma's Revenge”  (o la venganza de Montezuma) debido a la complejidad del juego.

Para afrontar el desafío, la nueva generación de algoritmos, desarrollados por investigadores de la universidad con sede en Melbourne, se incorporó a las computadoras configuradas para jugar de manera autónoma 'La venganza de Montezuma', para así aprender de los errores e identificar los subobjetivos 10 veces más rápido que Google DeepMind.

La tecnología de avanzada está presente en muchísimas nuevas áreas de la humanidad, como por ejemplo, el area de entretenimiento en donde Betway, casa de apuestas deportivas, ha desarrollado una app de avanzada para hacer las apuestas deportivas en línea fáciles y seguras.

En cuanto a los nuevos algoritmos desarrollados en la Universidad de Australia, el profesor asociado Fabio Zambetta, de la universidad, quien desarrolló el método en colaboración con el profesor John Thangarajah y Michael Dann de RMIT, dicen que se combina el aprendizaje de refuerzo de “zanahoria y palo” con un enfoque de motivación intrínseca que recompensa a la IA por ser curiosa y explorar su entorno.

"La inteligencia artificial verdaderamente inteligente debe poder aprender a completar tareas de forma autónoma en entornos ambiguos", dice el Profesor Zambetta.

“Hemos demostrado que el tipo correcto de algoritmos puede mejorar los resultados utilizando un enfoque más inteligente en lugar de puramente forzar un problema de extremo a extremo en computadoras muy poderosas. "Nuestros resultados muestran lo mucho que nos acercamos a la IA autónoma y podríamos ser una línea de investigación clave si queremos seguir haciendo progresos sustanciales en este campo". “Todo esto se viene logrando gracias a los videojuegos”.

El método de Zambetta recompensa al sistema por explorar de forma autónoma subobjetivos útiles como "subir esa escalera" o "saltar sobre el pozo", que puede no ser obvio para una computadora, en el contexto de completar una misión más grande.

Según los investigadores, el diseño de una IA que pueda negociar problemas de planificación, se considera uno de los desafíos más importantes para avanzar en este campo.

Otros sistemas de vanguardia han requerido aportaciones humanas para identificar estos objetivos secundarios, o han decidido qué hacer a continuación al azar. Y es por eso, si se trata de azar combinado a conocimientos deportivos tienes que probar Betway, para así apostar por tus equipos y deportes favoritos y ganar.

"Nuestros algoritmos no solo identificaron de forma autónoma las tareas relevantes aproximadamente 10 veces más rápido que Google DeepMind mientras jugaban 'La venganza de Montezuma', sino que también mostraron un comportamiento relativamente humano", dice Zambetta.

“Por ejemplo, antes de que puedas llegar a la segunda pantalla del juego, debes identificar sub-tareas como subir escaleras, saltar sobre un enemigo y finalmente recoger una llave, aproximadamente en ese orden. "Esto eventualmente sucedería al azar después de un tiempo enorme, pero ocurrir de manera tan natural en nuestras pruebas muestra algún tipo de intención. "Esto hace que hayamos desarrollado nuestro primer agente totalmente autónomo orientado a sub-objetivos para ser verdaderamente competitivo con los agentes de vanguardia en estos juegos".

Además, Zambetta dijo que el sistema también podría funcionar fuera de los videojuegos, en una amplia gama de tareas, cuando se suministran con entradas visuales en bruto.

“Crear un algoritmo que pueda completar los videojuegos puede parecer trivial, pero el hecho de que hayamos diseñado uno que pueda hacer frente a la ambigüedad y elegir entre un número arbitrario de acciones posibles es un avance grandísimo.

"Significa que, con el tiempo, esta tecnología será valiosa para lograr objetivos en el mundo real, ya sea en autos que conducen por sí mismos o como asistentes robóticos útiles con reconocimiento de lenguaje natural", dijo.

En julio pasado, DeepMind desarrolló una red neuronal capaz de interactuar con jugadores humanos en un videojuego multijugador,  llamado"Capture the Flag (CTF)" de Quake III Arena, a través de un enfoque adaptado al aprendizaje automático.

En otras noticias en el mundo de los videojuegos, los científicos del Instituto de Tecnología de Massachusetts (MIT) desarrollaron una máquina con las necesidades físicas para enfrentar el juego infantil de Jenga.

En lo que marca un progreso significativo para la manipulación robótica de objetos del mundo real, la máquina de juego Jenga es capaz de aprender la complejidad física involucrada en retirar bloques de madera de una torre a través de pruebas y errores físicos, diferenciándola de los robots que dominan los juegos puramente cognitivos como el ajedrez, y además la misma puede ir a través de señales visuales.

"Jugar el juego de Jenga también requiere dominar las habilidades físicas, como sondear, empujar, jalar, colocar y alinear piezas", dijo el profesor Alberto Rodríguez, del departamento de ingeniería mecánica del MIT.

Como vemos, el mundo de los juegos y videojuegos, además de generar entretenimiento y agudeza mental, así como otras habilidades, también son parte esencial del desarrollo de la inteligencia artificial que cambiará sustancialmente el mundo en que vivimos.