Google DeepMind ha presentado una nueva inteligencia artificial (IA) que ha demostrado tener capacidad para comprender distintos mundos de videojuegos y seguir instrucciones en lenguaje natural para aprender a realizar tareas, sin el objetivo de ganar.
SIMA, acrónimo en inglés de agente escalable e instructable multimundo, un sistema de IA que ha sido diseñado para seguir instrucciones expresadas en lenguaje natural para realizar tareas en una amplia variedad de mundos de videojuegos.
MIRA: Pinterest está utilizando IA para mostrar una mayor variedad de tipos de cuerpos en los resultados de moda femenina
Se trata de una investigación de Google DeepMind, la división de IA de Alphabet (matriz de Google), que se ha asociado con ocho estudios de videojuegos para probar SIMA en nueve títulos, entre los que se encuentran No Man’s Sky, Teardown y Goat Simulator 3.
“Cada juego del portafolio de SIMA abre un nuevo mundo interactivo, que incluye una variedad de habilidades para aprender, desde navegación simple y uso de menús hasta extracción de recursos, volar una nave espacial o fabricar un casco”, explican los investigadores en el blog de Google DeepMind.
MIRA: Elon Musk anuncia que su chatbot Grok será de “código abierto”
Las pruebas se han realizado en el modo para un jugador y en un entorno seguro de Google Cloud. El agente de IA tenía acceso a las imágenes de la pantalla y a instrucciones en lenguaje natural para la realización de las tareas, que completaba haciendo uso de una interfaz sencilla de teclado y ratón para mover el personaje por el mundo del videojuego.
Los investigadores aseguran que han entrenado a SIMA “para realizar tareas simples que se pueden completar en aproximadamente 10 segundos”. Un avance con el que pretenden cimentar el desarrollo de “futuros agentes que aborden tareas que requieran una planificación estratégica de alto nivel y múltiples subtareas para completar”.
Este enfoque difiere del que hasta ahora ha utilizado una IA para planificar en un solo videojuego con el objetivo de completarlo o ganar, ya que los agentes analizados, “carecen de la capacidad de tomar acciones en nuestro nombre”, apuntan en la investigación.
Contenido GEC
Contenido GEC
Contenido GEC