“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.
