Google entrena su inteligencia artificial DeepMind con partidas de Quake 3

DeepMind, la compañía detrás de los sistemas de inteligencia artificial de Alphabet, busca perfeccionar sus desarrollos de la mano de los videojuegos con participantes virtuales que mejoran sus destrezas a medida que pasan las partidas del título de disparos en primera persona Quake.

De esta forma, la compañía de inteligencia artificial de Alphabet, la compañía mejor conocida por su buscador Google , logró aprender a participar de una partida con múltiples jugadores humanos bajo la modalidad Capture the Flag del juego Quake 3 Arena. Sin saber las reglas, los participantes del equipo del sistema de inteligencia artificial de DeepMind, denominados agentes, funcionaron de forma independiente mientras aprendían a interactuar entre sí.

El uso de juegos como herramienta de entrenamiento para los sistemas de inteligencia artificial de Google, no es nuevo. Hace dos años DeepMind IA venció al campeón europeo de Go, un milenario juego de estategia chino. Más tarde, la subsidiaria de Alphabet se propuso desarrollar un sistema capaz de aprender durante cinco años las estrategias del videojuego StarCraft con el objetivo de vender a un humano.

Una vista del funcionamiento de los agentes en Quake 3

En este caso, las reglas de esta modalidad del Quake 3 Arena consiste en un escenario con dos equipos con objetivos enfrentados: un bando debe defender una bandera que otro grupo de jugadores debe arrebatar. Con esta premisa, los agentes de DeepMind logró tener un desempeño similar a los humanos.

DeepMind utilizó una versión modificada de Quake para entrenar y poner a prueba a sus agentes. De esta forma, el sistema de inteligencia artificial logró evaluar sus destrezas en estrategia, táctica y juego en equipo, puntos en donde este tipo de desarrollos buscan perfeccionarse.

"Actuar de forma independiente y trabajar en equipo es un desafío inmenso, porque los agentes deben tener la capacidad de adaptarse en un entorno de cambio constante", dijo la compañía en su blog oficial.

Después de múltiples partidas que sirvieron de aprendizaje, los agentes lograron comprender la dinámica del juego de forma independiente al punto de superar la cantidad de victorias obtenidas por equipos conformados por jugadores humanos.