mcpedl.es » Artículos » Minecraft puede ayudar en el desarrollo de la IA adaptativa
[Votes: 0 / Average score: 0]

Los investigadores tienen una nueva forma de evaluar la inteligencia de un modelo de IA: ponerlo en el juego Minecraft sin información sobre su entorno y ver qué tan bien juega.

Minecraft no es sólo el videojuego más vendido de la historia, sino que también podría ser la clave para crear modelos adaptativos de inteligencia artificial (IA) que puedan resolver una variedad de problemas de manera muy similar a como lo hacen los humanos, escribe New Scientist.

Stephen James de la Universidad de Witwatersrand en Sudáfrica y sus colegas desarrollaron una prueba de referencia en Minecraft para medir la inteligencia general de los modelos de IA. MinePlanner evalúa la capacidad de una IA para ignorar detalles irrelevantes al resolver un problema complejo con muchos pasos.

James dice que en muchos casos, el entrenamiento de IA implica “hacer trampa” dándole al modelo todos los datos que necesita para aprender a hacer un trabajo, y nada más. Este enfoque tiene sentido si desea crear software para realizar una tarea específica, como predecir el clima o plegar proteínas, pero no si está intentando crear inteligencia artificial general (AGI).

Los futuros modelos de IA deberán resolver problemas complejos y James espera que MinePlanner guíe esa investigación. La IA que trabaja para resolver un problema en un juego verá terreno, objetos extraños y otros detalles que no necesariamente son necesarios para resolver el problema y deben ignorarse. Tendrá que estudiar el entorno y descubrir por sí solo qué se necesita y qué no.

MinePlanner consta de 15 tareas de construcción, cada una con niveles fácil, medio y difícil, para un total de 45 tareas. Para completar cada tarea, es posible que la IA deba tomar pasos intermedios, por ejemplo, construir una escalera para colocar bloques a una altura determinada. Esto requiere que la IA pueda apartar la mirada del problema y planificar acciones adicionales para lograr el objetivo.

Mientras tanto, en experimentos con modelos modernos de IA de planificación ENHSP y Fast Downward (programas de código abierto diseñados para realizar operaciones secuenciales para lograr un objetivo común), ninguno de los modelos pudo resolver un solo problema complejo. Fast Downward solo pudo resolver uno de los problemas intermedios y cinco problemas fáciles, mientras que ENHSP tuvo un desempeño ligeramente mejor, resolviendo todos menos uno de los problemas fáciles y todos menos dos de los problemas intermedios.

Leave a Reply

Your email address will not be published.