Durante muchos años los videojuegos se han utilizado para medir y evaluar las capacidades de los sistemas de inteligencia artificial. A medida que ha ido pasando el tiempo, estas capacidades han ido aumentando y se ha elevado su complejidad añadiendo diferentes elementos “inteligentes”, los cuales intervienen en la resolución de problemas científicos y del mundo real.
En los últimos días ha destacado una noticia en relación con este tema, y es que el programa AlphaStar de DeepMind ha batido todos los récords derrotando a un jugador profesional de primer nivel en el juego StarCraft II, creado por Blizzard Entertainment. Este juego, considerado como uno de los juegos de estrategia en tiempo real más desafiante, se basa en un universo de ciencia ficción con múltiples facetas que desafían al intelecto de cualquier jugador. Por ello, se ha convertido en uno de los juegos más exitosos de la historia, junto con el título original, y en todo un reto para la investigación de la inteligencia artificial.
El pasado diciembre se celebró un torneo en el que se enfrentaron AlphaStar y dos jugadores profesionales, Grzegorz “MaNa” y Dario “TLO”. Su sistema de inteligencia artificial logró aplastarlos con un resultado de 5-0. La dificultad, respecto a antiguos hitos, residía en que la máquina no tenía toda la información del mapa desde el inicio de la partida (el mapa se va develando según el usuario juega), lo cual añadía incertidumbre y aumentaba la cantidad de posibilidades considerablemente.
En el siguiente vídeo podéis observar algunas de las jugadas que se llevaron a cabo durante dicho torneo:
]Pero no ha sido el único sistema en derrotar a un campeón del sector de los videojuegos. Uno de sus antecesores, AlphaGo, fue el primer software capaz de derrotar a un campeón humano del juego chino Go. Este sistema se entrenó jugando miles de veces contra aficionados y profesionales del juego hasta adquirir una técnica casi perfecta. El avance que supone el paso de Go a Starcraft incurre en que, al no conocer todo el tablero desde el principio, la complejidad aumentaba exponencialmente. Además, a diferencia de lo que ocurre en Go, en StarCraft la IA necesita un proceso de entrenamiento para explorar y expandir de forma continua el conocimiento que tiene sobre el juego y la partida que se está jugando en ese momento.
Accesible para cualquiera
Cada día la programación para crear inteligencia artificial es más accesible para cualquier aficionado que desee aprenderla. Existen bibliotecas de Python para entrenar a una IA a aprender a jugar a casi cualquier juego de arcade y ejecutarlo con el emulador de juegos de recreativas, MAME. En la propia página de Github de MAME podemos encontrar la explicación de un algoritmo de entrenamiento para Street Fighter III.
Os animamos a buscarlo y a poner a prueba vuestros conocimientos en Inteligencia Artificial.
