De ganar a campeones de ajedrez y damas a entrenar con ‘Gran Turismo’: los videojuegos como entrenamiento perfecto para la IA

Si alguna vez has jugado a Fortnite, habrás visto que, a falta de jugadores, la “máquina” rellena los espacios libres con bots. Una práctica común en cualquier juego competitivo. Aunque en un principio se introdujeron para entrenar a nuevos jugadores, hoy día, son tan competitivos como el más tenaz de los usuarios.

Hay quien cree que las inteligencias artificiales están ahí sólo para ganarnos la partida, que llegará un momento en el que despertarán, adquiriendo conciencia y reclamando derechos, para vencer en nuestro territorio. La realidad es que están ahí para hacernos la vida más simple, no para complicarla.

Solo hace falta echar un ojo a ChatGPT: a escasos meses de presentar la tercera iteración de este chatbot creado por OpenAI, webs como GitHubs se llenaron de herramientas para sacarle partido y programar código más rápido, escribir noticias, resumir textos, editar currículums o sugerir recetas de cocina y programas de entrenamiento.

El procesamiento de lenguaje natural solo es una de las muchas formas de aprendizaje iterativo de una IA. Y ni siquiera es la más evolucionada, pero sí la que se nos antoja más “humana”, ya que apela al aprendizaje automático, un concepto acuñado por Arthur Samuel en 1959. Samuel fue capaz de desarrollar un programa de ajedrez que aprendía de sus errores, como nosotros. Él consiguió que un IBM 701 ganase una partida de damas, basándose en los programas escritos por Christopher Strachey y Dietrich Prinz.

Esta estrecha relación continuará hasta nuestros días, porque, entre otras cosas, los juegos son ideales para entrenar la IA.

La evolución y revolución de las máquinas

Después de aquello ya sabemos lo que vino: en 1994, el programa Chinook derrotó a Marion Tinsley, una jugadora de damas que llevaba cuatro décadas sin perder ni una sola partida. Por su parte, en 1997, la computadora Deep Blue venció al campeón mundial de ajedrez Gary Kasparov.

¿Cómo habían logrado aprender tan rápido? Mediante fuerza bruta. En un juego de tablero, ganar implica adelantarse a la jugada. Pero es imposible predecir demasiados movimientos sin cometer un par de errores.

Y es que no hay nadie capaz de predecir tantas variables. En ajedrez, existen decenas de aperturas, unos nueve millones de movimientos solo a partir del tercer movimiento y unos 288.000 millones a partir del cuarto. Las máquinas pueden leerlos todos y usar una estrategia minimax: evaluar el riesgo y perder las fichas de menor valor y menos potencial jugable. Aplicar, sencillamente, la teoría de juegos de suma cero postulada por John Nash.

Pero esta carrera por la máquina más lista ha seguido progresando hasta nuestros días: Google presentó en 2012 su DeepMind, un laboratorio de IA entrenada jugando a juegos clásicos de Atari. Poco después, en 2015, llega el algoritmo Deep Q Netwoork, que podría resumirse en aprendizaje por refuerzo, tal y como aprende un niño.

Ese mismo año Open AI gana partidas al DOTA 2 como si se tratara del mayor experto en su campo. A partir de aquí, otras IA empiezan a arrasar en partidas de póker profesional, en shooters competitivos, en juegos clásicos como Ms. Pac-Man —usando un enfoque de Arquitectura de Recompensa Híbrida— y arrasando por fin en los 57 juegos de la Atari 2600 a los que fue sometido aquel primer modelo, ahora denominado Agent57.

Hoy día, cualquier máquina puede desplumarte al póker, simular la partida perfecta de billar, arrasar en el ajedrez o las damas y, de paso, marcar las mejores rachas de muertes en Call of Duty: Modern Warfare 3, mientras te recuerda que sabe crear el mapa perfecto en Los Sims o alzarse con el primer puesto del ranking mundial en Street Fighter. Entonces, ¿para qué nos sirven? Para que aprendamos: ya no jugamos contra ellas, sino que las utilizamos para ganar nosotros.

Todos aprendemos jugando, incluida la IA

Así fue como ganó Kellin Pelrine a la IA KataGo, el sistema más avanzado y inexpugnable del Go. Pelrine venció, sin embargo, en catorce de las quince partidas jugadas. ¿Cómo? Valiéndose de un bot mediante un ordenador auxiliar, recurriendo a los puntos ciegos de la IA. Esta historia dio la vuelta al mundo: nadie había sido capaz de tumbar a una IA en el Go.

La estrategia de Pelrine, sin embargo, no pudo ser más simple y pedestre: encadenar piedras para rodear a uno de los grupos del rival, distrayendo a IA con movimientos en otras esquinas del tablero. Pensamiento lateral, generar una situación concreta para obtener un rédito a medio plazo. Meses después, utilizaron esta estrategia en Leela Chess Zero, replicando el resultado. Los humanos podemos ver más allá del programa.

Hoy más que nunca, los juegos sirven como un campo de entrenamiento y una prueba para la IA. Mucho ha llovido desde el juego de imitación de Turing: una IA puede llegar a ser utilizada como un manager. En juegos de gestión como StarCraft, pueden ayudarnos en una toma de decisiones ágil y una gestión de recursos eficiente. Solo hace falta echar un ojo a la manera de jugar de una IA actual en algún Pokémon competitivo: teniendo en cuenta muchas más variables futuras más allá de ganar o perder, como cualquier jugador real.

Sin ir más lejos, GT Sophy, el piloto de IA que apareció en Gran Turismo, se entrena mediante aprendizaje con refuerzo, compitiendo contra coches virtuales durante gran cantidad de horas. Forza Motorsport utiliza un modelo similar para generar rivales basándose en las habilidades particulares de cada jugador. Hoy día, puedes crear mundos en Minecraft a partir de unos cuantos códigos, sin tener que hacer clic a mano, algo que democratiza y populariza aún más las herramientas de este juego-motor.

Mucho por aprender (y por enseñar)

Conseguir que las IA sean aún más audaces exige enfrentarlas a su propia biología, observando cómo funciona nuestra propia red de pensamiento, nuestra evolución en el marco de la creatividad. Así fue como Kenneth Stanley, el exlíder del equipo Open-Endedness Team de OpenAI, presentó hace dos años el algoritmo genético NeuroEvolution of Augmenting Topologies (NEAT), inspirándose en las mutaciones y combinaciones de la evolución biológica.

Stanley y su equipo aplicaron este algoritmo a cálculos en tiempo real en videojuegos, como el título educativo NERO; y también en otros emblemáticos como Mario Bros y el juego de mesa Monopoly. La red neural dinámica de NEAT se adaptaba a las acciones de los jugadores mientras el juego se ejecutaba en segundo plano.

Así han logrado enseñarle sin los riesgos del mundo real. Porque, como explica el propio Stanley a ExpressVPN, “en algunos casos, la motivación es mejorar el juego, pero en la mayoría la idea es mejorar la IA”, dice Stanley. “Los juegos actúan como vehículo para mejorar las prestaciones de la IA”. Como puede verse, esta es una comunicación bidireccional.

El potencial de la IA para descubrir soluciones innovadoras y sorprendentes a través de los juegos, y cómo esto podría tener aplicaciones en el mundo real, aún está por explotar. Una oportunidad que está en nuestras manos.

El futuro de la IA dentro de un videojuego

En la actualidad, nos encaminamos hacia una Inteligencia General Artificial (AGI, del inglés “Artificial General Intelligence”), un tipo de IA que podría ejecutar cualquier tarea igual de bien que un ser humano. Se estima que el modelo GPT-5 podría alcanzar este estatus.

En los últimos años se han abierto espinosos debates sobre las contribuciones de una IA en un videojuego. Si bien los juegos procedurales existen desde hace medio siglo, algunas empresas están considerando utilizar modelos de lenguaje para escribir diálogos con NPCs, generar secundarias, misiones y mapas aleatorios dependiendo de tus rutinas de juego —más sencillas para aquellos menos hábiles— e, incluso, en la traducción de texto o el doblaje a voz usando modelos de lenguaje.

En resumen, IA aplicado a escenarios acotados, a herramientas. Pero, ¿y al ejercicio mismo de jugar? Eso es más complicado. “La IA no tiene instinto” y, “para podérselo enseñar, primero tenemos que saber qué implica el instinto”, explica Stanley. Curiosamente, es en juegos como Dungeons & Dragons, saga conocida por su naturaleza narrativa de colaboración, donde los investigadores han encontrado una incubadora para las AGI.

Beth Singler, antropóloga digital en la Universidad de Zúrich, introdujo el “Test del explorador elfo” como alternativa a la mítica prueba de Turing. Esta prueba sugiere que, si una IA puede volverse experta en D&D, también estaría muy cerca de lograr la ansiada inteligencia artificial general. La clave reside en el equilibrio, en la capacidad de una IA para “empatizar” y evitar las suspicacias a la vez que emula y amplifica las habilidades humanas.

Como fuera, todavía queda mucho camino por andar. Y nosotros con ellas. La IA está presente en todas partes: cada vez que buscamos un restaurante recomendado donde cenar o una ruta para viajar en menos tiempo. Y jugar integrando una VPN como ExpressVPN es la forma más inteligente de amplificar una experiencia gaming.

ExpressVPN reduce el “ping”, lo que implica la latencia en lectura y transmisión de datos, garantizándonos la mayor velocidad y estabilidad y medidas de seguridad como OpenVPN o IKEv2, además de la encriptación AES de 256 bits para proteger la navegación de red. De hecho, protege contra ataques de DDoS y limitaciones del IP.

Lo mejor de todo es que ExpressVPN está disponible para PC, consola, móviles tanto iOS como Android y hasta en routers compatibles, que amplían la protección a todos los dispositivos de la red. La forma más intuitiva de entrar en el juego competitivo con las mejores garantías. La perfecta sala de entrenamiento para nosotros... y para ellas.

Más información: ¿Por qué los juegos son ideales para entrenar la IA?

Imágenes | Unsplash, marcudulescu99, ExpressVPN