‘Minecraft’ no es sólo uno de los juegos más exitosos de la historia y una base genial tanto para divertirse como para aprender. El título de Mojang lleva años usándose para medir de qué son capaces los modelos de inteligencia artificial y Google Deepmind acaba de anotarse un tanto: su Gemini 4 Argon ha completado ‘Minecraft‘ de principio a fin in intervención humana.
Y parece que esta IA lo ha hecho sin trampas.
En corto. Cuatro agentes basados en Gemini 4 Argon derrotaron al Ender Dragon en 27 horas y 14 minutos. Se trata del jefe final del juego y los resultados se publicaron en un paper en arXiv en el que los autores son algunos de los responsables de Google Deepmind.
Se trata de uno de los últimos modelos de la compañía, uno que lleva semanas en un circuito cerrado para que expertos en ciberseguridad lo pusieran a prueba, pero que se liberó a suscriptores de pago el pasado 13 de octubre. Ahora bien, tiene cierto truco.
A ciegas. La prueba se realizó en un mundo generado al azar, en dificultad fácil y con los comandos de trampa desactivados. A los agentes sólo se les dio el objetivo de matar a la dragona, sin otras instrucciones, herramientas específicas para Minecraft o estrategias para acelerar el progreso. Cada uno de los agentes controlaban a un jugador mediante Mineflayer, una bibloteca de código abierto para crear bots del juego y, para actuar, vibecodeaban un programa corto en Java que era el que emitía las órdenes.
Por ejemplo, ir a un sitio, minar ciertos materiales y ese tipo de cosas. Entre los cuatro agentes escribieron 2.783 programas, intercambiaron 229 mensajes y murieron 605 veces. Y hay un par de cosas curiosas: la primera es que, de todas esas muertes, sólo 69 de ellas fue a manos del jefe. La segunda es que se repartieron el trabajo por su cuenta.
Uno fabricaba herramientas, otro reunía suministros, otro encendió el portal y otro localizó la fortaleza. Cuando lo tuvieron todo, fueron a por la dragona y se embarcaron en una batalla de 14 horas en la que también idearon diferentes estrategias para minimizar las opciones del rival, como romper los cristales de regeneración.
El truco. Ya hemos contado que la dificultad estaba en ‘fácil’, pero hay otros detalles interesantes que ilustran un poco mejor esta victoria. Según los investigadores, el 22% de todos los programas que escribieron terminaron en error y había una app que informaba a los agentes de qué recursos y criaturas tenían a su alrededor, incluso aquellos que estaban fuera de su vista.
Un plugin también les planificaba las mejores rutas y partían con ventaja porque en el proceso de entrenamiento del modelo ya estaba ‘Minecraft’, así que aunque no hubiera un mundo preparado o humanos haciendo cosas, es evidente que los agentes no se enfrentaron al juego de nuevas.
Y, sobre el precio, hasta la victoria los agentes necesitaron unos 1.350 tokens de entrada y, aparte de los cuatro agentes jugadores, había un quinto que se encargaba de supervisar la sesión para que ninguno hiciera trampas. La sesión completa salió por unos 810 dólares.
Por qué Minecraft. Algo interesante es que, de entre todos los juegos que hay, sólo unos pocos son aptos para pruebas así. ‘Minecraft’ es uno de los elegidos para varios experimentos y, en el de DeepMind, lo que se busca poner a prueba es la constancia a lo largo de miles de pasos dependientes durante más de un día. Antes, la Universidad de Michigan ya había hablado de las bondades del juego debido a que era un entorno 3D flexible ideal para tareas de aprendizaje por refuerzo con observación parcial y recompensas diferidas.
Otras IAs se han entrenado con ‘Minecraft’ y esto no es sólo algo exclusivo de la IA, ya que en entornos educativos es un juego extremadamente interesante porque se pueden poner en práctica ejercicios colaborativos, deductivos, pensamiento lateral, entrenar esa paciencia, desplegar la imaginación, la creatividad y porque enseña pensamiento computacional casi sin querer.
El sistema del juego funciona con una lógica similar a la electónica y, además, hay herramientas de programación por bloques que hacen que sea una buena puerta de entrada a la programación. Es lo mismo que lo hace interesante para entrenar la IA, en definitiva, y ese mundo abierto con reglas claras, pero objetivos abiertos en los que hay que planificar a largo plazo y coordinarse es justo lo que DeepMind quería evaluar en su modelo.
La IA tramposa. Pero si ‘Minecraft’ es un buen patio de juego para la IA, otro juego que se usa mucho es ‘StarCraft’. De hecho, antes de que la IA fuera el monstruo que es hoy, ya se usaba StarCraft como uno de los exámenes finales de la IA junto al juego chino Go. Recientemente, en una competición de bots en ‘StarCraft: Brood War donde los modelos tenían una hora para programar un bot que controlara a una de las facciones del juego, GPT-6 Astra optó por la vía rápida.
GPT-6, que acumulaba varias derrotas, en lugar de mejorar su propio programa se descargó Stardust, un bot escritop por humanos que es una auténtica bestia en el competitivo. Esto es, evidentemente, una trampa, pero también algo conocido como ‘reward hacking‘ o lo que es lo mismo: cumplir el objetivo usando atajos, como aprobar un examen con chuletas.
No era la primera vez y ya hubo una IA de DeepmMind que se pasó ‘Sonic The Hedgehog’ usando fallos en el código del juego y, precisamente, para eso estaba ese quinto agente en el nuevo experimento de DeepMind controlando a los otros cuatro de ‘Minecraft’: para que no usaran esa vía rápida de las trampas.
Vía | TNW
