La IA de DeepMind ahora puede vencer a los jugadores humanos en Quake III

Terremoto de DeepMind III

Hemos visto juegos en los que los desarrolladores colocan bots para que sea más fácil para los jugadores humanos o para hacer recreaciones para un solo jugador de los modos multijugador de muchos juegos. Estos jugadores de IA rara vez son lo suficientemente capaces de competir contra sus homólogos humanos. Por lo tanto, se utilizan para facilitar la curva de aprendizaje de muchos juegos multijugador. Por otro lado, DeepMind es una firma especializada en el uso de IA en muchos campos de trabajo. Revelaron que sus robots impulsados ​​por IA finalmente podrían vencer a sus homólogos humanos en uno de los juegos multijugador más jugados, Quake III. Sus hallazgos son fascinantes para aquellos que tienen algo con el aprendizaje y las capacidades de IA.

Esta no es la primera aventura de DeepMind en los videojuegos, ya que han desarrollado un motor neuronal capaz de derrotar a los jugadores profesionales de muchos juegos multijugador. El mejor ejemplo aquí es AlphaGo, donde su IA derrotó al conocido jugador profesional de dicho juego. También han desarrollado IA para muchos otros juegos.

Deducciones

Volviendo a sus deducciones con respecto a su IA en Quake III. Quake III es drásticamente diferente a muchos otros juegos que existen. El juego es categóricamente diferente debido a las etapas generadas por procedimientos y al hecho de que el juego está en perspectiva en primera persona. El problema para el desarrollo de la IA aquí es que no pudieron aprender el mejor método posible para ganar el juego. En efecto, el problema resultó ser una bendición disfrazada, ya que la IA se parecía a la curva de aprendizaje humanoide, más sobre esto más adelante.

La IA comenzó desde cero y aprendió las reglas del modo de capturar la bandera en sí. Luego, la IA pudo vencer a 40 jugadores humanos donde los humanos, así como la IA, se combinaron. Después de derrotar considerablemente a los humanos, DeepMind aceptó que su victoria se atribuye a los tiempos de respuesta prohumanos de su agente de inteligencia artificial. Entonces, decidieron ralentizarlos, pero la IA aún podía vencer a sus homólogos humanos.

Progreso de la IA

Tomshardware informa que sus deducciones son especialmente fascinantes, ya que la IA tuvo que aprender los conceptos básicos del juego en sí y el hecho de que la IA pudo obtener los resultados cuando las etapas se generaron por procedimientos.

DeepMind dijo que su trabajo en este proyecto destaca el hecho de que podemos entrenar IA de manera eficiente mediante el uso de técnicas de múltiples agentes, lo que significa IA contra IA. No solo hace que la IA sea consciente de sus errores, sino que también trabaja en cosas que se pueden hacer mejor. Ellos dijeron, ' Destaca los resultados explotando el plan de estudios natural proporcionado por la capacitación de múltiples agentes y forzando el desarrollo de agentes robustos que incluso pueden asociarse con humanos. .”