Dominar los retos del popular videojuego Minecraft exige una secuencia meticulosa de acciones, especialmente si el objetivo es encontrar diamantes, uno de los logros más valorados por los jugadores. DeepMind, el laboratorio de investigación de Google, demostró recientemente que una inteligencia artificial puede alcanzar ese hito sin recibir instrucción alguna, superando incluso a jugadores humanos en términos de adaptabilidad.
A través de la investigación publicada el 2 de abril en la revista Nature, se puso a prueba el sistema Dreamer, diseñado para aprender por medio de la experiencia y el ensayo. A través de un modelo interno de su entorno, el algoritmo logró tomar decisiones informadas sin repetir patrones previos. Esta capacidad le permitió resolver la compleja cadena de tareas necesarias para conseguir diamantes, una actividad que requiere desde la recolección de madera hasta la creación de herramientas específicas.
Jugadores expertos pueden lograr esta meta en un lapso estimado de 20 a 30 minutos, según datos compartidos por el investigador Danijar Hafner, autor principal del estudio. En contraste, Dreamer necesitó aproximadamente nueve días de simulaciones continuas para alcanzar el mismo objetivo. A pesar del tiempo invertido, lo notable es que el sistema no partió de ejemplos humanos ni recibió instrucciones detalladas. Su método consistió en identificar acciones con mayores probabilidades de recompensa, descartando alternativas menos efectivas.
Igualmente, esta comparación no busca resaltar la velocidad, sino evidenciar la capacidad de adaptación sin referencias previas. La inteligencia artificial se enfrentó a mundos generados aleatoriamente, sin memorizar rutas ni soluciones específicas. Esa habilidad destaca frente a la lógica humana, donde la experiencia suele depender de repeticiones o conocimientos previos. En palabras de Hafner, "el modelo del mundo realmente equipa al sistema de IA con la capacidad de imaginar el futuro".
Evaluar el desempeño humano frente a sistemas avanzados en videojuegos plantea nuevos desafíos. Expertos como Jeff Clune, de la Universidad de Columbia Británica, consideran este avance como un "gran paso adelante". La diferencia principal radica en la manera de enfrentar la incertidumbre. Donde el jugador recurre a intuición y experiencia, Dreamer elabora un panorama interno para proyectar consecuencias antes de actuar.
Nuevas pruebas podrían extenderse hacia otros desafíos dentro del mismo entorno, como enfrentar al Ender Dragon, enemigo emblemático del universo Minecraft. Ese nivel de complejidad podría representar el próximo reto para algoritmos de aprendizaje profundo, interesados en resolver tareas progresivas sin guía directa.
Además de marcar una diferencia en el ámbito lúdico, estas competencias podrían trasladarse a contextos reales donde el error tiene implicaciones más críticas. Al prescindir de datos humanos o instrucciones precisas, sistemas como Dreamer podrían ser útiles en entornos industriales, robóticos o de exploración. (Notipress)
