Una startup de IA busca utilizar modelos de base y visión computacional para construir bots que detecten errores y jueguen contra jugadores.
La startup con sede en Copenhague cuenta con el apoyo de varios investigadores en IA, incluyendo al Prof. Dr. Sebastian Risi de la Universidad de Tecnología de la Información de Copenhague, cuya investigación se centra en el aprendizaje durante toda la vida para agentes de IA.
El equipo de Modl.ai está utilizando su experiencia para desarrollar bots inteligentes que puedan probar videojuegos en términos de errores, rendimiento y otros factores durante el desarrollo.
A medida que los mundos de los videojuegos se vuelven más grandes, como el enorme Starfield de Bethesda, y las mecánicas se vuelven más complejas, los métodos de prueba tradicionales que dependen exclusivamente del trabajo humano están fallando. Los bots pueden ayudar explorando entornos en 3D y recopilando datos vitales.
El uso de bots de IA para pruebas y juegos ha sido común durante mucho tiempo. Sin embargo, actualmente los bots entrenados de forma supervisada son los más ampliamente utilizados. El equipo de Modl.ai, en cambio, se basa en bots entrenados de forma auto-supervisada. Este es el método de aprendizaje detrás de ChatGPT, por ejemplo, o de los mejores modelos de visión computacional actuales.
Modelos de base para pruebas y jugabilidad
El equipo coloca a los bots inteligentes en entornos de juego sin conjuntos de datos claramente definidos. El bot luego aprende de los datos disponibles para evolucionar rápidamente y actuar como un agente independiente. De esta manera, el equipo tiene como objetivo entrenar a los llamados modelos de base para agentes de IA.
Estos modelos proporcionan una base con muchas capacidades generales sobre las cuales los desarrolladores pueden construir para sus aplicaciones específicas, similar a cómo GPT-4 proporciona capacidades básicas de procesamiento del lenguaje que se pueden utilizar para tareas de procesamiento del lenguaje natural específicas.
Al igual que GPT-4, el equipo espera que los modelos de base proporcionen habilidades rudimentarias de razonamiento y planificación. «Cuanto más complejo sea el juego, más complejo será el razonamiento que se requiere de los bots para probarlo, y nuestro equipo está abordando este desafío directamente», dijo Risi.
Los modelos de base pueden aprender de los jugadores utilizando visión computacional
El equipo ve un gran potencial en la combinación de estos modelos de base con visión computacional. «Los avances recientes en visión computacional analizan cómo las personas juegan un juego y analizan los comportamientos comunes. Eventualmente, esta investigación permitirá que un bot mire un juego que nunca ha jugado antes y sepa cómo jugarlo. Nuestra investigación está impulsando aún más y avanzando en esta tecnología», dice Georgios Yannakakis, uno de los fundadores.
Además de los bots para pruebas, Modl.ai también está desarrollando bots que puedan jugar con y contra jugadores humanos después del lanzamiento. Modl.ai ofrece complementos para Unreal Engine y Unity, así como una API. Si el equipo logra concretar su visión, los jugadores pueden esperar no solo juegos libres de errores y mejor optimizados, sino también bots que vayan más allá de ser meros «sacos de golpes».
Proyectos como Voyager, MineCLIP y VPT, que también utilizan modelos de base para impulsar bots en Minecraft, demuestran el potencial de este enfoque.
