Los desarrolladores israelíes pudieron enseñar a la IA a derrotar al hombre en Mortal Kombat

El entorno 3D sigue siendo difícil de percibir debido a la forma débil de IA, que conlleva problemas informáticos al jugar tales

juegos.Utilizando videojuegos, los modernos especialistas en inteligencia artificial enseñarán métodos de IA para superar obstáculos y resolver problemas sobre la marcha. Por ejemplo, los empleados de DeepMind, junto con Blizzard, convirtieron StarCraft II en un entorno para entrenar una forma débil de IA. El año pasado, el sistema de inteligencia artificial de Google dominó 49 juegos antiguos de Atari por sí solo .

Y no se trata de un sistema integrado en el juego (como los oponentes de IA en juegos de lucha, simuladores de fútbol o simuladores de carreras), que conoce bien las condiciones y las reglas. La IA, que ahora enseñan los desarrolladores en juegos de computadora, se coloca en igualdad de condiciones con los humanos. El sistema monitorea la imagen en la pantalla, aprendiendo los métodos de prueba y error. Y dicho programa es capaz de encontrar una solución no solo en los juegos, es adecuado para encontrar una solución en una amplia gama de tareas, independientemente de las reglas o condiciones.


Un grupo de estudiantes de la Universidad Tecnológica de Israel anunció recientemente su desarrollo, el sistema Retro Learning Environment (RLE). Esta es una plataforma de software que le permite entrenar IA en el ejemplo de muchos juegos de los años 90, incluidos los que se lanzaron para las consolas Nintendo y Sega. Esto, por ejemplo, muchos famosos F-Zero, Wolfenstein y Mortal Kombat. Según los desarrolladores, para la IA, muchos juegos eran difíciles, algunos de los sistemas no aprendieron a entender y aprobar. Pero RLE aprendió a jugar Mortal Kombat muy bien. Los expertos presentaron los resultados de su trabajo en un artículo sobre arXiv . La IA ha sido capaz de ganar en repetidas ocasiones contra un oponente humano. Y este oponente no era en absoluto un principiante. El artículo afirma que un jugador experimentado de Mortal Kombat se opuso a la computadora.

En Wolfenstein, donde hay niveles de volumen, además de navegar por el laberinto y determinar una cantidad de objetos, el sistema no mostró resultados demasiado buenos. En Gradius III, RLE pudo estudiar los aspectos técnicos del juego, que incluyen la necesidad de destruir a los enemigos que se encuentran con acciones posteriores. Pero el sistema no podría mostrar un mejor resultado que un jugador humano. Aquí es necesario mejorar las habilidades del personaje con los artefactos encontrados. Cuantos más artefactos pierda un jugador, más difícil será completar el juego. La computadora prácticamente no prestó atención a los objetos de encendido, lo que complicó en gran medida el proceso de paso.

El hecho de que el programa haya podido aprender a jugar un juego de computadora tan bien que comenzó a vencer a una persona es un mérito innegable del desarrollador. No es tan fácil para una computadora aprender a jugar un juego a través de prueba y error; es una tarea difícil que pocas plataformas de software superan. "Si los algoritmos pueden jugar juegos complejos, entonces podemos comenzar a trabajar en la implementación de dichos sistemas en el mundo real para resolver problemas reales", dijo Shai Rosenberg, uno de los autores del estudio. “Justo cuando un niño aprende a jugar, la computadora también ve solo información en la pantalla. Ellos (tanto el niño como la computadora) aprenden a evitar obstáculos y resolver problemas para obtener la máxima recompensa ”, continúa.


AI aprendió a jugar bien tanto en Boxing on Atari como en Mortal Kombat, simplemente "mirando la pantalla" y evaluando las consecuencias de sus acciones en un entorno de juego.

En el mundo real, la capacidad de los sistemas informáticos para aprender de sus errores y predecir las consecuencias de algunas "acciones" puede ser útil. muchas zonas Los robots pueden moverse a través de espacios complejos (pasillos de habitaciones, por ejemplo) con una gran cantidad de obstáculos sin chocar con ellos. Cualquier pequeño error cometido por la computadora se tendrá en cuenta la próxima vez, cuando realice la misma tarea o una similar.

Según Rosenberg, RLE puede aprender a pasar por sistemas de juego más complejos y no solo jugar juegos de SNES. La próxima etapa del proyecto será el desarrollo de juegos en la plataforma PlayStation. Es cierto, hasta ahora, los desarrolladores israelíes se centran en enseñar a su sistema a pasar la mayoría de los juegos dominados. El hecho de que la computadora aprendió a jugar este Mortal Kombat es bueno, pero no suficiente; sin embargo, una parte importante de los juegos "se fue por la borda", RLE no pudo dominarlos.


Los resultados de pasar diferentes juegos por el sistema RLE usando varios algoritmos de pase

"En las etapas posteriores, consideramos que es posible e incluso relativamente fácil adaptar nuestro sistema de entrenamiento a juegos más complejos, incluido, por ejemplo, Grand Theft Auto", dijeron los desarrolladores. Ahora, desafortunadamente, juegos como Grand Theft Auto V AI no están disponibles, son demasiado complicados.

Los desarrolladores abrieron el código fuente de su sistema y lo publicaron en Github. Puedes obtener la fuente aquí .

Source: https://habr.com/ru/post/es399067/