Un equipo de Microsoft ha logrado crear un sistema de inteligencia artificial que aprendió a lograr la máxima puntuación en el clásico juego Ms. Pac-Man. Esto fue posible gracias a un método conocido como “Divide y vencerás” que podría funcionar para tareas más complejas.
Fue el equipo de Maluuba, un emprendimiento canadiense de aprendizaje profundo adquirido por Microsoft a principios de 2017, el que desarrolló este sistema. Para ello utilizaron una rama de IA llamada reforzamiento de aprendizaje. Gracias a esta, se logró jugar de forma perfecta el Ms. Pac-Man para Atari 2600.
Doina Precup, profesora asociada de ciencias de la computación en la Universidad McGill en Montreal, comentó que esto es un logro significativo. No solo por el resultado conseguido, sino por cómo se consiguió.
¿Cómo se logró esto?
Para alcanzar dicho resultado, el equipo tuvo que dividir el gran problema de dominar Ms. Pac-Man en piezas pequeñas. Luego estas se distribuyeron entre los agentes de IA. Además, Precup añade que es un paso importante ya que la inteligencia artificial puede realizar tareas cada vez más complejas.
En este proceso fueron empelados hasta 150 agentes, todos trabajando en paralelo. Más adelante se creó una gente principal para recoger las sugerencias de los demás. El mejor resultado se logró cuando los agentes trabajando de manera egoísta y enfocada solo en sus propias funciones.
“Existe esa agradable interacción entre cómo deben, por un lado, cooperar basados en las preferencias de todos los agentes, pero al mismo tiempo cada agente se preocupa sólo por un problema en particular”, dijo Harm Van Seijen, gerente de investigación con Maluuba.
¿Por qué es importante?
Rahul Mehrotra, gerente de programa en Maluuba, explica que Pacman fue el juego utilizado para esta prueba dada su complejidad. Esto debido a que es un juego en el que se dan una amplia variedad de situaciones en todo momento. Es decir, no es repetitivo de ninguna manera.
Finalmente, Van Seijen mencionó que un enfoque como “divide y vencerás” puede ser utilizado para conseguir avances en otras áreas prometedoras de la investigación en IA. Entre ellas estaría el procesamiento natural del lenguaje.
