La nueva plataforma, llamada DeepMind Lab, se parece a un videojuego en 3D de disparos de primera persona. Dentro del mundo, un sistema de IA adopta la forma de orbe flotante que puede percibir su ento o, desplazarse y ejecutar acciones sencillas. Los sistemas pueden ser entrenados para realizar varias tareas mediante una forma de aprendizaje automático que incluye recompensas positivas. Las sencillas tareas de ejemplo de la plataforma incluyen navegar un laberinto, recolectar fruta y atravesar pasos estrechos sin caerse.
Crédito: DeepMind.
El director científico y cofundador de DeepMind, Shane Legg, afirma: "Intentamos que estos agentes de inteligencia artificial que puedan aprender a rendir bien en un amplio abanico de tareas a partir de mirar el ento o y observar lo que pasa".
DeepMind acaparó algunos de sus primeros grandes titulares con sus sistemas de IA capaces de aprender, mediante ensayo y error, a jugar a muchos videojuegos de Atari (ver La inteligencia artificial de Google juega al Space Invaders mejor que los humanos).
Un mundo en 3D personalizable y abierto proporciona retos más complejos y visualmente ricos, pero también implica un abanico mucho más amplio de tareas en potencia. DeepMind Lab podría dar paso a algoritmos de IA capaces de aprovecharse de su aprendizaje adquirido al convertirlo en una tarea del siguiente nivel.
Disponer sistemas de inteligencia artificial que trabajen dentro de un ento o en 3D también podría aportar beneficios al desarrollo de algoritmos de control para los sistemas que operan en el mundo real como los robots industriales, señala Legg.
Además, la idea de crear sistemas que aprenden sobre un mundo simulado a partir de principios básicos se aprovecha de ideas clave sobre cómo aprendemos los humanos, algo que Legg exploró durante su carrera académica. El experto detalla: "Al igual que tú o yo aprenderíamos sobre el mundo de niños, es un enfoque muy fundamental para este problema de aprendizaje y generalidad".
Otros expertos de IA celebran el lanzamiento de DeepMind Lab. "Está muy bien que estén lanzando más ento os", dice el cofundador y director de investigaciones de OpenAI, Ilya Sutskevar, cuya organización sin ánimo de lucro se dedica realizar investigaciones básicas y publicar los resultados públicamente. "Cuántos más ento os para agentes de aprendizaje reforzado estén disponibles, más rápido avanzará el campo", añade.
El profesor de la Universidad de Cambridge (Reino Unido) Zoubin Gahrahmani dice que DeepMind Lab y otras plataformas para el aprendizaje reforzado aumentan la transparencia de los progresos al permitir a los investigadores probar las ideas de otros.
Sin embargo, Gahrahmani también señala que los enfoques existentes no siempre igualan las capacidades humanas. Por ejemplo, normalmente un humano tarda mucho menos en dominar un videojuego o juego de mesa. El experto concluye: "Los enfoques de aprendizaje reforzado son muy ineficientes en cuanto a la cantidad de datos [que requieren]. ¿Cómo logramos que los sistemas aprendan a un ritmo comparable con el de los humanos?"