Le aprendizaje profundo, o deep learning, es un método de aprendizaje automático basado en redes neuronales. A diferencia de otras formas de inteligencia artificial que siguen instrucciones predefinidas, los sistemas que utilizan el deep learning son capaces de aprender de manera autónoma. Así, pueden adaptarse y crear comportamientos en función de su entorno y de las diferentes situaciones que se les presentan. En el mundo de los videojuegos, ya se encontraban formas de inteligencia artificial desde hacía varias décadas. Sin embargo, los ejemplos más impactantes hoy en día son las IA basadas en el deep learning, representando un gran avance para entender cómo estas inteligencias pueden aprender y evolucionar por sí mismas.
La experiencia de Peter Whidden: 50,000 horas de aprendizaje con Pokémon Rojo
Para comprender mejor el funcionamiento del deep learning y estudiar los comportamientos de una inteligencia artificial, un creador de contenido llamado Peter Whidden llevó a cabo un experimento con un juego de culto: Pokémon Rojo. Así, entrenó una IA durante 50,000 horas en este juego, para ver cómo se las arreglaría en un mundo desconocido y lleno de desafíos. La IA creada por Whidden comenzó por explorar los alrededores, capturar Pokémon y avanzar en el juego a medida que realizaba sus acciones. Incluso logró vencer al primer campeón de gimnasio del juego, Brock, pero únicamente porque su último ataque disponible era Burbuja, efectivo contra los Pokémon de tipo Roca. Sin embargo, la aventura se complicó rápidamente para esta inteligencia artificial: se quedó atascada en la Cueva Oscura, un lugar laberíntico cuyos caminos se parecen demasiado entre sí. Por lo tanto, la IA no logró alcanzar el segundo gimnasio situado en la ciudad de Azuria.
Las fortalezas y debilidades de la inteligencia artificial en Pokémon Rojo
Aunque es fácil señalar lo que la IA hace mal, también es importante destacar sus cualidades. Por ejemplo, a diferencia de los jugadores humanos que pueden tener dificultades para descubrir los secretos del azar en los juegos, la IA logró identificar un truco para optimizar sus posibilidades de captura. Whidden descubrió que su IA tomaba sistemáticamente el mismo extraño camino al salir de Pueblo Paleta, el primer pueblo del juego. En realidad, esta ruta le permitía asegurar la captura del siguiente Pokémon con una sola Pokébola, ahorrando así recursos valiosos. Esta experiencia llevada a cabo por Peter Whidden nos muestra lo difícil que es transmitir objetivos claros a una inteligencia artificial basada en el deep learning, incluso cuando esos objetivos están bien definidos. Además, pone de relieve las limitaciones inherentes a estas inteligencias: si bien pueden aprender y adaptarse a situaciones variadas, aún no son capaces de rivalizar con la ingeniosidad humana para resolver ciertos problemas complejos.
Hacia una mejor comprensión del deep learning
La experiencia de Peter Whidden con Pokémon Rojo es un ejemplo interesante para comprender el funcionamiento del deep learning y los desafíos a los que se enfrentan las inteligencias artificiales hoy en día. Si bien indudablemente han recorrido un largo camino desde los primeros ejemplos de IA en los videojuegos, aún quedan muchas etapas por superar antes de que estos sistemas puedan igualar verdaderamente el pensamiento y la creatividad humanas. Otras experiencias similares podrían llevarse a cabo en diversos contextos y campos, para comprender mejor las capacidades de aprendizaje y adaptación de las IA basadas en el deep learning. Así, es esencial continuar la investigación y las pruebas para mejorar constantemente estas inteligencias artificiales y, tal vez algún día, lograr crear sistemas capaces de superar los límites actuales del aprendizaje profundo.
