IA imita la fijación de objetivos humanos mediante la creación de juegos

Comparta este Artículo en:

Aunque somos extraordinariamente capaces de generar nuestros propios objetivos, empezando con juegos de los niños y continuando hasta la edad adulta, todavía no tenemos modelos informáticos para comprender esta capacidad humana.

El trabajo podría conducir a sistemas de IA que comprendan mejor las intenciones humanas y modelen y se alineen con nuestros objetivos de manera más fiel.

También puede conducir a sistemas de IA que puedan ayudarnos a diseñar juegos más parecidos a los humanos.

“Aunque los objetivos son fundamentales para el comportamiento humano, sabemos muy poco sobre cómo las personas los representan y los crean, y carecemos de modelos que capturen la riqueza y la creatividad de los objetivos generados por humanos“, explica Guy Davidson, autor principal del artículo y estudiante de doctorado de la Universidad de Nueva York.

“Nuestra investigación proporciona un nuevo marco para comprender cómo las personas crean y representan objetivos, lo que podría ayudar a desarrollar sistemas de IA más creativos, originales y efectivos“.

A pesar de los considerables trabajos experimentales y computacionales sobre los objetivos y el comportamiento orientado a los objetivos, los modelos de IA aún están lejos de captar la riqueza de los objetivos humanos cotidianos.

Para abordar esta brecha, los autores del artículo estudiaron cómo los humanos crean sus propios objetivos o tareas, con el fin de arrojar luz sobre cómo se generan ambos.

Los investigadores comenzaron por capturar cómo los humanos describen las acciones de establecimiento de objetivos a través de una serie de experimentos en línea.

Colocaron a los participantes en una habitación virtual que contenía varios objetos.

Se les pidió a los participantes que imaginaran y propusieran una amplia gama de objetivos lúdicos o juegos vinculados con el contenido de la habitación, por ejemplo, hacer rebotar una pelota en un recipiente tirándola primero desde una pared o apilar juegos que implicaran construir torres con bloques de madera.

Los investigadores registraron las descripciones de los participantes de estos objetivos vinculados a los juegos ideados, casi 100 juegos en total.

Estas descripciones formaron un conjunto de datos de juegos de los que aprendió el modelo de los investigadores.

Aunque la generación de objetivos por parte de los humanos puede parecer ilimitada, los objetivos que crearon los participantes del estudio se guiaron por un número finito de principios simples de sentido común (los objetivos deben ser físicamente plausibles) y recombinación (se crean nuevos objetivos a partir de elementos de juego compartidos).

Por ejemplo, los participantes crearon reglas en las que una pelota podía arrojarse de manera realista a un contenedor o rebotar en una pared (plausibilidad) y combinaron elementos básicos de lanzamiento para crear varios juegos (contra la pared, sobre la cama, desde el escritorio, con o sin derribar bloques, etc., como ejemplos de recombinación).

Luego, los investigadores entrenaron al modelo de IA para crear juegos orientados a objetivos utilizando las reglas y los objetivos desarrollados por los participantes humanos.

Para determinar si estos objetivos creados por la IA se alineaban con los creados por los humanos, los investigadores pidieron a un nuevo grupo de participantes que calificaran los juegos según varios atributos, como diversión, creatividad y dificultad.

Los participantes calificaron tanto los juegos generados por humanos como los producidos por IA, como en el siguiente ejemplo:

Juego creado por humanos:

Jugabilidad: lanzar una pelota de modo que toque una pared y luego atraparla o tocarla
Puntuación: obtienes 1 punto por cada vez que lanzas la pelota con éxito, toca una pared y la vuelves a sostener o la tocas después de su vuelo

Juego creado por IA:

Jugabilidad: lanzar pelotas de modo que caigan y se detengan en el estante superior; el juego termina después de 30 segundos
Puntuación: obtienes 1 punto por cada pelota que descanse en el estante superior al final del juego

En general, los participantes humanos dieron calificaciones similares a los juegos creados por humanos y a los generados por el modelo de IA.

Estos resultados indican que el modelo captó con éxito las formas en que los humanos desarrollan nuevos objetivos y generó sus propios objetivos lúdicos que eran indistinguibles de los creados por humanos.

Esta investigación nos ayuda a entender mejor cómo formamos objetivos y cómo estos objetivos pueden representarse en las computadoras.

También puede ayudarnos a crear sistemas que ayuden a diseñar juegos y otras actividades lúdicas.

Fuente: Nature machine intelligence

Artículos relacionados:

Inteligencia artificial utiliza la teoría de juegos para derrotar a humanos en ‘Stratego’ Inteligencia artificial ganó 7.215 juegos de Dota 2 contra humanos en tres días Los humanos pueden ayudar a una inteligencia artificial a aprender juegos más rápidamente Inteligencia artificial mejor que los humanos en los juegos de Atari Modelo computacional imita la capacidad de los humanos para predecir emociones Robot blando y autorreparable imita cómo se mueven los músculos humanos