El modelo de IA imita la creación de juegos de los juegos humanos

Si bien somos notablemente capaces de generar nuestros propios objetivos, comenzando con el juego del niño y continuando hasta la edad adulta, aún no tenemos modelos informáticos para comprender esta capacidad humana.

Sin embargo, un equipo de científicos de la Universidad de Nueva York ahora ha creado un modelo de computadora que puede representar y generar objetivos similares a los humanos al aprender de cómo las personas crean juegos.

El trabajarreportado en el diario Inteligencia de la máquina de la naturalezapodría conducir a sistemas de IA que entiendan mejor las intenciones humanas y modelen y se alineen más fielmente con nuestros objetivos. También puede conducir a sistemas de IA que pueden ayudarnos a diseñar más juegos humanos.

“Si bien los objetivos son fundamentales para comportamiento humanosabemos muy poco sobre cómo las personas representan y se les ocurre, y carecen de modelos que capturen la riqueza y la creatividad de los objetivos generados por los humanos “, explica Guy Davidson, el autor principal del periódico y un estudiante de doctorado de la NYU.

“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 del considerable trabajo experimental y computacional sobre los objetivos y el comportamiento orientado a los objetivos, los modelos de IA aún están lejos de capturar la riqueza de los objetivos humanos cotidianos. Para abordar esta brecha, los autores del documento estudiaron cómo los humanos crean sus propios objetivos, o tareas, para iluminar potencialmente cómo se generan ambos.

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

Colocaron a los participantes en una sala virtual que contenía varios objetos. Se les pidió a los participantes que imaginaran y propongan una amplia gama de goles juguetones, o juegos, vinculados al contenido de la sala: et algueir, rebotar una pelota en un contenedor arrojándola primero de una pared o apilando juegos que involucran juegos de construcción de 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 del que aprendió el modelo de los investigadores.

Si bien la generación de goles humanos puede parecer ilimitada, los objetivos que los participantes del estudio creados fueron guiados por un número finito de principios simples de sentido común (los objetivos deben ser físicamente plausibles) y la recombinación (se crean nuevos objetivos a partir de elementos de juego compartidos).

Por ejemplo, los participantes crearon reglas en las que una pelota podría ser arrojada de manera realista en un contenedor o rebotar en una pared (plausibilidad) y combinar elementos básicos de lanzamiento para crear varios juegos (fuera de la pared, en la cama, arrojar del escritorio, con o sin bloques de golpes, etc., como ejemplos de recombinación).

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

Para determinar si estos objetivos creados por AI alineados con los creados por los humanos, los investigadores pidieron a un nuevo grupo de participantes que califiquen juegos a lo largo de varios atributos, como diversión, creatividad y dificultad. Los participantes calificaron los juegos generados por humanos y producidos por AI, como en el ejemplo a continuación:

Juego creado por humanos:

• Juego: tire una pelota para que toque una pared y luego la atrape o toquela
• Puntuación: obtienes 1 punto por cada vez que tiras con éxito la pelota, toca una pared y la sostienes de nuevo o la tocas después de su vuelo

Juego creado por AI:

• Gameplay: arroje dodgeballs para que aterricen y descansen en el estante superior; El juego termina después de 30 segundos
• Puntuación: obtienes 1 punto para cada dodgeball que descansa en el estante superior al final del juego

En general, los participantes humanos dieron calificaciones similares a los juegos creados por humanos y los generados por el modelo AI. Estos resultados indican que el modelo Capturó con éxito las formas en que los humanos desarrollan nuevas metas y generaron sus propios objetivos lúdicos que eran indistinguibles de los creados por humanos.

Esta investigación ayuda a ampliar nuestra comprensión de 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.