DeepMind supera a los profesionales de StarCraft en otro triunfo para Bots

DeepMind supera a los profesionales de StarCraft en otro triunfo para Bots https://media.wired.com/photos/5c4a2ac4f254572cc21b81e0/191:100/pass/Starcraft.jpg

DeepMind supera a los profesionales de StarCraft en otro triunfo para Bots





En londres pasado mes, un equipo de la unidad de investigación de inteligencia artificial de Alphabet en el Reino Unido, DeepMind, colocó silenciosamente un nuevo marcador en el concurso entre humanos y computadoras. El jueves, reveló el logro, en un flujo de YouTube de tres horas en el que extraterrestres y robots lucharon hasta la muerte.
DeepMind's emisión mostró su bot de inteligencia artificial, AlphaStar, derrotando a un jugador profesional en el complejo videojuego de estrategia en tiempo real StarCraft II. El campeón de la humanidad, Grzegorz Komincz de Polonia, de 25 años, perdió 5-0. El software basado en el aprendizaje automático parece haber descubierto estrategias desconocidas para los profesionales que compiten por millones de dólares en premios ofrecidos cada año en uno de los juegos más lucrativos de los deportes electrónicos. "Era diferente de cualquier Barco de estrellas que he jugado, Komincz, conocido profesionalmente como MaNa, dijo el jueves.
La proeza de DeepMind es la más compleja hasta ahora en un largo grupo de concursos en los que las computadoras han vencido a los mejores humanos en los juegos Las damas cayeron en 1994, ajedrez en 1997, y el bot anterior AlphaMo de DeepMind se convirtió en el primero para vencer a un campeón en el juego de mesa Go en 2016. El Barco de estrellas bot es el jugador de juego de IA más poderoso hasta ahora; También puede ser lo menos inesperado.
AlphaStar llegó aproximadamente seis años después de un boom de IA catalizado por Mejoras en la tecnología de aprendizaje automático., incluyendo algunos de los investigadores de DeepMind. Si bien la victoria de AlphaGo en 2016 fue impresionante, los expertos de Go pensaron que el momento faltaba por lo menos una década—La victoria de AlphaStar se siente más o menos a tiempo. A estas alturas, está claro que con suficientes datos y potencia de cálculo, el aprendizaje automático puede dominar problemas complejos pero específicos.
Mark Riedl, profesor asociado de Georgia Tech, encontró las noticias del jueves emocionantes pero no asombrosas. "Estábamos más o menos en un punto en el que era solo una cuestión de tiempo", dice. "En cierto modo, golpear a los humanos en los juegos se ha vuelto aburrido".
StarCraft es un desafío más complicado para las computadoras que los juegos de mesa como el ajedrez, ya que se requieren muchas más decisiones para construir y dirigir un ejército alienígena en tiempo real.

Barco de estrellas
Videojuegos como Barco de estrellas Son matemáticamente más complejos que el ajedrez o el Go. El número de posiciones válidas en un tablero Go es un 1 seguido de 170 ceros, el equivalente para Barco de estrellas Se estima que es un 1 con al menos 270 ceros. Construyendo y controlando unidades militares en Barco de estrellas requiere que los jugadores seleccionen y realicen muchas más acciones, y que tomen decisiones sin poder ver cada movimiento de un oponente.
DeepMind superó esas probabilidades más pronunciadas con la ayuda de los robustos chips de TPU que Google inventó para poner más poder detrás del aprendizaje automático. Adaptó algoritmos desarrollados para procesar texto para la tarea de averiguar qué acciones del campo de batalla llevan a la victoria. AlphaStar fue educado en Barco de estrellas con registros de medio millón de juegos entre humanos, luego reproduciendo sucesivas copias mejoradas de sí mismo en una liga virtual, en una forma de evolución digital. Los mejores bots que surgieron de esa liga acumularon experiencia equivalente a alrededor de 200 años de juego.
La AlphaStar que tomó y venció a MaNa está lejos de ser su igual en todos los aspectos. Por ahora, el bot puede jugar solo como una de las tres razas alienígenas disponibles en Barco de estrellas. Además de su experiencia de juego inhumanamente larga, el software de DeepMind percibió el juego de manera diferente. Su vista abarcaba todo lo que se veía en el juego a la vez, mientras que MaNa tuvo que desplazarse por el mapa para ver qué sucedía. AlphaStar también es capaz de una mayor precisión cuando dirige y apunta unidades que un ser humano que maneja un ratón de computadora, aunque su tiempo de reacción es más lento que el de un jugador profesional.
A pesar de esas advertencias, Riedl y otros expertos que vieron el jueves en general animaron el trabajo de DeepMind. "Fue súper impresionante", dice Jie Tang, investigadora del instituto de investigación independiente OpenAI que trabaja en bots que jugar dota 2, el deporte electrónico más lucrativo del mundo. Tales trucos de videojuegos pueden tener beneficios potencialmente útiles, dice. Algoritmos y código que OpenAI utilizó para desafiar. Dota pros el año pasado, con éxito mixto, fueron adaptados para hacer manos robóticas más ágiles.
De todos modos, AlphaStar ilustra una limitación de los sistemas de aprendizaje automático altamente especializados de hoy en día, dice Julian Togelius, profesor en la Universidad de Nueva York y autor de un estudio reciente. libro en los juegos y la inteligencia artificial. A diferencia de su oponente humano, el nuevo campeón de DeepMind no puede jugar con toda su fuerza en diferentes mapas de juego, o como diferentes razas alienígenas en el juego, sin un entrenamiento adicional extenso. Tampoco puede jugar ajedrez, damas o lanzamientos anteriores de Barco de estrellas.
Esa incapacidad para manejar incluso pequeñas sorpresas es un desafío para muchas aplicaciones esperadas de AI, como conducción autónoma, o bots adaptables que los investigadores llaman inteligencia general artificial, o AGI. "Para llegar al G en AGI necesitamos ir más allá de los juegos individuales", dice Togelius. Una batalla de juegos entre máquinas y humanos más trascendental podría ser una especie de decatlón, con juegos de mesa, videojuegos y un final de Dungeons and Dragons.
Las limitaciones de la IA altamente especializada parecían estar presentes cuando MaNa jugó un juego de exhibición en vivo el jueves contra una versión experimental de AlphaStar que se limita a ver el mapa del juego más como un jugador humano, un área ampliada a la vez. Los datos de DeepMind muestran que es casi tan buena como la versión que venció a MaNa en cinco juegos.
El bot más reciente acumuló rápidamente un ejército lo suficientemente poderoso como para aplastar a su rival humano, pero MaNa utilizó maniobras inteligentes y la experiencia de su derrota de 5-0 para unir a las fuerzas para que resistieran. El retraso le dio tiempo para construir sus propias unidades y ganar. "Esa adaptabilidad es algo que todavía no vemos en los sistemas de aprendizaje automático", dice Tang.
Más grandes historias WIRED
    .


FUENTE ORIGINAL DEL ARTICULO LOS MEJORES SITIOS DE TECNOLOGIA
https://www.beviral.online