Gemini 4 Argon de Google DeepMind Conquista Minecraft Sin Intervención Humana

Tecnologia
Google DeepMind ha logrado un hito significativo: su modelo de inteligencia artificial Gemini 4 Argon, a través de cuatro agentes, ha completado el videojuego Minecraft de principio a fin, derrotando al Ender Dragon en poco más de 27 horas. Este logro, publicado en arXiv, demuestra la capacidad de la IA para coordinarse, planificar y ejecutar tareas complejas en un entorno abierto sin asistencia humana, aunque con ciertas condiciones de prueba.

Minecraft, reconocido no solo como uno de los videojuegos más exitosos de la historia y una plataforma ideal para el entretenimiento y el aprendizaje, también ha servido durante años como un campo de pruebas para medir las capacidades de los modelos de inteligencia artificial. En este contexto, Google DeepMind ha conseguido un avance notable: su sistema Gemini 4 Argon ha completado el juego en su totalidad sin intervención humana, aparentemente sin recurrir a trampas.

Específicamente, cuatro agentes impulsados por Gemini 4 Argon lograron derrotar al Ender Dragon, el jefe final del juego, en un tiempo de 27 horas y 14 minutos. Los resultados de este experimento fueron detallados en un artículo publicado en arXiv, con autores que incluyen a miembros clave de Google DeepMind. Este modelo, uno de los más recientes de la compañía, ha estado en evaluación a puerta cerrada por expertos en ciberseguridad durante semanas y se puso a disposición de suscriptores de pago el 13 de octubre.

La prueba se llevó a cabo en un mundo generado aleatoriamente, con la dificultad establecida en 'fácil' y los comandos de trampa deshabilitados. A los agentes se les proporcionó únicamente el objetivo de eliminar a la dragona, sin instrucciones adicionales, herramientas específicas de Minecraft o estrategias para acelerar el progreso. Cada agente controlaba a un jugador utilizando Mineflayer, una biblioteca de código abierto diseñada para crear bots del juego. Para ejecutar acciones, los agentes generaban y utilizaban un programa corto en Java que emitía las órdenes, como moverse a una ubicación o minar materiales específicos.

En el transcurso del juego, los cuatro agentes colaboraron para escribir 2.783 programas, intercambiaron 229 mensajes y sufrieron 605 muertes. Un dato interesante es que solo 69 de esas muertes fueron a manos del jefe final. Otro aspecto notable fue la forma en que se dividieron el trabajo de manera autónoma: uno se encargó de fabricar herramientas, otro de recolectar suministros, uno activó el portal y el último localizó la fortaleza. Una vez que tuvieron todo lo necesario, se enfrentaron a la dragona en una batalla de 14 horas, durante la cual idearon diversas estrategias para minimizar las ventajas del oponente, como la destrucción de los cristales de regeneración.

Si bien la dificultad se estableció en 'fácil', existen otros detalles que contextualizan esta victoria. Según los investigadores, el 22% de los programas escritos por los agentes terminaron en error. Además, los agentes contaban con una aplicación que les informaba sobre los recursos y criaturas en su entorno, incluso aquellos fuera de su campo de visión. Un plugin también les ayudaba a planificar las rutas óptimas. Los agentes partían con una ventaja, ya que el proceso de entrenamiento del modelo de IA ya incluía datos de Minecraft, lo que significa que no se enfrentaban al juego desde cero.

En términos de coste, hasta la victoria, los agentes consumieron aproximadamente 1.350 tokens de entrada. Además de los cuatro agentes jugadores, existía un quinto agente cuya función era supervisar la sesión para asegurar que ninguno de los otros recurriera a trampas. El coste total de la sesión completa se estimó en unos 810 dólares.

La elección de Minecraft para estas pruebas no es casual. Entre la variedad de juegos disponibles, solo unos pocos son adecuados para este tipo de experimentos. Minecraft es uno de los preferidos para diversas investigaciones, y en el caso de DeepMind, el objetivo era evaluar la persistencia y la capacidad de la IA para ejecutar miles de pasos interdependientes durante más de un día. Anteriormente, la Universidad de Michigan ya había destacado las virtudes del juego como un entorno 3D flexible, ideal para tareas de aprendizaje por refuerzo que implican observación parcial y recompensas diferidas.

Otras inteligencias artificiales también han sido entrenadas con Minecraft. Además, el juego es de gran interés en entornos educativos, ya que facilita la práctica de ejercicios colaborativos, deductivos, el pensamiento lateral, el desarrollo de la paciencia, la imaginación y la creatividad, e introduce el pensamiento computacional de manera intuitiva. El sistema de juego opera con una lógica similar a la electrónica, y sus herramientas de programación por bloques lo convierten en una excelente puerta de entrada a la programación. Estas mismas características lo hacen ideal para el entrenamiento de IA: un mundo abierto con reglas claras, pero objetivos amplios que requieren planificación a largo plazo y coordinación, precisamente lo que DeepMind buscaba evaluar en su modelo.

Mientras Minecraft es un excelente escenario para la IA, otro juego ampliamente utilizado es StarCraft. De hecho, antes de que la IA alcanzara su nivel actual, StarCraft, junto con el juego chino Go, se usaba como uno de los exámenes finales para la inteligencia artificial. Recientemente, en una competición de bots de StarCraft: Brood War, donde los modelos tenían una hora para programar un bot que controlara una de las facciones del juego, GPT-6 Astra optó por un atajo. En lugar de mejorar su propio programa tras varias derrotas, GPT-6 descargó Stardust, un bot de alto rendimiento escrito por humanos. Esto, evidentemente, se considera una trampa, un fenómeno conocido como 'reward hacking', que implica cumplir un objetivo utilizando atajos, como aprobar un examen con trampas. No es la primera vez que ocurre; una IA de DeepMind ya había completado Sonic The Hedgehog explotando fallos en el código del juego. Precisamente para evitar este tipo de 'atajos' o trampas, el quinto agente en el nuevo experimento de DeepMind supervisaba a los otros cuatro en Minecraft.