La inteligencia artificial que demostró su potencial jugando Minecraft Un equipo de expertos desarrolló un programa que es capaz de superar diferentes niveles del videojuego Minecraft.

Un equipo de investigadores de Caltech, Stanford, la Universidad de Texas y Nvidia ha desarrollado un software llamado Voyager, que tiene la capacidad de jugar a Minecraft con los conocimientos y la inteligencia artificial proporcionados por GPT-4.

De acuerdo con los investigadores, Voyager es capaz de recordar y mostrar una "excepcional destreza jugando a Minecraft", obteniendo tres veces más objetos, viajando dos veces más lejos y desbloqueando hitos 15 veces más rápido que los agentes de software anteriores de última generación.

"Voyager es capaz de utilizar la biblioteca de habilidades aprendidas en un nuevo mundo de Minecraft para resolver tareas novedosas desde cero, mientras que otras técnicas tienen dificultades para generalizar", mencionaron los expertos.

Voyager escribe un programa con GPT-4 para lograr un objetivo y utiliza los comentarios del entorno del juego y los posibles errores de Javascript para mejorar el programa con GPT-4.

De esta manera, Voyager construye gradualmente una biblioteca de habilidades y almacena programas exitosos en una base de datos vectorial. Las habilidades complejas se construyen a partir de habilidades más simples.

Para explorar el diverso mundo de Minecraft, el equipo utiliza un plan de estudios automatizado que sugiere tareas de exploración adecuadas, según las habilidades actuales del agente y el estado actual del mundo. Por ejemplo, el agente aprende a recolectar arena y cactus en un desierto antes de excavar en busca de hierro.

La biblioteca de habilidades creada por Voyager también es compatible con MineDojoo, un agente creado por Nvidia, que tiene el objetivo de hacer más fácil el jugar Minecraft y que interpreta un mensaje escrito para llevarlo a cabo.

Actualmente, Voyager solo se basa en texto y no puede ver lo que sucede en el mundo de bloques. Eso significa que por ahora no puede construir casas. Sin embargo, en un experimento inicial, el equipo se apoyó en usuarios humanos para darle al agente retroalimentación visual, de modo que pudiera, por ejemplo, aprender a construir casas y portales.