Inteligencia artificial
Inteligencia Artificial Entrenada Para Ser Un Maestro De Mazmorras Y Generar Tramas Para Dungeons And Dragons
La inteligencia artificial ha dominado incluso juegos extremadamente complejos como el ajedrez y Go. Sin embargo, estos juegos tienen reglas predefinidas y métodos de interacción muy específicos que no se prestan a elecciones creativas. Un juego de rol como Dungeons And Dragons (DnD) tiene infinitamente más formas de jugar que un juego de ajedrez, pero esto no ha detenido a los investigadores de tratar de desarrollar sistemas de inteligencia artificial capaces de improvisar tramas para DnD o juegos de rol de mesa similares.
Los investigadores de inteligencia artificial están constantemente trabajando en nuevas formas de mejorar las capacidades de lenguaje generativo de la inteligencia artificial. Uno de los avances más grandes en los últimos dos años es el desarrollo de GPT-2, que fue capaz de generar historias coherentes al vuelo. Sin embargo, como informó Wired, la estudiante de posgrado de Georgia Tech, Lara Martin, concibió la idea de utilizar DnD como un caso de prueba para la capacidad de lenguaje generativo de la inteligencia artificial. El objetivo es esencialmente crear un maestro de mazmorras de inteligencia artificial, capaz de crear nuevos escenarios para el juego y adaptar estos escenarios.
Según Wired, Martin ha estado trabajando en el maestro de mazmorras de inteligencia artificial desde 2018. Los modelos de generación de lenguaje a menudo utilizan enfoques basados en reglas o enfoques basados en redes neuronales. Recientemente, ha habido un interés creciente en combinar las dos técnicas para generar lenguaje. El enfoque de Martin utiliza estrategias de generación de lenguaje basadas en reglas junto con redes neuronales profundas. El enfoque de Martin para la generación de lenguaje se basa en la idea de “eventos”. Los eventos consisten en varias partes del discurso como objetos, sujetos y verbos, que el modelo combina en objetos de eventos coherentes. El modelo se entrenó con tramas de programas de televisión de ciencia ficción populares como Futurama y Doctor Who. El modelo se prepara con una cadena de texto, que analizará para eventos. Después de extraer los eventos del texto de preparación, intentará continuar la trama generando nuevos eventos. Martin pudo expandir este enfoque básico y guiar al modelo hacia la generación de ciertos eventos deseables, como el matrimonio de dos personajes dentro de la historia.
Martin no es la única investigadora que intenta diseñar inteligencia artificial capaz de contar historias. Por ejemplo, el investigador de aprendizaje automático Nick Walton recientemente desarrolló AI Dungeon, que utiliza modelos GPT-2 para crear un juego de aventuras de texto generado por inteligencia artificial. Aunque AI Dungeon generalmente renderiza texto coherente, tiende a perder la pista de la narrativa general, iniciar hilos de trama extraños y comportarse de manera extraña ante la entrada del jugador. A pesar de estas limitaciones, el juego ha resultado bastante popular, con más de un millón de personas jugando.
Martin reconoce los límites del modelo, afirmando que el modelo a menudo se confunde, generando eventos de trama que no tienen sentido lógico, y que “no estamos cerca de que esto sea una realidad aún”. A pesar de esto, Martin sigue esperando que el modelo conduzca a algo útil en el futuro. Martin también espera que el proyecto pueda proporcionar información sobre cómo la creación de historias aprovecha diferentes aspectos de la inteligencia como la imaginación y la encarnación.
“Si pudiéramos crear un DM de inteligencia artificial convincente, nos diría más sobre cómo creamos y experimentamos estos mundos”, explicó Martin a Wired.
También se puede argumentar que el desafío de lograr una hazaña tan difícil como crear un maestro de mazmorras de inteligencia artificial es razón suficiente para perseguir el proyecto. Noah Smith, profesor de inteligencia artificial y lenguaje en la Universidad de Washington, explicó que los objetivos grandes a veces ayudan a crear aplicaciones útiles, incluso si el desafío en sí no se logra de manera oportuna.
“A veces, los objetivos de desafío grande son útiles para poner a muchos investigadores en movimiento en una sola dirección. Y algo de lo que se deriva también es útil en aplicaciones más prácticas”.
