Aprendizaje profundo, redes neuronales, machine learning… No hace tanto tiempo que todas estas expresiones eran patrimonio casi exclusivo del ámbito científico más arcano e insondable. Ahora forman parte de la vida diaria de cualquier tecnófilo. Tanto es así que la inteligencia artificial está comenzando a llegar a dispositivos móviles como el Huawei P20 Pro, ejemplo tangible de las ventajas que puede aportar a la hora de aligerar el funcionamiento del sistema, mejorar sus fotografías o ampliar la autonomía.
Con todo, posiblemente la industria de los videojuegos sea uno de los ámbitos donde la inteligencia artificial está teniendo un empuje más considerable. Mientras que otras aplicaciones siguen siendo más o menos experimentales en virtud de limitaciones técnicas o legales (tal es el caso de la conducción autónoma), la complejidad técnica y el nulo riesgo de los videojuegos han permitido implementar algunas innovaciones importantes.
Así las cosas, la incipiente introducción de la inteligencia artificial en este sector promete cambiar radicalmente el ocio electrónico, pero lo que es casi igual de notable: lo hará de forma tan sutil y gradual que posiblemente ni nos daremos cuenta.
Cuando la inteligencia artificial se pone a detectar chetos
Estandarte del modelo de la distribución digital y responsable de algunos de los títulos de eSports más populares del momento, Valve sabe un par de cosas acerca de los chetos y el impacto que pueden tener en los jugadores legítimos. Aunque realmente todo el mundo está familiarizado con la frustración que pueden causar estos tramposos capaces de reventar la mejor partida de Counter-Strike.
La indefensión que sufren los jugadores «legales» ante los tramposos es enorme, y en ocasiones redunda en ataques de paranoia que no benefician a la salud de la partida. ¿Realmente me han visto asomarme a través de la esquina o habrán usado un wallhack? ¿Esos cinco cholazos son suyos o de su aimbot? Son preguntas habituales y que pueden hacer que más de un jugador abandone la partida ante la simple frustración de no saber si está jugando a un nivel que no es el suyo o si la gente está haciendo trampas.
Con este motivo, Valve inició el año pasado un experimento en su software antitrampas Overwatch. En lugar de limitarse a detectar la aplicación de las trampas en sí mismas, Overwatch ha sido actualizado con machine learningpara acumular datos, clasificarlos y aprender las conductas de los jugadores para dar con los tramposos.
Según el equipo antitrampas de Valve, cada día se juegan más de un millón de partidas de CS:GO, por lo que se hace necesario contar con un sistema capaz de «analizar y procesar cada demo de cada partida desde la perspectiva de cada jugador». Overwatch, que requiere de hardware dedicado externo al servidor dadas sus exigencias técnicas, utiliza machine learning para entrenar de forma continua un método de clasificación gracias al cual es posible detectar las diferencias entre los chetos y aquellos jugadores con mucho talento o mucha suerte, haciendo mucho más fácil blandir el garrote.
Valve afirma que su sistema de detección basado en inteligencia artificial está dando resultados, y tanto es así que, durante la pasada Game Developers Conference, ofreció una conferencia titulada adecuadamente «Robocalypse Now: Usando el aprendizaje profundo para combatir las trampas en Counter-Strike: Global Offensive».
¿Cinco headshots seguidos? No es un tramposo, es un bot con inteligencia artificial
Pero claro, no siempre queremos jugar online con la seguridad de que al otro lado de la conexión hay un ser humano de carne y hueso jugando en igualdad de condiciones. A veces lo que queremos es disfrutar de una experiencia para un solo jugador desafiante, natural y compleja. Un propósito que hunde sus raíces en el mismo inicio de los videojuegos.
Si bien los bots han ido mejorando progresivamente, aprendiendo a sortear nuestros ataques e incluso buscar refugio antes de que tengan lugar, la mayoría de estas acciones se toman de forma predefinida por el programador. SEED, la división experimental de EA, quiere ir un poco más lejos dejando que los propios bots aprendan su propio comportamiento.
Usando Battlefield 1 como base, los programadores de SEED entrenaron a sus bots haciéndoles observar una partida con seres humanos de 30 minutos durante la fase conocida en el argot técnico como aprendizaje por imitación. Después, les dejaron practicar durante seis días contra versiones de sí mismos y bots convencionales, acumulando el equivalente de 300 días de juego.
Según Magnus Nordin, director técnico del estudio, actualmente los bots no son muy buenos a la hora de planificar estrategias y actúan de forma errática cuando no hay enemigos a la vista. Eso sí, pueden aproximarse al enemigo de forma razonablemente coordinada y, aparentemente, son capaces de mantener el nivel cuando solo se utilizan armas de mano, lo cual encuentra prometedor.
Nordin cree que las redes neuronales comenzarán a introducirse en los videojuegos a lo largo de los próximos años, y aunque no sustituirán completamente a los bots, dentro de cinco años podríamos comenzar a ver aplicaciones de las mismas pensadas para hacer que los títulos del mañana sean más creíbles e inmersivos.
Más allá del valle inquietante: cuando la inteligencia artificial es invisible
Por último, cabe destacar una tercera aplicación de la inteligencia artificial que puede pasar desapercibida como tal, aunque sea una de las más prometedoras. Hablamos de las técnicas de animación basadas en redes neuronales.
Exploradas por compañías como Remedy y Nvidia, las redes neuronales podrían cambiar radicalmente la forma en la que se animan los rostrosde los personajes de un videojuego, llegando a eliminar incluso los sistemas de captura.
Para ello, una red neuronal procesa cientos y cientos de animaciones faciales reales procedentes de equipos profesionales y otras retocadas manualmente por animadores. A continuación, la tecnología es capaz de aprender qué gestos conducen a otros, moviendo cada uno de los músculos de un rostro de forma totalmente realista para, por ejemplo, ajustar los patrones visuales del habla a una grabación de sonido. Exactamente el proceso contrario a lo que sería leer los labios.
Este tipo de animaciones poseen un enorme potencial para los desarrolladores. No solo brindarán personajes más expresivos, sino que eliminarán de un plumazo horas y horas de trabajo manual, reduciendo la intervención del animador profesional a pulir y dar sentido a los movimientos generados por la red neuronal. Así que no solo esta técnica proporciona resultados más creíbles, sino que encima resulta más económica. Quién sabe, tal vez algún día veremos un remake de Mass Effect: Andromeda…
Hacia un futuro más orgánico y realista
Todas estas técnicas (y otras muchas) tienen un objetivo común: hacer que los juegos sean más realistas e impredecibles. Donde hasta ahora teníamos personajes que hacían rutas fijas y tomaban acciones predeterminadas o sorteadas al azar, ahora encontraremos auténticos grupos sociales interactuando de forma natural entre sí y que responderán con naturalidad a nuestras acciones.
Cómo y en qué medida sea esto posible dependerá en gran parte del hardware que tengamos a nuestra disposición. Y es que por ahora este tipo de técnicas siguen siendo costosas a nivel de recursos. No obstante, casi todos los desarrolladores coinciden en que dentro de tres a seis años comenzaremos a ver los primeros resultados tangibles de la aplicación de técnicas avanzadas de inteligencia artificial al mundo de los videojuegos. Y afortunadamente, sus resultados poco tendrán que ver con las fantasías de Hollywood en los años 80.
Imágenes / iStock, EA y Valve
