Google DeepMind traza 15 años de investigación en juegos hacia un nuevo experimento en EVE Online
DeepMind repasa su cadena de resultados en aprendizaje por refuerzo, de Atari a AlphaStar, y anuncia una colaboración con la desarrolladora de EVE Online para probar agentes generalistas en un universo persistente.
Google DeepMind publicó una retrospectiva que conecta 15 años de investigación en aprendizaje por refuerzo con su trabajo actual en agentes generalistas: desde el Deep Q-Network que aprendió 49 juegos de Atari 2600 a partir de píxeles crudos, pasando por la victoria de AlphaGo sobre Lee Sedol en 2016, AlphaGo Zero, AlphaZero y MuZero, hasta AlphaStar, que alcanzó nivel Grandmaster en StarCraft II en 2019.
Como siguiente paso, el laboratorio anunció una colaboración de investigación con Fenris Creations, el estudio independiente detrás de EVE Online, para poner a prueba agentes en tres entornos distintos dentro de ese universo: EVE Online aporta una economía y un mundo persistente a gran escala, EVE Vanguard suma decisiones tácticas rápidas en primera persona, y EVE Frontier, con sus "Smart Assemblies" programables, ofrece un entorno donde las propias reglas del mundo pueden modificarse.
Para quienes siguen la investigación en RL y agentes autónomos, el interés está en que estos entornos combinan escala, economía real de jugadores y reglas modificables: condiciones más parecidas a sistemas abiertos del mundo real que los benchmarks cerrados donde se probaron generaciones anteriores de agentes de DeepMind.