Una IA ayuda a los jugadores de Minecraft a mejorar sus habilidades de arquitectura

0

Minecraft es un popular videojuego en 3D donde los jugadores construyen y navegan en sus propios entornos digitales. La modificación le dirá a los jugadores si sus edificios se ajustan a ciertos estilos arquitectónicos y ofrecerá ideas sobre cómo se podrían mejorar las estructuras.

“Una de las cosas que es importante aprender cuando eres un niño y durante toda tu vida es la creatividad, la abstracción: cómo imaginar lo que quieres y luego crearlo”, dice el autor principal Ross Knepper, profesor asistente de ciencias de la computación en la Universidad de Cornell. “Esta es una herramienta que ayuda a las personas a no desanimarse, tal vez si comienzan en Minecraft y no saben cómo usar su imaginación de inmediato”.

Cabe mencionar que Knepper, junto con los autores Erik Anderson, profesor asistente de ciencias de la computación; Irene (Euisun) Yoon ’19; y Bharath Hariharan, profesor asistente de ciencias de la computación, presentará el documento “Diseño de minería para Minecraft Architecture”, en la Conferencia de la Asociación para el Avance de la Inteligencia Artificial sobre Inteligencia Artificial y Entretenimiento Digital Interactivo del 13 al 17 de noviembre en Canadá.

Los usuarios de la plataforma crean y cargan edificios y mundos para que otros jugadores de Minecraft los usen, con esta data los investigadores alimentaron una red neuronal profunda, un tipo de aprendizaje automático entrenado para predecir si los datos pertenecen a una determinada categoría. A través de esa red, los jugadores pueden aprender si su construcción es medieval, moderna, asiática o clásica: cuatro etiquetas especialmente populares que usan los jugadores de Minecraft. Una vez que se clasifica el edificio, otro algoritmo puede mostrar a los usuarios edificios similares para inspirarlos a realizar mejoras por su cuenta.

“Los usuarios están realmente interesados en tener más espacios de diseño en Minecraft y poder construir ciertos tipos de arquitectura, pero no estaba disponible ningún tipo de herramienta que los ayudara a construir sus mundos”

El diseño de esta IA requirió un gran trabajo por parte de los investigadores. De hecho, Yoon revisó a detalle el conjunto de datos con el propósito de asegurarse de que los edificios estuvieran etiquetados correctamente, ya que de por sí su algoritmo no era tan preciso como les hubiera gustado al equipo, esto se debe a que este estaba entrado con menos de 1.000 edificios creados por los jugadores. Idealmente, podrían entrenar dicho algoritmo con decenas o cientos de miles de datos, lo que lo podría hacer mucho más preciso y menos sesgado.

“Si le pide a un arquitecto que le diga cuál es el estilo de un edificio, el arquitecto le dirá: ‘Está bien, es un piso y medio, tiene buhardillas, es un Cape Cod’. El aprendizaje profundo está haciendo eso, pero lo está haciendo en una caja negra (oculto a la vista). Aprende patrones, pero no necesariamente los mismos patrones que diría un arquitecto son las cosas clave”, dice Knepper. Por ejemplo, si todas las casas de estilo moderno en un conjunto de datos tienen piscinas en el techo, la computadora podría asumir que las piscinas en la azotea son un requisito para las casas modernas.

Para Knepper el proyecto de Minecraft ayudó a responder preguntas sobre cómo un robot podría seguir las instrucciones de un humano.

“Si digo ‘Construye una casa’, hoy un robot dirá ‘No sé lo que eso significa’. ‘¿Qué ladrillo debo poner y en dónde?‘ es el nivel en el que los robots necesitan instrucción”, dice Knepper. “Nos gustaría que los humanos pudieran incrementar sus interacciones con los robots, tal y como si fuesen interacciones humanas. Entonces, si le decimos a la IA que construya una casa medieval o una casa antigua, mientras que además se ofrecen algunos otros detalles de alto nivel, el algoritmo sabrá cómo convertir tus deseos en algo plausible que hace es exactamente lo que usted pidió. Aún la tecnología no se encuentra allí, sin embargo este podría ser considerado el primer paso hacia esa dirección”.

Por otro lado el coautor Bharath Hariharan, profesor asistente de ciencias de la computación, abordó la investigación desde la perspectiva de su propio trabajo en visión computacional.

Al tratar de interpretar una imagen, los científicos pueden entrenar a una computadora para captar señales como la forma y la solidez, pero pueden tener problemas para procesar la perspectiva o la escala. El uso de la inteligencia de las personas a través de sus estructuras y etiquetas de Minecraft puede ayudar a las computadoras a aprender a resolver esos problemas.

“Cuando trabajas con imágenes, es realmente difícil entender la esencia de lo que es algo”, dice Hariharan. “Una máquina que observa cómo la gente construye puede realmente aprender bastante sobre qué forma es, qué estructura es, qué edificios son”.