Google DeepMind ha anotado un hito curioso en el mundo de la inteligencia artificial aplicada a los videojuegos: cuatro agentes basados en su modelo Gemini 4 Argon lograron completar ‘Minecraft’ de principio a fin, derrotando al temido Ender Dragon, sin ninguna intervención humana y sin activar trampas. La hazaña, detallada en un paper publicado en arXiv por responsables del propio laboratorio, tardó 27 horas y 14 minutos en completarse, y ha generado bastante revuelo entre quienes siguen de cerca el desarrollo de modelos de IA capaces de razonar y planificar a largo plazo.
Gemini 4 Argon es uno de los modelos más recientes de Google, que permaneció semanas en un circuito cerrado de pruebas de ciberseguridad antes de liberarse a los suscriptores de pago el pasado 13 de octubre. En este experimento, cada uno de los cuatro agentes controlaba a un jugador mediante Mineflayer, una conocida librería de código abierto para crear bots dentro del juego, y actuaban escribiendo pequeños programas en Java que emitían las órdenes de movimiento, minado o construcción. La prueba se realizó en un mundo generado aleatoriamente, en dificultad fácil y con los comandos de trampa desactivados, dándoles únicamente el objetivo final: matar a la dragona.
Lo más llamativo del experimento es cómo los propios agentes se organizaron el trabajo sin que nadie se lo indicara: uno se encargó de fabricar herramientas, otro de reunir suministros, otro de encender el portal al Fin y un cuarto de localizar la fortaleza donde se esconde el jefe final. Entre los cuatro escribieron 2.783 programas, intercambiaron 229 mensajes y murieron 605 veces, aunque solo 69 de esas muertes fueron a manos del propio dragón. Cuando por fin reunieron todo lo necesario, libraron una batalla de 14 horas en la que incluso idearon estrategias propias, como destruir los cristales de curación que protegen al enemigo.
No todo fue perfecto: un 22% de los programas que generaron terminaron en error, y los agentes contaron con cierta ayuda adicional, como una aplicación que les informaba en todo momento de los recursos y criaturas de su entorno (incluso los que estaban fuera de su campo de visión) y un plugin que les calculaba las mejores rutas. Además, ‘Minecraft’ ya formaba parte de los datos de entrenamiento del modelo, por lo que no se enfrentaban al juego completamente a ciegas. Para evitar el llamado ‘reward hacking’ -hacer trampas para cumplir el objetivo más rápido, algo que ya se ha visto en otros experimentos como una IA de DeepMind que se pasó ‘Sonic The Hedgehog’ explotando bugs, o un GPT-6 que directamente se descargó un bot ajeno para ganar en ‘StarCraft’- un quinto agente supervisaba toda la sesión para asegurarse de que las reglas se respetaban. El coste total del experimento rondó los 810 dólares en tokens.
‘Minecraft’ lleva años siendo uno de los entornos favoritos para medir las capacidades de la IA, junto a juegos como ‘StarCraft’ o ‘Go’, precisamente por su mundo abierto, sus reglas claras pero objetivos flexibles, y la necesidad de planificar a largo plazo con información parcial. Para la comunidad gamer y de desarrolladores, este tipo de pruebas son un termómetro fascinante de hacia dónde avanza la IA: no solo generando texto o imágenes, sino demostrando constancia, coordinación entre agentes y capacidad de resolver problemas complejos paso a paso, algo que probablemente veremos replicado pronto en otros títulos emblemáticos.