Inteligencia artificial

Para jugar a World of Warcraft, un humano mira la pantalla. Ve un orco, un camino, un enemigo, una casa o un personaje que le entrega una misión. GPT-6 Astra hizo algo mucho más extraño: jugó sin ver nada de eso. Según el creador de agent-wow, el proyecto de código abierto que permite experimentar con agentes de IA dentro de World of Warcraft, GPT-6 Astra completó todas las misiones de la zona inicial de los orcos en 40 minutos y sin morir. Pero durante la partida no recibió ni un solo fotograma del juego. En lugar de imágenes, obtuvo información directamente de las entrañas del videojuego: mensajes enviados por el servidor, datos de las misiones y archivos utilizados para calcular las rutas.

La diferencia es importante. Un jugador humano construye su representación del mundo a partir de la vista, el sonido y la interacción. Astra recibió una descripción estructurada de ese mismo mundo y tuvo que convertirla en algo que pudiera utilizar para decidir qué hacer a continuación. Y lo hizo en un tiempo similar al de jugadores promedio. El experimento se realizó con AzerothCore, una implementación de código abierto del servidor de World of Warcraft, y no con los servidores oficiales de Blizzard. El sistema agent-wow actúa como cliente para que agentes de inteligencia artificial puedan comunicarse con ese servidor mediante el protocolo de red del juego. Tampoco proporciona de antemano un sistema completo de movimiento, combate o interacción: la idea es que el propio agente construya las herramientas que necesite. Y eso es precisamente lo que hizo Astra.

Durante la partida, el modelo creó un módulo capaz de procesar decenas de tipos de mensajes procedentes del servidor y mantener esa información en memoria. Un programa en Python utilizaba esos datos para construir una representación de lo que estaba ocurriendo y enviar de vuelta las acciones correspondientes. No necesitaba saber que delante de él había una imagen de un personaje. El servidor podía decirle, de otra manera, dónde estaba ese personaje, qué misión ofrecía o qué estaba ocurriendo alrededor.

Para las misiones, el agente recurrió además a los archivos SQL de AzerothCore, donde se encuentran datos sobre personajes no jugadores, objetivos, lugares donde aparecen determinados elementos y puntos de inicio y final de las misiones. Con esa información pudo establecer qué tareas dependían de otras y organizar una secuencia para completarlas. También tomó decisiones prácticas: vendió objetos que ya no necesitaba, equipó mejoras y entrenó nuevas habilidades. Es decir, no se limitó a ejecutar una lista de órdenes. Tuvo que mantener un objetivo durante un periodo relativamente largo y decidir qué acciones intermedias lo acercaban a él.

El problema de desplazarse por el mundo exigía otra solución. Astra generó un programa en C++ que utilizaba los mapas de navegación de AzerothCore, conocidos como mmaps, para calcular rutas entre diferentes puntos. El programa recurría a la biblioteca Detour para convertir esos mapas en una sucesión de coordenadas que el agente podía seguir. Es una forma de “ver” radicalmente distinta. No hay una imagen que interpretar, sino una especie de mapa abstracto del mundo que permite responder preguntas como dónde estoy, adónde tengo que ir y qué camino puedo seguir.

El resultado es interesante porque muestra una capacidad cada vez más importante en los sistemas de IA: no limitarse a reaccionar ante lo que reciben, sino construir las herramientas necesarias para actuar dentro de un entorno. De hecho, el desarrollador de agent-wow explica que esperaba que el agente necesitara una implementación de más alto nivel, pero que en la práctica Astra fue capaz de trabajar directamente en la capa del protocolo.

Pero conviene no convertir la partida en algo que no es. Astra no aprendió a jugar World of Warcraft desde cero como lo haría un humano que se sienta por primera vez delante del juego. Tenía acceso a una representación privilegiada del entorno: los propios datos del servidor, sus bases de datos y sus mapas de navegación. Incluso encontró algunos problemas en los mapas que pudo aprovechar. Además, solo completó la zona inicial del juego.

Por eso, la hazaña no demuestra que una IA pueda jugar de forma autónoma a cualquier videojuego sin necesidad de verlo. Demuestra algo más concreto, pero quizá más interesante: que un modelo de lenguaje puede transformar datos estructurados de un entorno complejo en una representación operativa del mundo y utilizarla para planificar acciones durante un periodo prolongado.