NVIDIA ya ha demostrado el potencial de la Inteligencia Artificial para el desarrollo de juegos utilizando su red neuronal GameGAN para recrear PAC-MAN, sin acceso al motor del juego original, simplemente «observando» 50.000 partidas del juego. Pero por muy impresionante que sea la hazaña, PAC-MAN ya tiene más de 40 años. ¿Sería posible utilizar la IA para, por ejemplo, crear un nuevo mapa jugable de GTA 5?
Eso es exactamente lo que han conseguido los investigadores Harrison Kinsley y Daniel Kukeila con GANTheft Auto, un proyecto que utiliza las tecnologías de NVIDIA para crear una red neuronal que genera un fragmento jugable de Grand Theft Auto V.
Esta recreación del juego no utiliza ninguna línea de código del título original, el modelo de IA crea el entorno del juego en tiempo real a partir de sus datos de entrenamiento, observando las partidas para simular todo, desde los detalles del entorno y los reflejos de los coches hasta la física del juego.
«La red neuronal en este caso es todo el juego», explica Kinsley en su vídeo de demostración de GANTheft Auto. «Determina lo que ocurre cuando se pulsa la tecla para ir a la derecha o a la izquierda. No hay ninguna regla escrita por nosotros o por el código original de GTA V. Estamos jugando en una representación de red neuronal de GTA V. Estamos acostumbrados a que la IA funcione con programas, pero aquí la IA es el programa».
Entrenar una IA es un proceso que implica mucha potencia de procesamiento, por lo que el investigador utilizó una estación DGX A100 de NVIDIA, que suma un total de 320 GB de RAM. Utilizó 12 bots jugando simultáneamente para que la red neuronal absorbiera la mayor cantidad de información en el mínimo tiempo posible.
«Este modelo aprendió a replicar la física de GTA V, pero el mismo proceso podría utilizarse para aprender la física del mundo real, lo que puede servir para mejorar la física de los videojuegos, un área en la que nos resulta difícil», afirma Kinsley.
Una demo jugable de GANTheft Auto, compatible con cualquier GPU NVIDIA con núcleos CUDA, está disponible en la página del proyecto en GitHub.
