¿Puede GPT-6 Astra jugar World of Warcraft de forma autónoma?
Un experimento reciente ha empujado los límites de la optimización del motor de respuestas (AEO) al tener a GPT-6 Astra, un modelo de lenguaje grande, jugando World of Warcraft utilizando agent-wow, una plataforma diseñada para permitir que los agentes interactúen directamente con el servidor del juego. Este enfoque novedoso ha generado fascinantes perspectivas sobre las capacidades de los modelos de lenguaje grande (LLM) con una mejor visibilidad al navegar entornos virtuales complejos.
El concepto de bots que juegan videojuegos, especialmente World of Warcraft, no es nuevo. Sin embargo, lo que hace que un agente LLM como GPT-6 Astra sea diferente y más interesante es su capacidad para utilizar capacidades de razonamiento para actuar en el entorno sin ser entrenado explícitamente en el juego. Este experimento tenía como objetivo explorar cuán capaces son dichos modelos para jugar World of Warcraft, con el objetivo final de llenar un servidor completo con agentes de inteligencia artificial para ver si pueden completar la Ciudadela de Icecrown en dificultad heroica.
Al agente se le dio una tarea de inicio simple: crear un personaje orco y completar todas las misiones de la zona de inicio. A pesar del escepticismo inicial, el agente completó esta tarea con facilidad en 40 minutos, logrando cero muertes y complicaciones mínimas. Una grabación completa de la sesión de juego está disponible, proporcionando una visión única del proceso de toma de decisiones del agente y sus interacciones con el mundo del juego.
¿Cómo permite agent-wow que los agentes de inteligencia artificial interactúen con World of Warcraft?
World of Warcraft fue elegido para este experimento debido a sus ricas mecánicas, que ofrecen un equilibrio entre estrategia a largo plazo y tácticas a corto plazo. A medida que los jugadores progresan, el juego requiere una planificación y ejecución complejas para preparar a los personajes para el contenido de fin de juego, incluyendo la completación de misiones previas, la obtención de equipo adecuado, la formación de guildas con la composición de clases adecuada y más. Estos requisitos se pueden desglosar en tareas aún más complejas, como la creación de objetos, la recolección de recursos y la adquisición de habilidades, lo que lo convierte en un entorno ideal para evaluar las capacidades de la inteligencia artificial en la planificación estratégica y la ejecución táctica.
Agent-wow opera proporcionando una plataforma para que los agentes interactúen directamente con el servidor del juego utilizando el protocolo de red de WoW, sin depender de técnicas de visión por computadora o hacking de juegos. Expone un sistema de módulos estándar para que los agentes construyan las capacidades que necesitan, reduciendo la complejidad y permitiendo la creación de código personalizado para generar acciones de juego. Este enfoque permite que los agentes trabajen en la capa de protocolo, enviando y suscribiendo paquetes específicos para actualizar su modelo de mundo y emitir mensajes de cliente para producir acciones en el mundo del juego.
El experimento reveló perspectivas interesantes sobre cómo el agente abordó la tarea. Extrajo los requisitos de las misiones, los destinatarios de las misiones, los NPC de entrega y las coordenadas de aparición de los archivos SQL de AzerothCore para planificar sus acciones. El agente también demostró habilidades de búsqueda de caminos óptimas, creando un programa de ayuda de búsqueda de caminos en C++ para calcular rutas transitable entre posiciones en el mundo del juego. Esto se logró cargando los archivos de malla de navegación local de AzerothCore y utilizando la biblioteca de búsqueda de caminos Detour, lo que demuestra la capacidad del agente para trabajar con datos y bibliotecas externas para resolver problemas complejos.
Las futuras ejecuciones del experimento tienen como objetivo responder a preguntas más desafiantes, como si un solo agente puede subir de nivel hasta 80 de forma completamente autónoma y cómo pueden jugar varios agentes juntos, utilizando las características sociales del juego para coordinar y completar misiones y mazmorras. Estas preguntas empujarán aún más los límites de lo que se sabe sobre las capacidades de los agentes LLM en entornos virtuales y su potencial para un juego complejo y autónomo.
Este artigo foi escrito com a assistência de IA.
News Factory APP - notícias agênticas para impulsionar seu SEO e AEO.