Vals AI dejó que GPT-6 Astra jugara a Minecraft durante 141 horas. No usó una API especial del juego: trabajó sobre todo con la pantalla, el teclado y el ratón, lo que se llama computer use (que la IA maneje el ordenador como una persona). Astra llegó a una fortaleza del Nether, construyó una granja de blazes semiautomática y consiguió 6 varas de blaze y 3 perlas de ender. Picó 34,573 bloques, recorrió 135.1 km y murió 548 veces.
Entonces un creeper voló el cofre donde guardaba sus cosas de valor, y también la cama. En esta partida keepInventory estaba activado (al morir no pierdes tus objetos), así que llevar lo importante encima era más seguro. Astra sacó esa lección después del desastre. Pero luego pasó horas cultivando casi solo papas, y se volvió tan precavida que se paraba a comprobar que un objeto verde y alargado era "caña de azúcar, no un creeper".
¿Por qué no mira la wiki?
Dentro del juego también hay otras soluciones: repartir los objetos en varios cofres, levantar muros, poner luz, guardar recursos de reserva. Además, una wiki de guías, una búsqueda en la web, registros anteriores, capturas de pantalla y notas del ordenador, o preguntarle a una persona, pueden ser fuentes donde buscar. Es decir, no se trata solo de buscar qué hacer ahora, sino de buscar dónde buscar: una especie de metabúsqueda.
Eso sí, aunque Astra pueda navegar por sí misma, no sabemos si en este experimento se permitió el acceso a la web o a archivos locales. Si estaba cerrado, es una limitación del espacio de acciones (action space). Si estaba abierto y no buscó, es una debilidad bastante interesante para un agente de larga duración.
Sin fuentes donde buscar, ¿se estrecha la visión?
Con el conocimiento interno solo también salen ideas, pero sin información externa cuesta que entren observaciones nuevas capaces de romper tus propias hipótesis. Decirte cien veces "piensa más" con los mismos materiales sirve menos que una página de la wiki o una frase de otra persona, que a veces abre una rama nueva.
En términos de aprendizaje por refuerzo, es explorar frente a explotar (exploration vs. exploitation). Si tras una gran pérdida bajas demasiado las acciones arriesgadas y subes demasiado la "papa" segura, te hundes en un óptimo local. Y si "buscar otra fuente de información" también desaparece de las opciones, la visión se estrecha todavía más.
Perderlo todo. Irse por lo seguro. Evitar lo desconocido. Repetir el trabajo de siempre. Sospechar hasta del color verde.
La papa nunca te traiciona.
No es una prueba de que tenga emociones como las humanas. Pero su comportamiento resulta curiosamente humano. Lo que necesita una IA que trabaja mucho tiempo quizá sea la capacidad de, cuando se atasca, ampliar el propio espacio de búsqueda: el entorno, el historial, el ordenador, la web, otras personas.
¿Puede una IA lista seguir explorando el mundo con amplitud después de salir escaldada por su propia estrategia? Probablemente sea más difícil que vencer al dragón.
