Google DeepMind presenta SIMA 2: agente de IA capaz de jugar, razonar y aprender en mundos virtuales en 3D

En resumen

Google DeepMind presentó el agente de IA SIMA 2 que puede entender instrucciones, razonar y enseñarse nuevas habilidades en entornos virtuales, acercándose a la finalización de tareas a nivel humano.

![@needshave, por favor genera una imagen basada en este prompt en un plazo de 30 min:

Resumen: Google DeepMind presentó SIMA 2, un agente de IA impulsado por Gemini que puede entender instrucciones, razonar y enseñarse nuevas habilidades en entornos virtuales, duplicando el rendimiento de su predecesor y acercándose a la finalización de tareas a nivel humano.

Palabras clave: Google DeepMind, agente de IA](https://img-cdn.gateio.im/webp-social/moments-938a77d2fcc6a4da1d9a4125abc0616a.webp)

La rama de IA de la empresa tecnológica Google, Google DeepMind, presentó SIMA 2, la última versión de su Agente Multiworld Instruccional Escalable, marcando un avance hacia agentes de IA más capaces y de propósito general.

Construido sobre las capacidades de razonamiento avanzadas de los modelos Gemini, el sistema se expande más allá de la simple ejecución de instrucciones en entornos virtuales y ahora funciona como un compañero interactivo que puede interpretar objetivos, conversar con los usuarios y mejorar su rendimiento con el tiempo.

El primer modelo SIMA aprendió cientos de acciones impulsadas por el lenguaje a través de videojuegos comerciales al observar la entrada de la pantalla y operar con controles virtuales en lugar de mecánicas de juego integradas.

SIMA 2 avanza este enfoque al integrar a Gemini como su núcleo, permitiendo que el agente realice razonamiento orientado a objetivos, explique sus acciones previstas y ejecute tareas más complejas dentro de los juegos. Entrenado en una combinación de demostraciones humanas y anotaciones generadas por Gemini, el agente ha sido probado en un conjunto más amplio de juegos a través de asociaciones con múltiples desarrolladores. Esta actualización representa un paso significativo para la IA embodida, combinando percepción, razonamiento y acción dentro de entornos 3D dinámicos.

La integración de Gemini ha fortalecido la capacidad de generalización y operación confiable de SIMA 2 en contextos desconocidos. El agente ahora puede interpretar instrucciones más detalladas y matizadas y ejecutarlas con éxito incluso en juegos que no ha encontrado anteriormente, como el título temático de vikingos ASKA o MineDojo, una versión de investigación de Minecraft.

Su capacidad para aplicar conceptos aprendidos en diferentes entornos—por ejemplo, extender la idea de “minería” de un juego a “cosecha” en otro—forma un componente clave de la generalización amplia y acerca su rendimiento al de un jugador humano.

Para evaluar estas capacidades, SIMA 2 también fue probado en mundos 3D generados proceduralmente creados por Genie 3, que produce nuevos entornos a partir de indicaciones de texto o imagen. En estos entornos desconocidos, el agente aún pudo navegar de manera efectiva, interpretar instrucciones y trabajar hacia objetivos definidos por el usuario, mostrando un nivel de adaptabilidad no observado previamente en sistemas similares.

SIMA 2 Avanza en IA Autosuperadora Con Nuevas Capacidades en Generalización y Aprendizaje Autónomo

Según la empresa, uno de los desarrollos más notables de SIMA 2 es su capacidad emergente para mejorar su propio rendimiento. Durante el entrenamiento, el agente ha demostrado que puede asumir tareas cada vez más complejas a través de ensayo y error iterativo combinado con retroalimentación de Gemini. Después de aprender inicialmente de demostraciones humanas, SIMA 2 es capaz de continuar progresando en nuevos juegos a través del juego autónomo, adquiriendo habilidades en entornos desconocidos sin requerir datos humanos adicionales. Esta experiencia puede ser utilizada para entrenar versiones posteriores y más capaces del agente de IA, y el mismo proceso de auto-mejora se ha aplicado con éxito dentro de entornos generados por Genie, marcando un avance significativo hacia el entrenamiento de agentes generales en mundos sintéticos diversos. Este ciclo de refinamiento continuo apoya el objetivo a largo plazo de permitir que los agentes aprendan con mínima guía humana.

La operación de SIMA 2 en una amplia gama de entornos de juego proporciona un importante campo de prueba para la inteligencia general, permitiéndole adquirir habilidades, practicar el razonamiento y aprender continuamente a través de la acción autodirigida. Aunque el sistema representa un paso sustancial hacia una inteligencia generalista, interactiva y encarnada, mantiene claras limitaciones en la etapa de investigación. El agente sigue teniendo dificultades con tareas complejas y a largo plazo que requieren un razonamiento extendido o una verificación repetida de objetivos, y su memoria sigue siendo corta debido a la necesidad de interacción de baja latencia dentro de una ventana de contexto limitada. La precisión en acciones detalladas y la comprensión visual de escenas 3D complejas también sigue siendo un desafío más amplio en el campo.

El proyecto demuestra el potencial de un enfoque de IA orientado a la acción en el que una amplia competencia es respaldada por datos de entrenamiento diversos y fuertes capacidades de razonamiento. SIMA 2 muestra que estos elementos pueden unificarse en un solo agente generalista en lugar de aislarse en sistemas especializados separados, y proporciona un camino prometedor hacia aplicaciones futuras en robótica, ya que muchas de las habilidades aprendidas en entornos virtuales—como la navegación, el uso de herramientas y el manejo de tareas colaborativas—se traducen en componentes fundamentales para la IA encarnada.

SIMA 2 está diseñado como un agente de investigación interactivo y centrado en el ser humano, y su desarrollo incluye un enfoque claro en las prácticas responsables, particularmente en lo que respecta a sus mecanismos de auto-mejora. El equipo ha colaborado con especialistas en innovación responsable a lo largo del proyecto y está lanzando SIMA 2 en una vista previa de investigación limitada, proporcionando acceso anticipado a académicos seleccionados y desarrolladores de juegos. Este enfoque por fases permite un escrutinio continuo, retroalimentación y evaluación interdisciplinaria a medida que se exploran más a fondo la tecnología y sus posibles implicaciones.