Aprendizaje de estrategias de juego en juegos de cartas complejos y estratégicos mediante técnicas de inteligencia artificial

Abstract

[ES] El aprendizaje de estrategias en entornos complejos con agentes es uno de los temas que actualmente más repercusión tiene en el ámbito de la Inteligencia Artificial (IA). Este tipo de enfoque permite adaptarse a entornos complejos con un buen rendimiento, por ello entornos como los juegos estrategia o de cartas son perfectos para la aplicación enfoques con perspectiva adaptativa dada la alta variabilidad que presentan estos. Magic: The Gathering (MTG) es un juego de cartas por turnos, conocido por su alta complejidad dado el gran número de cartas que contiene y las reglas por las que se rige, es claro ejemplo de un entorno complejo. En el presente documento se presenta la aplicación de uno de los métodos de IA disponibles dentro del ámbito del aprendizaje automático capaz de aprender y adaptarse a entornos complejos y variantes, el cual es capaz de jugar a MTG de forma inteligente y competitiva. Esto se realiza a través de la confección de un entorno enfocado en aplicar la estrategia escogida, así como la evaluación de la complejidad de la tarea de aprendizaje. Implementado un framework de elaboración propia que se encarga de aplicar el método neuroevolutivo y confeccionar los entrenamientos necesarios.

[EN] Strategy learning in complex environments with agents is currently one of the most important topics in the field of Artificial Intelligence (AI). This type of approach allows adapting to complex environments with good performance, therefore environments such as strategy or card games are perfect for the application of adaptive perspective approaches due to the high variability they present. The Gathering (MTG) is a turn-based card game, known for its high complexity given the large number of cards it contains and the rules by which it is governed, is a clear example of a complex environment. This paper presents the application of one of the AI methods available in the field of machine learning capable of learning and adapting to complex and variant environments, which is able to play MTG intelligently and competitively. This is done through the creation of an environment focused on applying the chosen strategy, as well as the evaluation of the complexity of the learning task. A self-developed framework is implemented, which is responsible for applying the neuroevolutionary method and executing the various trainings.