Usa la IA

Cómo funciona nuestra IA

Una IA que aprendió a jugar fútbol en bonk.io sola, jugando millones de partidas contra sí misma, con la física real del juego.

Las salas "| IA | BONKTOOLS |" tenían un jugador que no era una persona: una inteligencia artificial que aprendió fútbol desde cero. Nadie programó "ve hacia la pelota y tira". Aprendió por prueba y error, jugando millones de jugadas, y fue mejorando sola.

Esta pestaña lo enseña todo: cómo funciona, cómo descargar los modelos listos, cómo ponerla en tu sala y cómo entrenar tu propia IA.

La idea en una frase

La IA mira el juego (39 números), elige una tecla (18 opciones) y recibe puntos cuando hace algo bueno (gol) y pierde puntos cuando hace algo malo (recibir un gol). Tras millones de intentos, aprende a hacer lo que da más puntos.

Esto se llama aprendizaje por refuerzo (reinforcement learning, RL). El algoritmo que usamos es PPO, el mismo de los bots de Rocket League y de muchos juegos.

Las piezas

text
          ┌──────────── ENTRENAMIENTO (Python, en tu PC o en un servidor) ────────┐
          │                                                                       │
          │  física REAL de bonk.io  ◄── puente Node ──►  entorno (Gymnasium)     │
          │  (PhysicsSimulator de la lib)                  │ observación + puntos │
          │                                                ▼                      │
          │                                     PPO (stable-baselines3)           │
          │                                                │                      │
          └────────────────────────────────────────────────┼──────────────────────┘
                                                           ▼
                                                    policy.json (el "cerebro" de la IA, ~430 KB)
                                                           │
          ┌───────────── SALA (Node, sin Python) ──────────┼──────────────────────┐
          │  ScoreTracker ─► estado ─► observación ─► red ─► teclas ─► sala       │
          └───────────────────────────────────────────────────────────────────────┘
  1. La física de verdad. La biblioteca bonktools ejecuta la física del propio juego, sin navegador y mucho más rápido que el tiempo real. La IA entrena en el mismo juego en que va a jugar.
  2. El entorno convierte el juego en un "ejercicio" que la IA entiende: empieza una jugada, decide cada 100 ms, la jugada termina en gol.
  3. PPO ajusta la red neuronal para repetir lo que dio puntos.
  4. El policy.json es la red entrenada. Corre en JavaScript puro dentro de la sala: no necesita Python ni tarjeta gráfica.

Lo que la IA "ve"

En cada decisión, la IA recibe 39 números (la "observación"), todos desde su punto de vista y siempre como si atacara hacia la derecha (cuando juega en rojo, el campo se refleja):

  • su posición y velocidad, las de la pelota y las del rival;
  • dónde está la pelota respecto a ella, al rival y a las dos porterías;
  • distancias a los postes y a las paredes;
  • si la pelota está entre ella y la portería rival (puede tirar) o si ella está entre la pelota y su propia portería (está defendiendo);
  • si ella y el rival pueden tirar ahora;
  • cuánto falta para que se libere el saque.

Los detalles están en Lo que ve la IA y cómo gana puntos.

Lo que la IA "hace"

18 acciones: 9 direcciones (incluido quedarse quieta) × tirar o no. Cada 100 ms elige una. Es parecido al ritmo de un jugador humano: nadie cambia de tecla 30 veces por segundo.

Cómo aprendió

El entrenamiento es un currículo, como en la escuela: empieza fácil y se vuelve difícil.

EtapaEjercicioPasa cuando
1Portería vacía: pelota en cualquier lugar, rival quieto y lejosMarca en el 80% de las jugadas
2Rival quieto en el caminoMarca en el 70% de las jugadas
3Juego de verdad: rival con script o una versión antigua de sí mismaNo termina: sigue mejorando

Jugar contra versiones antiguas de sí misma (self-play) es lo que hace que la IA siga mejorando: el rival sube de nivel junto con ella.

Números del modelo publicado

Pasos de entrenamiento182 millones (cada paso = 100 ms de juego ≈ 210 días de pelota rodando)
Red39 → 256 → 256 → 18 (tanh), ~430 KB
Contra el script más fuerte95 goles, 2 recibidos en 100 jugadas (con los "ojos" de la sala)
Contra humanosLes complica la vida a los principiantes; los jugadores experimentados encuentran los huecos y ganan la mayoría de las partidas (ver Lo que aprendimos)
CostoCero en APIs: solo CPU. Entrenamos en máquinas gratuitas de Oracle y en un PC común

Por dónde seguir