La compañía asegura que estas novedades responden a una necesidad frecuente entre quienes desarrollan aplicaciones con IA: reducir tiempos de procesamiento sin sacrificar calidad. La propuesta consiste en combinar ambos modelos dentro de un mismo flujo de trabajo para pasar de una imagen estática a un video animado en pocos pasos.

Nano Banana 2 Lite fue presentado como la versión más rápida y económica de la familia Nano Banana. Está pensado para proyectos que requieren producir un gran volumen de imágenes o trabajar casi en tiempo real. Según Google, puede generar una imagen a partir de una descripción en aproximadamente cuatro segundos y tiene un costo de 0,034 dólares por cada imagen de resolución 1K, lo que representa una alternativa para quienes necesitan optimizar recursos.

El modelo está dirigido principalmente a desarrolladores, aunque también comenzará a integrarse en servicios para usuarios finales como la aplicación Gemini, Google Fotos, NotebookLM, Google Flow, Google Ads y el Modo IA del buscador.

Del boceto al video en una misma plataforma

La segunda novedad es Gemini Omni Flash, un modelo capaz de generar y editar videos utilizando texto, imágenes y clips como referencia. La herramienta permite modificar una escena mediante instrucciones conversacionales y mantener coherencia entre los distintos elementos visuales, una función pensada para agilizar procesos creativos que antes requerían varias aplicaciones.

Por ahora, Omni Flash admite videos de hasta diez segundos y mantiene algunas limitaciones, como la falta de soporte para referencias de audio o la dificultad para conservar completamente la apariencia de un personaje durante ciertos cambios de escena. Google indicó que estas capacidades continuarán evolucionando durante la etapa de vista previa pública.

Uno de los aspectos que la empresa busca impulsar es el uso conjunto de ambos modelos. La idea consiste en generar primero una imagen con Nano Banana 2 Lite y luego convertirla en un video mediante Gemini Omni Flash. Para demostrar estas posibilidades, Google publicó varias aplicaciones de ejemplo, entre ellas una que transforma una fotografía en un recorrido animado por distintos lugares del mundo, otra para visualizar remodelaciones de interiores y una enfocada en crear videos para comercio electrónico a partir de imágenes de productos.

Las personas interesadas en probar estas herramientas pueden acceder desde Google AI Studio o integrarlas mediante la API de Gemini. Google también puso a disposición documentación técnica, guías de uso y ejemplos para facilitar el desarrollo de proyectos basados en estos modelos. Además, el contenido generado incorpora la marca de agua SynthID, un sistema que permite identificar material creado con inteligencia artificial y reforzar la transparencia en su utilización.

Desarrollado por Google DeepMind, el sistema mejora la comprensión de la composición musical. Los usuarios pueden pedir elementos concretos como introducciones, estrofas, coros o puentes, lo que facilita construir canciones más completas.

La propuesta apunta tanto a creadores individuales como a empresas. También ofrece opciones de personalización que permiten ajustar estilo, ritmo y progresión según el tipo de contenido.

En Vertex AI, Lyria 3 Pro ya está disponible en versión preliminar pública. Allí, las compañías pueden generar audio a gran escala, desde bandas sonoras para videojuegos hasta piezas para video o publicidad.

Los desarrolladores, por su parte, pueden acceder a esta tecnología a través de Google AI Studio y la API de Gemini. Esto permite integrar la generación musical en aplicaciones y plataformas propias.

Música personalizada en más productos

La herramienta también se integra en Google Vids, donde los usuarios pueden añadir música original a sus proyectos. Está disponible para clientes de Google Workspace y suscriptores de planes de inteligencia artificial.

En la aplicación Gemini, los usuarios de pago pueden crear pistas más largas para podcasts, tutoriales o videos. La idea es facilitar la producción de contenido sin depender de bibliotecas externas.

Otra integración es ProducerAI, una plataforma colaborativa pensada para artistas, productores y compositores. Allí, la IA funciona como apoyo en el proceso creativo.

Google asegura que el modelo fue entrenado con contenido autorizado. Además, evita imitar directamente a artistas y aplica filtros para comparar resultados con obras existentes.

Cada pieza generada incluye SynthID, una marca de agua digital que permite identificar contenido creado con IA. Con estas medidas, la compañía busca equilibrar innovación y uso responsable.

La idea es sencilla: cualquiera puede aprender sobre IA, sin importar su nivel de experiencia. Desde un estudiante que quiere entender cómo funcionan los modelos generativos hasta un ejecutivo que busca aplicar estrategias de automatización en su empresa. Pero detrás del anuncio hay una jugada mayor: Google está construyendo su propio ecosistema de talento especializado en inteligencia artificial.

Aprender IA como si fuera un juego

El aprendizaje ya no se siente como una clase tradicional. Google ha introducido un formato gamificado, con “rachas”, logros y medallas que se pueden compartir en redes sociales. Según sus propios datos, el 95 % de los usuarios asegura que este tipo de dinámicas los motiva más a continuar aprendiendo.

Además, el sistema permite avanzar por niveles. Se puede empezar con cursos básicos como Google AI Essentials, luego pasar a rutas de especialización o incluso prepararse para certificaciones profesionales en Google Cloud o DeepMind. Para quienes buscan aprender haciendo, la plataforma ofrece laboratorios prácticos en los que los usuarios pueden programar directamente con Gemini Code Assist, el asistente de IA de Google.

Formación con impacto real en el empleo

Uno de los elementos más estratégicos de Google Skills es su vínculo con la empleabilidad. La compañía no solo ofrece formación, sino que también conecta a los egresados con más de 150 empresas que forman parte de su consorcio de contratación. El objetivo es claro: que quienes completen los certificados puedan acceder a puestos en compañías como Jack Henry, Telus o Deutsche Bank.

Esta lógica de “aprender para trabajar” responde a una necesidad real: la escasez global de profesionales capacitados en inteligencia artificial. Según informes recientes, el déficit de talento en áreas de IA supera los 10 millones de vacantes a nivel mundial. Google pretende ocupar parte de ese vacío, no solo como proveedor tecnológico, sino como formador.

Acceso gratuito y flexible

El acceso a Google Skills es completamente gratuito para estudiantes, instituciones educativas, ONG y programas gubernamentales a través del programa Career Launchpad. Además, los clientes de Google Cloud pueden usar toda la biblioteca bajo demanda sin costo adicional.

Para quienes desean practicar con tecnología real, Google ofrece 35 créditos mensuales gratuitos que permiten experimentar dentro de la plataforma. El registro solo requiere una cuenta de Google y no exige experiencia previa, lo que convierte a Google Skills en una puerta de entrada accesible al mundo de la inteligencia artificial.

Te puede interesar: ¿En qué se diferencia Claude Sonnet 4.5 de ChatGPT y por qué todos hablan de ella?

Con Google Skills, la compañía refuerza su papel como impulsor del talento digital. A diferencia de otras plataformas educativas, no busca solo enseñar, sino preparar a la fuerza laboral global para la economía impulsada por la IA. En otras palabras, Google no está creando solo estudiantes, sino futuros aliados tecnológicos.

Aprender a usar inteligencia artificial ya no es opcional; es una necesidad profesional. Y Google Skills parece entenderlo mejor que nadie: combina formación gratuita, práctica real y oportunidades laborales en una misma experiencia.

Para quienes buscan reinventarse en la era de la automatización, Google Skills podría ser el punto de partida ideal.

Este nuevo procesador forma parte del sistema AI Hypercomputer, una arquitectura que combina hardware, software y modelos optimizados para el desarrollo y ejecución de IA generativa. Según Google, Ironwood ofrece un rendimiento 3.600 veces mayor que la primera TPU pública, y está diseñado para acelerar el entrenamiento de modelos como Gemini.

Vertex AI, la plataforma de desarrollo de IA en Google Cloud, fue otro de los pilares del evento. Su uso ha crecido 20 veces en el último año, impulsado por la incorporación de modelos como Gemini 2.5 Pro y ahora Gemini 2.5 Flash, que responde a necesidades específicas de procesamiento rápido y bajo costo.

Gemini 2.5 Flash fue presentado como una opción ideal para aplicaciones de atención al cliente, agentes virtuales y herramientas de resumen en tiempo real. Su diseño prioriza la velocidad y la eficiencia, sin comprometer la calidad de respuesta, lo que lo convierte en una herramienta clave para organizaciones que operan a gran escala.

Por su parte, Gemini 2.5 Pro sigue disponible en Vertex AI en vista previa pública, y está orientado a tareas más complejas como análisis de grandes volúmenes de texto o interpretación de documentos densos, incluyendo contratos legales e historiales médicos.

Te puede interesar: ONU revela que la IA está en pocas manos: 100 empresas concentran la inversión y 118 países no participan

La estrategia de Google se apoya en un ecosistema diverso de modelos de IA que cubren múltiples formatos: texto, imagen, audio, música y video. Durante el evento, se destacaron innovaciones como Imagen 3, Chirp 3, Lyria y Veo 2, que fortalecen el portafolio de Vertex AI Model Garden con más de 200 modelos disponibles.

A nivel empresarial, la compañía presentó nuevas funciones para facilitar la adopción de IA. Una de ellas es Vertex AI Model Optimizer, que selecciona automáticamente el modelo más adecuado según criterios de rendimiento, costo y velocidad. También se lanzaron herramientas como el Kit de Desarrollo de Agentes (ADK) y el Protocolo Agent2Agent (A2A), que facilitan la interoperabilidad entre agentes de IA.

El concepto de agentes autónomos fue reforzado con el avance de Google Agentspace, una plataforma que reúne capacidades de búsqueda, IA conversacional y automatización empresarial. Esta herramienta ya es utilizada por más de 100.000 empresas y permite a los usuarios crear, descubrir y operar agentes de IA dentro de sus flujos de trabajo diarios.

Entre sus funciones destacadas están el “Deep Research Agent”, que presenta investigaciones sobre temas complejos en un formato legible, y el “Idea Generation Agent”, que clasifica ideas mediante criterios definidos por los usuarios. Estas herramientas buscan democratizar el acceso a la inteligencia artificial en todos los niveles de la organización.

En el ámbito científico, Google también presentó avances relevantes. AlphaFold 3, desarrollado por DeepMind, ahora está disponible en Google Cloud para uso no comercial. Esta herramienta permite predecir estructuras moleculares con alta precisión, y podría acelerar investigaciones en biología, medicina y química.

Te puede interesar: María Victoria Quiñones, la jueza colombiana que usa IA de Microsoft en su tribunal: “La justicia que no espera”

Otra innovación en este campo es WeatherNext, una familia de modelos desarrollados por Google DeepMind y Google Research para pronósticos meteorológicos precisos. Ya se encuentran disponibles en Vertex AI Model Garden y pueden personalizarse para diferentes aplicaciones industriales y científicas.

En términos de infraestructura, Google anunció que su red privada global (WAN) está disponible comercialmente. Esta red, utilizada para entrenar modelos como Gemini, ofrece hasta un 40% más de rendimiento que la internet pública y opera en más de 200 países y territorios.

Finalmente, se presentaron avances en seguridad con GUS (Google Unified Security), una solución que integra inteligencia de amenazas, visibilidad en redes y automatización de respuestas, todo impulsado por modelos de Gemini. Esto refuerza el compromiso de Google con una implementación segura y escalable de la IA.

Imagen: Archivo ENTER.CO

La finalidad de Blue es ofrecer una experiencia de interacción más intuitiva y emocionalmente expresiva. Equipado con el motor de física Newton, desarrollado por Nvidia, Blue puede moverse con precisión y reaccionar de manera fluida a su entorno. Esta tecnología permite que el robot exprese emociones básicas mediante movimientos y sonidos, imitando el comportamiento de personajes como R2-D2 y C-3PO.

El motor Newton no solo dota a Blue de movimientos más realistas, sino que también facilita su entrenamiento en entornos virtuales antes de ser desplegado en el mundo real. Esta característica permite optimizar su aprendizaje y reducir riesgos en la experimentación física, lo que podría marcar un antes y un después en la evolución de la robótica.

Te puede interesar: Reviven cyborg líquido de “Terminator 2”: Surcorea desarrolló robot blando inspirado en el policía asesino

Si bien la estética y el comportamiento de Blue remiten a los droides de la ciencia ficción, su desarrollo no está pensado únicamente para el entretenimiento. Se espera que robots con estas características sean implementados en parques temáticos, donde podrán interactuar con los visitantes de manera dinámica y realista, enriqueciendo la experiencia de los asistentes.

Además, Blue y tecnologías similares podrían encontrar aplicaciones en el ámbito educativo y en la asistencia médica. En educación, los robots con inteligencia artificial pueden convertirse en asistentes personalizados para el aprendizaje, brindando apoyo a estudiantes con diferentes necesidades.

En el sector de la salud, podrían desempeñar funciones de acompañamiento, asistencia en terapias y apoyo a personas con discapacidades, mejorando su calidad de vida.

La apuesta de las compañías desarrolladoras

La colaboración entre Nvidia, Disney Research y Google DeepMind demuestra el creciente interés de las grandes compañías tecnológicas en la robótica avanzada y la inteligencia artificial aplicada a la interacción humano-máquina. Nvidia, líder en el desarrollo de GPU y procesamiento de datos, busca consolidar su posición como pionera en la integración de IA en hardware especializado.

Disney, por su parte, ve en este avance una oportunidad para revolucionar la forma en que los visitantes interactúan con sus parques temáticos y experiencias de entretenimiento inmersivo. Google DeepMind, conocida por sus logros en inteligencia artificial, aporta su experiencia en aprendizaje automático y procesamiento de datos para mejorar la capacidad adaptativa del robot.

Esta sinergia entre empresas tecnológicas y de entretenimiento sugiere que el futuro de la robótica se encamina hacia dispositivos cada vez más autónomos, expresivos y capaces de interactuar de manera natural con los humanos. Aunque Blue es solo un prototipo, su desarrollo marca un hito en la evolución de los robots sociales y abre la puerta a nuevas aplicaciones en múltiples sectores.

Imagen: Captura de Pantalla

En el marco de Google I/O, la conferencia anual de desarrolladores realizada por el buscador en Mountain View, California, la compañía lanzó Gemini 1.5 Flash, un modelo más liviano diseñado para ofrecer velocidad y eficiencia a escala. Esta nueva incorporación a la familia Gemini promete revolucionar la forma en que se brindan servicios de IA a través de su rendimiento optimizado. 

Desde el lanzamiento de Gemini 1.0 en diciembre, Google continuamente ha incorporado mejoras en sus modelos multimodales nativos. Por ejemplo, la versión 1.5 Pro, lanzada unos meses después, introdujo un rendimiento mejorado y una ventana de contexto larga de 1 millón de tokens, lo que resultó ser útil para desarrolladores y clientes empresariales.

Sin embargo, Google reconoce la necesidad de una latencia más baja y un menor costo de servicio en ciertas aplicaciones, lo que impulsó el desarrollo de Gemini 1.5 Flash. 

Este modelo, aunque más liviano que su predecesor, conserva la capacidad de realizar razonamiento multimodal a través de grandes volúmenes de información, brindando una calidad impresionante para su tamaño.

Te puede interesar: OpenAI lanza GPT-4o: IA gratuita, con nuevas funciones e interacción más humana ¿Qué encontrarás?

Es decir, Flash destaca en una variedad de aplicaciones, incluidos resúmenes, aplicaciones de chat, subtítulos de imágenes y videos, extracción de datos de tablas y documentos extensos, entre otros. Gracias a un proceso de “destilación”, este modelo ha heredado los conocimientos esenciales de su predecesor, lo que lo hace altamente capaz y eficiente en términos de costo.

Tanto Gemini 1.5 Pro como 1.5 Flash están disponibles en versión preliminar pública, con opciones de ventana de contexto de 1 millón de tokens en Google AI Studio y Vertex AI. Además, 1.5 Pro ahora está disponible con una ventana de contexto extendida de 2 millones de tokens para desarrolladores que utilizan la API y clientes de Google Cloud, a través de una lista de espera.

Además de las mejoras en Gemini 1.5 Flash, Google ha realizado importantes avances en la mejora de 1.5 Pro. Más allá de ampliar su ventana de contexto, se han realizado mejoras significativas en su generación de código, razonamiento lógico, conversación de múltiples turnos y comprensión de audio e imágenes.

Te puede interesar: OpenAI desarrolló un software que no solo identifica imágenes creadas con IA, también audios

Con estos avances, Gemini 1.5 Pro puede seguir instrucciones complejas y matizadas, lo que permite un mayor control sobre las respuestas del modelo para casos de uso específicos. Además, la integración de comprensión de audio en Gemini API y Google AI Studio amplía aún más su versatilidad y capacidad.

Además de los avances en la familia Gemini, Google también anunció Gemma 2, la próxima generación de modelos abiertos, diseñada para la innovación responsable en IA. Esta nueva arquitectura promete un rendimiento y una eficiencia revolucionarios, y estará disponible en nuevos tamaños para adaptarse a una variedad de aplicaciones y necesidades.

¿En qué consiste el proyecto “Astra de Google DeepMind”?

En conjunto, estos avances representan un paso significativo hacia el desarrollo de agentes de IA universales, como parte del Proyecto Astra de Google DeepMind. Estos agentes prototipo están diseñados para comprender y responder al mundo de manera similar a como lo hacen las personas, con la capacidad de percibir, razonar y conversar de manera más natural y fluida.

Con una exploración continua y un compromiso con la innovación, Google continúa redefiniendo los límites de la inteligencia artificial, desbloqueando nuevas posibilidades y aplicaciones emocionantes para la tecnología Gemini.

Además de las actualizaciones en Gemini, Google está trabajando en expandir aún más las capacidades de sus modelos abiertos con Gemma 2, la próxima generación de modelos abiertos diseñados para la innovación responsable en IA. Esta nueva arquitectura promete un rendimiento y una eficiencia revolucionarios, y estará disponible en una variedad de tamaños para adaptarse a diversas aplicaciones y necesidades. Con Gemma 2, Google busca impulsar la investigación y el desarrollo en inteligencia artificial de manera ética y responsable.

Te puede interesar: Google lanza “AI Essentials” un curso para todas las profesiones para aprender habilidades en IA

Por otro lado, Google también está avanzando en su misión de desarrollar agentes de IA universales con el Proyecto Astra. Estos agentes prototipo están diseñados para comprender y responder al mundo de manera similar a como lo hacen las personas, con la capacidad de percibir, razonar y conversar de manera más natural y fluida. Esta iniciativa refleja el compromiso continuo de Google con el desarrollo de tecnologías que beneficien a la humanidad de manera responsable.

Imagen: Google

DeepMind, la división de inteligencia artificial de Google, abrió al público la plataforma de laberintos que usa para muchos de sus experimentos de aprendizaje de máquinas. Todo el código fuente del entorno de entrenamiento estará disponible a través de GitHub para que otros investigadores puedan usarlo, informó Bloomberg.

DeepMind Lab (antes Labyrinth) estará en el repositorio de códigos abiertos para que cualquiera lo descargue y lo personalice y pueda entrenar sistemas de inteligencia artificial propios. También se podrán crear nuevos niveles de juegos para DeepMind Lab y subirlos a GitHub.  

Según el medio, la decisión de Google de abrir su entorno de entrenamiento AI al público demuestra que la compañía quiere ser más abierta en cuanto a su investigación de aprendizaje de máquinas. Esta oportunidad le permitirá a otros investigadores ssaber si  sus propios sistemas se pueden replicar y podrán medir el desempeño de sus propios agentes AI con las mismas pruebas que usa DeepMind.

Otra compañía que hace poco abrió sus entornos al público es OpenAI, dirigida por Elon Musk (CEO y fundador de Tesla y SpaceX) y los inversionistas Peter Thiel y Sam Altman. Ellos crearon su propia plataforma de entrenamiento AI, llamada OpenAI Gym que está abierta al público desde abril de este año.

Hoy OpenAI Gym anunció que abriría una interfaz llamada Universe que le permite a un agente AI usar un computador de la misma forma que un humano: mirando pixeles en la pantalla y operando un teclado y un ratón virtual, explicó la compañía en un comunicado.

Uno de los cofundadores de DeepMind, Shane Legg, negó en una entrevista que la decisión de la compañía se deba a la competencia con OpenAI o a las críticas de que Google es muy reservado con sus ejecuciones de AI.

DeepMind es reconocido por haber creado un agente de AI que fue capaz de vencer al mejor jugador humano del mundo en el juego de estrategia Go. Este logro es considerado el mayor avance de la AI porque Go tiene tantos posibles movimientos que no puede ser manejado con cálculos ‘brutos’, así que el sistema de AI, llamado AlphaGo, tiene que usar métodos similares a la intuición humana para jugarlo con éxito.

Aunque AlphaGo no está entrenado con la plataforma Lab, la compañía ha usado el entorno Lab para varios de sus esfuerzos por crear un sistema que domine la percepción, la memoria, planeación y navegación. Mira en estos videos algunos de estos experimentos.

Imagen: DeepMind. 

DeepMind, el laboratorio de inteligencia artificial de Google, presentó el pasado viernes 17 de junio una actualización de sus más recientes logros en aprendizaje de máquinas.  Dentro de los avances de AI de Google está un experimento en el que lograron entrenar a una hormiga virtual para que juegue fútbol, según informó VentureBeat. 

Mediante una publicación en el blog del laboratorio, David Silver explicó los más recientes avances de la tecnología de AI de Google, dentro de los que está un algoritmo avanzado que permite a una hormiga virtual jugar fútbol sin ningún conocimiento previo del deporte.

DeepMind usa un sistema llamado ‘aprendizaje de reforzamiento’ (RL) que consiste en aprender por prueba y error a través de recompensas o castigos. Junto a RL también se usa ‘deep learning’, que consiste en entrenar redes neuronales artificiales con mucha información para que luego el sistema haga inferencias propias y produzca nueva información.

Con RL, y sus evoluciones, Google ha logrado que sus agentes jueguen videojuegos con la misma capacidad de un humano y sin necesidad de entrenarlos en las dinámicas de los juegos, sino en habilidades de solución de problemas y de recibir recompensas.

Google ha logrado que sus máquinas jueguen igual que un humano e incluso son capaces de ganarles en juegos de estrategia. Google tiene un programa llamado AlphaGo, con el que se le enseñó a un agente de AI a jugar un juego llamado ‘Go’, un juego chino antiguo parecido al ajedrez. Hace unos meses Google enfrentó a AlphaGo con el mejor jugador de ‘Go’ del mundo, Lee Se-dol y le ganó. El sistema mezcla una red neuronal y un árbol de decisión para saber cómo moverse en el juego. Pero antes el programa había analizado las partidas de los mejores jugadores del mundo para aprender a jugar.

Para entender mejor cómo hace esta hormiga deportista, es necesario hacer un pequeño repaso de lo que ha hecho hasta el momento Google en AI.

Aprender a comportarse

Los agentes de AI de DeepMind deben realizar juicios constantemente para seleccionar buenas acciones sobre las incorrectas. Ese conocimiento se representa a través de un algoritmo llamado ‘Q-network’ que estima la recompensa total que un agente espera recibir luego de ejecutar una acción determinada.

Hace dos años el laboratorio presentó el primero de estos algoritmos de RL. La idea era combinar los algoritmos de ‘Q-network’ con redes neuronales artificiales. Las redes neuronales artificiales son sistemas que simulan la forma en que funcionan las neuronas de los seres vivos.

Los intentos anteriores de combinar estos dos sistemas presentaron algunos inconvenientes, como aprendizaje inconstante. Para solucionar estas inestabilidades, los algoritmos ‘Deep Q-Networks’ de Google (DQN) almacena todas las experiencias de entrenamiento del agente de AI y después toma muestras al azar de ellas. Luego las reproduce de forma aleatoria para que el agente obtenga información diversa de entrenamiento.

La ‘máquina’ gana

Luego de hacer este entrenamiento, Google aplicó el DQN para que el agente aprendiera a jugar videojuegos en la consola Atari 2600. El sistema observa los pixeles que componen el juego en la pantalla, luego correlaciona esa información con los datos que previos de la recompensa que le genera cierto puntaje adquirido dentro del juego. A partir de esa correlación selecciona qué hacer en el videojuego. 

A través de un reporte, Google demostró que pudo entrenar varios agentes con DQN para que jugaran 50 juegos diferentes sin tener ningún conocimiento previo del juego como tal. Incluso el sistema logró un desempeño parecido al de un humano en casi la mitad de los juegos.

Con estos algoritmos Google construyó un sistema masivo de RL que llamaron Gorila, que usa la plataforma de Google Cloud para acelerar el tiempo de entrenamiento de los agentes de AI. Gorila se ha aplicado a algunos sistemas dentro de Google.

‘Multitasking’ en su máxima expresión

Google no se conformó con Gorila para seguir desarrollando su método de aprendizaje por recompensas.  Así que recientemente presentó otro método que es más práctico y efectivo basados en órdenes asincrónicas de RL. La idea es que el agente de AI pueda ejecutar varias acciones en pararelo. Esto provee una alternativa para que los agentes solucionen mejor los problemas que se presentan en videojuegos.

El algoritmo asincrónicas, llamado A3C, combina algunos algoritmos de ‘Q-network’ con la tecnología de ‘deep learning’ para seleccionar las mejores acciones, es decir las que le den mejores recompensas al agente. La diferencia es que necesita muy poco tiempo de entrenamiento, comparado con DQN, y muchos menos recursos de energía de los que usa Gorila.

Con A3C Google lanzó Labyrinth, una suite de navegación en 3D de laberintos y juegos de rompecabezas. Los agentes son capaces de resolver estos juegos con la mismo rendimiento que un humano. El mismo algoritmo de Labyrinth le permite a la hormiga meter goles sin necesidad de haber entrenado al agente para jugar fútbol. El agente solo necesita saber qué acciones le darán más recompensas. Para eso, el agente también crea un sistema de estrategias que le permiten ejecutar varias acciones al tiempo, y junto a una estrategia de prioridades dentro del juego, la hormiga no falla ningún tiro al arco. 

Imagen: captura de pantalla.