Inteligencia artificial en los videojuegos

En los videojuegos, la inteligencia artificial (IA) se utiliza para generar comportamientos receptivos, adaptativos o inteligentes principalmente en personajes no jugables (NPC), similares a la inteligencia humana. La inteligencia artificial ha sido una parte integral de los videojuegos desde sus inicios en la década de 1950. La IA en los videojuegos es un subcampo distinto y se diferencia de la IA académica. Sirve para mejorar la experiencia del jugador en lugar del aprendizaje automático o la toma de decisiones. Durante la época dorada de los videojuegos arcade, la idea de oponentes de IA se popularizó en gran medida en forma de niveles de dificultad graduados, patrones de movimiento distintos y eventos en el juego que dependían de la participación del jugador. Los juegos modernos a menudo implementan técnicas existentes, como la búsqueda de caminos y los árboles de decisión, para guiar las acciones de los NPC. La IA se utiliza a menudo en mecanismos que no son inmediatamente visibles para el usuario, como la extracción de datos y la generación de contenido procedimental.

En general, la IA del juego no significa, como podría pensarse y a veces se describe, la realización de una persona artificial correspondiente a un NPC a la manera del test de Turing o una inteligencia artificial general.

Descripción general

El término "IA de juego" se utiliza para referirse a un amplio conjunto de algoritmos que también incluyen técnicas de la teoría del control, la robótica, los gráficos por computadora y la informática en general, por lo que la IA de los videojuegos a menudo puede no constituir una "verdadera IA" en el sentido de que dichas técnicas no necesariamente facilitan el aprendizaje informático u otros criterios estándar, sino que sólo constituyen una "computación automatizada" o un conjunto predeterminado y limitado de respuestas a un conjunto predeterminado y limitado de entradas.

Muchas industrias y voces corporativas afirman que la llamada IA de los videojuegos ha recorrido un largo camino en el sentido de que ha revolucionado la forma en que los humanos interactúan con todas las formas de tecnología, aunque muchos investigadores expertos se muestran escépticos ante tales afirmaciones, y particularmente de la noción de que tales tecnologías se ajustan a la definición de "inteligencia" utilizado habitualmente en las ciencias cognitivas. Las voces de la industria argumentan que la IA se ha vuelto más versátil en la forma en que utilizamos todos los dispositivos tecnológicos para algo más que el propósito previsto porque la IA permite que la tecnología funcione de múltiples maneras, supuestamente desarrollando sus propias personalidades y llevando a cabo instrucciones complejas del usuario. .

Sin embargo, la gente en el campo de la IA ha argumentado que la IA de los videojuegos no es verdadera inteligencia, sino una palabra de moda publicitaria utilizada para describir programas informáticos que utilizan algoritmos simples de clasificación y coincidencia para crear la ilusión de un comportamiento inteligente y al mismo tiempo otorgan al software una aura engañosa de complejidad y avance científico o tecnológico. Dado que la IA del juego para NPC se centra en la apariencia de inteligencia y una buena jugabilidad dentro de las restricciones del entorno, su enfoque es muy diferente al de la IA tradicional.

Historia

Los juegos fueron un área de investigación en IA desde sus inicios. Uno de los primeros ejemplos de IA es el juego computarizado de Nim creado en 1951 y publicado en 1952. A pesar de contar con tecnología avanzada en el año en que se creó, 20 años antes que Pong, el juego tomó la forma de una caja relativamente pequeña y podía ganar juegos regularmente incluso contra jugadores altamente hábiles. En 1951, utilizando la máquina Ferranti Mark 1 de la Universidad de Manchester, Christopher Strachey escribió un programa de damas y Dietrich Prinz uno de ajedrez. Estos estuvieron entre los primeros programas de computadora jamás escritos. El programa de damas de Arthur Samuel, desarrollado a mediados de los años 50 y principios de los 60, finalmente alcanzó la habilidad suficiente para desafiar a un aficionado respetable. El trabajo en damas y ajedrez culminaría con la derrota de Garry Kasparov por la computadora Deep Blue de IBM en 1997. Los primeros videojuegos se desarrollaron en los años 1960 y principios de los 1970, como Spacewar!, Pong y Gotcha (1973), eran juegos implementados con lógica discreta y estrictamente basados en la competición de dos jugadores, sin IA.

Los juegos que presentaban un modo para un jugador con enemigos comenzaron a aparecer en la década de 1970. Los primeros juegos destacados para arcade aparecieron en 1974: el juego de Taito Speed Race (videojuego de carreras) y los juegos de Atari Qwak (caza de patos con pistola ligera) y Pursuit (simulador de combates aéreos de aviones de combate). Dos juegos de ordenador basados en texto, Star Trek (1971) y Hunt the Wumpus (1973), también tenían enemigos. El movimiento enemigo se basaba en patrones almacenados. La incorporación de microprocesadores permitiría más cálculo y elementos aleatorios superpuestos en patrones de movimiento.

Fue durante la época dorada de los videojuegos arcade cuando la idea de oponentes con IA se popularizó en gran medida, debido al éxito de Space Invaders (1978), que presentaba un nivel de dificultad cada vez mayor, movimientos distintos patrones y eventos en el juego que dependen de funciones hash basadas en la entrada del jugador. Galaxian (1979) añadió movimientos enemigos más complejos y variados, incluidas maniobras de enemigos individuales que rompen la formación. Pac-Man (1980) introdujo patrones de IA en los juegos de laberintos, con la peculiaridad añadida de diferentes personalidades para cada enemigo. Karate Champ (1984) introdujo posteriormente patrones de IA en los juegos de lucha. First Queen (1988) fue un juego de rol de acción táctica que presentaba personajes que podían ser controlados por la IA de la computadora para seguir al líder. El videojuego de rol Dragon Quest IV (1990) introdujo una estrategia de "tácticas" sistema, donde el usuario puede ajustar las rutinas de IA de personajes no jugadores durante la batalla, un concepto introducido más tarde en el género de juegos de rol de acción por Secret of Mana (1993).

Juegos como Madden Football, Earl Weaver Baseball y Tony La Russa Baseball basaron su IA en un intento de duplicar en la computadora el Estilo de entrenamiento o gestión de la celebridad seleccionada. Madden, Weaver y La Russa trabajaron exhaustivamente con estos equipos de desarrollo de juegos para maximizar la precisión de los juegos. Los títulos deportivos posteriores permitieron a los usuarios "sintonizar" variables en la IA para producir una estrategia de gestión o entrenamiento definida por el jugador.

La aparición de nuevos géneros de juegos en la década de 1990 impulsó el uso de herramientas formales de IA, como máquinas de estados finitos. Los juegos de estrategia en tiempo real cargaron a la IA con muchos objetos, información incompleta, problemas de búsqueda de caminos, decisiones en tiempo real y planificación económica, entre otras cosas. Los primeros juegos del género tuvieron problemas notorios. Herzog Zwei (1989), por ejemplo, casi había roto la búsqueda de caminos y máquinas de estado de tres estados muy básicas para el control de unidades, y Dune II (1992) atacó a los jugadores. ; Base en línea recta y utilizó numerosos trucos. Los juegos posteriores del género exhibieron una IA más sofisticada.

Los juegos posteriores han utilizado métodos de IA ascendente, como el comportamiento emergente y la evaluación de las acciones de los jugadores en juegos como Creatures o Black & Blanco. Façade (historia interactiva) se lanzó en 2005 y utilizó diálogos interactivos de múltiples vías e inteligencia artificial como aspecto principal del juego.

Los juegos han proporcionado un entorno para desarrollar inteligencia artificial con aplicaciones potenciales más allá del juego. Los ejemplos incluyen Watson, una computadora que juega Jeopardy!; y el torneo RoboCup, donde se entrenan robots para competir en fútbol.

Vistas

Muchos expertos se quejan de que la "IA" en el término "IA de juego" exagera su valor, ya que la IA de los juegos no se trata de inteligencia y comparte pocos de los objetivos del campo académico de la IA. Mientras que la "IA real" aborda campos del aprendizaje automático, la toma de decisiones basada en la entrada de datos arbitrarios e incluso el objetivo final de una IA fuerte que pueda razonar, la “IA de juego” A menudo consta de media docena de reglas generales, o heurísticas, que son suficientes para ofrecer una buena experiencia de juego. Históricamente, los proyectos académicos de IA de juegos han estado relativamente separados de los productos comerciales porque los enfoques académicos tendían a ser simples y no escalables. La IA de juegos comerciales ha desarrollado su propio conjunto de herramientas, que han sido suficientes para ofrecer un buen rendimiento en muchos casos.

Los desarrolladores de juegos' La creciente conciencia sobre la IA académica y el creciente interés de la comunidad académica por los juegos de ordenador están provocando que la definición de lo que se considera IA en un juego se vuelva menos idiosincrásica. Sin embargo, las diferencias significativas entre los diferentes dominios de aplicación de la IA significan que la IA de los juegos todavía puede verse como un subcampo distinto de la IA. En particular, la capacidad de resolver legítimamente algunos problemas de IA en los juegos mediante trampas crea una distinción importante. Por ejemplo, inferir la posición de un objeto invisible a partir de observaciones pasadas puede ser un problema difícil cuando la IA se aplica a la robótica, pero en un juego de computadora un NPC puede simplemente buscar la posición en el gráfico de escena del juego. Este tipo de trampa puede conducir a un comportamiento poco realista y, por lo tanto, no siempre es deseable. Pero su posibilidad sirve para distinguir la IA del juego y plantea nuevos problemas que resolver, como cuándo y cómo hacer trampa.

La principal limitación de una IA potente es la profundidad inherente del pensamiento y la extrema complejidad del proceso de toma de decisiones. Esto significa que, aunque teóricamente sería posible fabricar vehículos "inteligentes" en el futuro. AI el problema requeriría una potencia de procesamiento considerable.

Uso

En simulaciones por ordenador de juegos de mesa

• ajedrez de computadora
• Computador shogi
• Computadora
• Comprobadores informáticos
• Computadora Othello
• Jugadores de póquer de computadora
• Akinator
• Computer Arimaa
• Logistello, que juega Reversi
• Rog-O-Matic, que juega Rogue
• Informática de Scrabble
• Una variedad de juegos de mesa en la Olimpiada de Computación
• Juego general
• Los juegos resueltos tienen una estrategia informática que está garantizada a ser óptima, y en algunos casos fuerza una victoria o sorteo.

En los videojuegos modernos

Los algoritmos heurísticos/IA de juego se utilizan en una amplia variedad de campos bastante dispares dentro de un juego. El más obvio es el control de cualquier NPC en el juego, aunque el "scripting" (árbol de decisión) es actualmente el medio de control más común. Estos árboles de decisiones escritos a mano a menudo resultan en una "estupidez artificial" como comportamiento repetitivo, pérdida de inmersión o comportamiento anormal en situaciones que los desarrolladores no planearon.

La búsqueda de caminos, otro uso común de la IA, se ve ampliamente en los juegos de estrategia en tiempo real. Pathfinding es el método para determinar cómo llevar un NPC de un punto a otro en un mapa, teniendo en cuenta el terreno, los obstáculos y posiblemente la "niebla de guerra". Los videojuegos comerciales suelen utilizar una "búsqueda de caminos basada en cuadrículas" rápida y sencilla, en la que el terreno se mapea en una cuadrícula rígida de cuadrados uniformes y se aplica a la cuadrícula un algoritmo de búsqueda de caminos como A* o IDA*. En lugar de simplemente una cuadrícula rígida, algunos juegos usan polígonos irregulares y ensamblan una malla de navegación a partir de las áreas del mapa hacia las que los NPC pueden caminar. Como tercer método, a veces resulta conveniente para los desarrolladores seleccionar manualmente los "waypoints" que los NPC deberían utilizar para navegar; el costo es que dichos puntos de referencia pueden crear movimientos de apariencia antinatural. Además, los waypoints tienden a funcionar peor que las mallas de navegación en entornos complejos. Más allá de la búsqueda de rutas estática, la navegación es un subcampo de la IA del juego que se centra en dar a los NPC la capacidad de navegar en un entorno dinámico, encontrar un camino hacia un objetivo y evitar colisiones con otras entidades (otros NPC, jugadores...) o colaborar con ellos (navegación grupal). La navegación en juegos de estrategia dinámica con un gran número de unidades, como Age of Empires (1997) o Civilization V (2010), a menudo funciona mal; Las unidades a menudo se interponen en el camino de otras unidades.

En lugar de mejorar la IA del juego para resolver adecuadamente un problema difícil en el entorno virtual, a menudo es más rentable simplemente modificar el escenario para que sea más manejable. Si la búsqueda de caminos se atasca debido a un obstáculo específico, un desarrollador puede terminar moviendo o eliminando el obstáculo. En Half-Life (1998), el algoritmo de búsqueda de caminos a veces no lograba encontrar una forma razonable para que todos los NPC evadieran una granada lanzada; En lugar de permitir que los NPC intentaran apartarse del camino y correr el riesgo de parecer estúpidos, los desarrolladores programaron a los NPC para que se agacharan y se cubrieran en esa situación.

IA de combate de videojuegos

Muchos videojuegos contemporáneos entran en la categoría de acción, disparos en primera persona o aventuras. En la mayoría de este tipo de juegos, se lleva a cabo algún nivel de combate. La capacidad de la IA para ser eficiente en combate es importante en estos géneros. Un objetivo común hoy en día es hacer que la IA sea más humana o al menos lo parezca.

Una de las características más positivas y eficientes que se encuentran en la IA de los videojuegos modernos es la capacidad de cazar. La IA originalmente reaccionó de una manera muy blanca y negra. Si el jugador estuviera en un área específica, la IA reaccionaría de manera completamente ofensiva o completamente defensiva. En los últimos años, la idea de "cazar" ha sido introducido; en esta 'caza' Indique que la IA buscará marcadores realistas, como sonidos hechos por el personaje o huellas que puedan haber dejado. En última instancia, estos desarrollos permiten una forma de juego más compleja. Con esta característica, el jugador puede considerar cómo acercarse o evitar a un enemigo. Esta es una característica que prevalece particularmente en el género del sigilo.

Otro avance reciente en la IA de los juegos ha sido el desarrollo del "instinto de supervivencia". Las computadoras del juego pueden reconocer diferentes objetos en un entorno y determinar si son beneficiosos o perjudiciales para su supervivencia. Al igual que un usuario, la IA puede buscar cobertura en un tiroteo antes de realizar acciones que de otro modo la dejarían vulnerable, como recargar un arma o lanzar una granada. Se pueden establecer marcadores que le indiquen cuándo reaccionar de cierta manera. Por ejemplo, si a la IA se le da una orden para verificar su salud durante un juego, entonces se pueden configurar más comandos para que reaccione de una manera específica a un cierto porcentaje de salud. Si la salud está por debajo de un cierto umbral, entonces se puede configurar la IA para que huya del jugador y lo evite hasta que se active otra función. Otro ejemplo podría ser que si la IA nota que se ha quedado sin balas, encontrará un objeto de cobertura y se esconderá detrás de él hasta que haya recargado. Acciones como estas hacen que la IA parezca más humana. Sin embargo, todavía es necesario mejorar en este ámbito.

Otro efecto secundario de la IA de combate se produce cuando dos personajes controlados por la IA se encuentran; popularizado por primera vez en el juego de id Software Doom, el llamado 'luchas internas de monstruos' puede estallar en determinadas situaciones. Específicamente, los agentes de IA que están programados para responder a ataques hostiles a veces se atacarán entre sí si los ataques de su cohorte caen demasiado cerca de ellos. En el caso de Doom, los manuales de juego publicados incluso sugieren aprovechar las luchas internas de los monstruos para sobrevivir a ciertos niveles y niveles de dificultad.

Método de búsqueda del árbol de Monte Carlo

La IA de los juegos a menudo equivale a máquinas de búsqueda de caminos y de estados finitos. Pathfinding lleva la IA del punto A al punto B, normalmente de la forma más directa posible. Las máquinas de estados permiten la transición entre diferentes comportamientos. El método de búsqueda de árbol de Monte Carlo proporciona una experiencia de juego más atractiva al crear obstáculos adicionales que el jugador debe superar. El MCTS consta de un diagrama de árbol en el que la IA esencialmente juega al tres en raya. Dependiendo del resultado, selecciona un camino que presenta el siguiente obstáculo para el jugador. En videojuegos complejos, estos árboles pueden tener más ramas, siempre que el jugador pueda idear varias estrategias para superar el obstáculo. En la encuesta de este año 2022, podrá conocer las aplicaciones recientes del algoritmo MCTS en varios dominios de juegos, como juegos combinatorios de información perfecta, juegos de estrategia (incluido RTS), juegos de cartas, etc.

Usos en juegos más allá de los NPC

La IA académica puede desempeñar un papel dentro de la IA del juego, fuera de la preocupación tradicional de controlar el comportamiento de los NPC. Georgios N. Yannakakis destacó cuatro posibles áreas de aplicación:

1. Modelo de experiencia de jugador: Discernando la capacidad y el estado emocional del jugador, para adaptar el juego adecuadamente. Esto puede incluir dificultad dinámica de juego equilibrio, que consiste en ajustar la dificultad en un videojuego en tiempo real basado en la capacidad del jugador. Game AI también puede ayudar a deducir la intención del jugador (como el reconocimiento de gestos).
2. Generación de contenido procesal: Crear elementos del entorno del juego como condiciones ambientales, niveles e incluso música de una manera automatizada. Los métodos AI pueden generar nuevos contenidos o historias interactivas.
3. Minería de datos sobre comportamiento del usuario: Esto permite a los diseñadores de juegos explorar cómo la gente utiliza el juego, qué partes juegan más, y qué les hace dejar de jugar, permitiendo a los desarrolladores a sintonizar el juego o mejorar la monetización.
4. Alternate approaches to NPCs: These include changing the game set-up to enhance NPC believability and exploring social rather than individual NPC behaviour.

En lugar de la generación de procedimientos, algunos investigadores han utilizado redes generativas adversarias (GAN) para crear contenido nuevo. En 2018, investigadores de la Universidad de Cornwall entrenaron una GAN en mil niveles creados por humanos para Doom; Tras el entrenamiento, el prototipo de red neuronal pudo diseñar por sí solo nuevos niveles jugables. De manera similar, investigadores de la Universidad de California crearon un prototipo de GAN para generar niveles para Super Mario. En 2020, Nvidia mostró un clon de Pac-Man creado por GAN; La GAN aprendió a recrear el juego viendo 50.000 partidas (en su mayoría generadas por bots).

Engañar a la IA

Los jugadores siempre preguntan si los tramposos de AI (presumiblemente para que puedan quejarse si pierden)

—Terry Lee Coleman de Computer Gaming World, 1994

En el contexto de la inteligencia artificial en los videojuegos, hacer trampa se refiere a que el programador les da a los agentes acciones y acceso a información que no estaría disponible para el jugador en la misma situación. Creyendo que el Atari de 8 bits no podía competir contra un jugador humano, Chris Crawford no solucionó un error en Frente Oriental (1941) que beneficiaba al equipo ruso controlado por computadora. Computer Gaming World informó en 1994 que "es un hecho bien conocido que muchas IA 'hacen trampa' (o, al menos, "fudge") para poder seguir el ritmo de los jugadores humanos.

Por ejemplo, si los agentes quieren saber si el jugador está cerca, se les pueden proporcionar sensores complejos similares a los humanos (ver, oír, etc.), o pueden hacer trampa simplemente preguntando al motor del juego por el jugador. #39;posición. Las variaciones comunes incluyen dar a las IA velocidades más altas en los juegos de carreras para alcanzar al jugador o generarlas en posiciones ventajosas en los juegos de disparos en primera persona. El uso de trampas en la IA muestra las limitaciones de la "inteligencia" alcanzable artificialmente; En términos generales, en juegos donde la creatividad estratégica es importante, los humanos podrían vencer fácilmente a la IA después de un mínimo de prueba y error si no fuera por esta ventaja. Las trampas a menudo se implementan por razones de rendimiento, donde en muchos casos pueden considerarse aceptables siempre que el efecto no sea obvio para el jugador. Si bien hacer trampa se refiere sólo a los privilegios otorgados específicamente a la IA (no incluye la velocidad inhumana y la precisión naturales de una computadora), un jugador podría llamar a las ventajas inherentes de la computadora "hacer trampa" una ventaja. si dan como resultado que el agente actúe a diferencia de un jugador humano. Sid Meier declaró que omitió las alianzas multijugador en Civilization porque descubrió que la computadora era casi tan buena como los humanos al usarlas, lo que hizo que los jugadores pensaran que la computadora estaba haciendo trampa. Los desarrolladores dicen que la mayoría de las IA de los juegos son honestas, pero no les gustan los jugadores que se quejan erróneamente de "hacer trampas" en sus juegos. AI. Además, los humanos utilizan tácticas contra las computadoras que no usarían contra otras personas.

Ejemplos

En el juego Creatures de 1996, el usuario "eclosiona" pequeños animales peludos y les enseña cómo comportarse. Estas "nornas" pueden hablar, alimentarse y protegerse contra criaturas feroces. Fue la primera aplicación popular de aprendizaje automático en una simulación interactiva. Las criaturas utilizan las redes neuronales para aprender qué hacer. El juego se considera un gran avance en la investigación de la vida artificial, cuyo objetivo es modelar el comportamiento de las criaturas que interactúan con su entorno.

En el shooter en primera persona de 2001 Halo: Combat Evolved, el jugador asume el papel del Jefe Maestro, luchando contra varios alienígenas a pie o en vehículos. Los enemigos usan la cobertura muy sabiamente y emplean fuego de supresión y granadas. La situación del escuadrón afecta a los individuos, por lo que ciertos enemigos huyen cuando su líder muere. Se presta atención a los pequeños detalles, como los enemigos que lanzan granadas o los miembros del equipo que responden cuando los molestan. El "árbol de comportamiento" La tecnología se ha vuelto muy popular en la industria de los juegos desde Halo 2.

El shooter en primera persona de terror psicológico de 2005 F.E.A.R. hace que los personajes del jugador se enfrenten a un batallón de súper soldados clonados, robots y criaturas paranormales. La IA utiliza un planificador para generar comportamientos sensibles al contexto, por primera vez en un juego convencional. Esta tecnología todavía se utiliza como referencia para muchos estudios. Las réplicas son capaces de utilizar el entorno del juego a su favor, como volcar mesas y estantes para crear cobertura, abrir puertas, atravesar ventanas o incluso notar (y alertar al resto de sus camaradas) la linterna del jugador. . Además, la IA también es capaz de realizar maniobras de flanqueo, usar fuego de supresión, lanzar granadas para sacar al jugador de su cobertura e incluso hacerse el muerto. La mayoría de estas acciones, en particular el flanqueo, son el resultado de un comportamiento emergente.

La serie de terror y supervivencia S.T.A.L.K.E.R. (2007–) confronta al jugador con experimentos hechos por el hombre, soldados militares y mercenarios conocidos como Stalkers. Los diversos enemigos encontrados (si el nivel de dificultad está establecido en el más alto) usan tácticas y comportamientos de combate como curar a los aliados heridos, dar órdenes, flanquear al jugador y usar armas con precisión milimétrica.

El juego de estrategia en tiempo real de 2010 StarCraft II: Wings of Liberty le da al jugador el control de una de las tres facciones en un campo de batalla de 1 contra 1, 2 contra 2 o 3 contra 3. El jugador debe derrotar a sus oponentes destruyendo todas sus unidades y bases. Esto se logra creando unidades que sean efectivas para contrarrestar las amenazas de los oponentes. unidades. Los jugadores pueden jugar contra múltiples niveles diferentes de dificultad de IA, desde muy fácil hasta Tramposo 3 (loco). La IA puede hacer trampa en la dificultad Tramposo 1 (visión), donde puede ver unidades y bases cuando un jugador en la misma situación no podría. El tramposo 2 le da a la IA recursos adicionales, mientras que el tramposo 3 brinda una gran ventaja sobre su oponente.

Inteligencia artificial generativa en videojuegos

La inteligencia artificial generativa, un sistema de inteligencia artificial que puede responder a indicaciones y producir texto, imágenes y clips de audio y vídeo, surgió en 2023 con sistemas como ChatGPT y Stable Diffusion. En los videojuegos, estos sistemas podrían crear la posibilidad de que los activos del juego se creen indefinidamente, evitando las limitaciones típicas de las creaciones humanas. Sin embargo, existen preocupaciones similares en otros campos, en particular la posibilidad de pérdida de puestos de trabajo normalmente dedicados a la creación de estos activos.

En enero de 2024, SAG-AFTRA, un sindicato estadounidense que representa a los actores, firmó un contrato con Replica Studios que permitiría a Replica capturar el trabajo de voz de los actores sindicales para crear sistemas de voz de IA basados en sus voces para su uso en videojuegos. con el contrato que garantiza la protección de salarios y derechos. Si bien el contrato fue acordado por un comité SAG-AFTRA, muchos miembros expresaron críticas a la medida, ya que no se les informó hasta que se completó y que el acuerdo no hizo lo suficiente para proteger a los actores.