AlphaGo, o la inteligencia que se educa a sí misma

alphago

Por Florencia Benson.-

Hace aproximadamente un mes, el campeón mundial de Go, Lee Sedol, perdió cuatro de cinco enfrentamientos contra la supercomputadora AlphaGo, desarrollada por Google. De todos los análisis que leí, este es sin duda el más lúcido, porque rescata lo esencial de este avance en el campo de la Inteligencia Artificial (AI). Firmada por Erik German y publicada en Quartz el mes pasado, esta nota recalca que el auténtico logro consiste en lograr un programa capaz de modificar sus parámetros y algoritmos a partir de una retroalimentación de información externa, adaptando su output según un fin determinado. En otras palabras, una máquina capaz de alterar de forma autónoma su comportamiento a partir de estímulos externos, persiguiendo un fin determinado, y alcanzarlo.

A continuación, la nota completa y traducida (por mí):

El antiguo juego de Go bien puede ser el juego de estrategia más difícil de la humanidad, y la derrota del campeón del mundo Lee Sedol frente a un programa informático es una noticia de enorme trascendencia.

Sin embargo, muchos observadores están interpretando mal lo que hace este programa (propiedad de Google) tan increíble, y lo que esta victoria significa en realidad para el futuro de la inteligencia artificial. Esta no es la primera vez que un equipo ha utilizado una estrategia astuta para vencer a los campeones humanos en un juego increíblemente complejo. Y que lo haya hecho de manera tan convincente no significa que la AI está a punto de desplazar a la humanidad.

Con razón, muchas personas están comparando este momento con el histórico partido en el que la supercomputadora Deep Blue de IBM propinó una indiscutible patada en el culo al campeón mundial de ajedrez, Garry Kasparov, en 1997. Es una comparación instructiva, y no precisamente  porque Deep Blue hubiera vencido a Kasparov “por medio de la fuerza bruta para correr cada movimiento posible”.

En realidad, el ajedrez ha demostrado ser demasiado complejo para una máquina como para resolver un partido examinado cada movimiento posible. El número de jugadas posibles es superior al número de átomos en el universo observable. Ningún ordenador ideado actualmente puede lidiar con eso en un plazo de tiempo razonable.

En lugar de ello, los ingenieros de Deep Blue encontraron una manera de reducir el número de movimientos posibles entre los que la máquina analizaría y luego seleccionaría su jugada. Tanto el hardware como el software constituyeron un monumento al ingenio humano aplicado a un problema matemático singular.

AlphaGo representa un gran paso adelante. El número de jugadas posibles en Go es varios órdenes mayor que el de ajedrez. Esto significa que buscar a través de todos los movimientos posibles es aún menos útil de lo que era para el ajedrez. Por lo tanto, al igual que Deep Blue, AlphaGo necesitaba encontrar una manera de reducir el número de opciones que examinar. Pero en lugar de codificar a mano las reglas de toma de decisión, los diseñadores de AlphaGo construyeron un sistema que escribió sus propias reglas. AlphaGo fue entrenada para imitar configuraciones de tableros tomados de una base de datos que contiene millones de movimientos de los juegos profesionales de Go. Se perfeccionó aún más jugando millones de partidos contra sí misma, modificando sus reglas de juego en respuesta a cada victoria o derrota.

Un singular logro de los ingenieros de la AlphaGo fue encontrar una forma de aplicar una enorme potencia computacional al problema de la construcción de las características clave de su software triunfal. Y ese aspecto de su victoria parece que ha llegado con posibles aplicaciones para otros grandes problemas para los que las soluciones de codificación manual simplemente no son viables.

Sin embargo, a pesar de la complejidad matemática del ajedrez y Go, ambos todavía representan lo que se conoce como “juegos deterministas de información perfecta”. Entre otras cosas, esto significa que el azar no es un factor, y los jugadores pueden ver todo lo que sus oponentes están haciendo en el tablero. Compare esto con la clase de “caballos de fuerza mental” necesaria para entender una broma, o adivinar cuando alguien está mintiendo, o atravesar una cita, y entenderá rápidamente por qué AlphaGo no estará lista para seducir o matar a alguien en el futuro cercano.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s