MÁ­QUI­NA GA­NA­DO­RA

Aje­drez, go y pó­quer: la in­te­li­gen­cia ar­ti­fi­cial ha de­mos­tra­do ser un digno ri­val pa­ra los ju­ga­do­res hu­ma­nos

El Observador Fin de Semana - Cromo - - PORTADA - VALENTINA TO­RRES @va­len­taein

Ha­ce 20 años, la compu­tado­ra Deep Blue, de IBM, sor­pren­dió al mun­do al con­ver­tir­se en la pri­me­ra má­qui­na en ven­cer a un cam­peón mun­dial de aje­drez (el ru­so Garry Kas­pa­rov) en un en­fren­ta­mien­to de seis par­ti­das. En 2015, Goo­gle re­ve­ló que su sis­te­ma Deep­mind ha­bía do­mi­na­do va­rios vi­deo­jue­gos de la dé­ca­da de 1980 y ade­más se ha­bía en­se­ña­do a sí mis­mo una es­tra­te­gia ga­na­do­ra fun­da­men­tal pa­ra su­pe­rar al clá­si­co de Ata­ri Brea­kout. Más re­cien­te­men­te, el sis­te­ma Alp­ha­go, tam­bién de Goo­gle, de­rro­tó a dos de los me­jo­res ju­ga­do­res de go. Lo hi­zo en po­cas par­ti­das. La in­te­li­gen­cia ar­ti­fi­cial es un va­lio­so alia­do pa­ra la hu­ma­ni­dad, pe­ro tam­bién un digno ri­val.

La po­ten­cia ca­da vez ma­yor de las compu­tado­ras y los avan­ces de la in­ge­nie­ría ha­cen que las má­qui­nas pue­dan ga­nar­les a los se­res hu­ma­nos in­clu­so en jue­gos que de­pen­den de la in­tui­ción hu­ma­na co­mo el pó­ker. Pe­ro, ¿por qué hay in­te­rés en que es­ta tec­no­lo­gía desa­rro­lle es­tas ha­bi­li­da­des?

Apren­der por sí mis­mas

Ma­chi­ne lear­ning (“apren­di­za­je au­to­má­ti­co” o “apren­di­za­je de má­qui­nas”) es una ra­ma de la in­te­li­gen­cia ar­ti­fi­cial que crea sis­te­mas que apren­den au­to­má­ti­ca­men­te. De for­ma más con­cre­ta, se tra­ta de crear pro­gra­mas ca­pa­ces de ge­ne­ra­li­zar com­por­ta­mien­tos a par­tir de una in­for­ma­ción su­mi­nis­tra­da en for­ma de ejem­plos. Es, por lo tan­to, un pro­ce­so de in­duc­ción del co­no­ci­mien­to.

“No hay na­da má­gi­co. Se ba­sa en la apli­ca­ción de mo­de­los ma­te­má­ti­cos, mu­chos de ellos con va­rias dé­ca­das de his­to­ria, pa­ra de­tec­tar pa­tro­nes en gran­des vo­lú­me­nes de da­tos”, ex­pli­có a Cro­mo Die­go Agui­rre, res­pon­sa­ble de Analy­tics de IBM en Uru­guay.

Apren­der en es­te con­tex­to es iden­ti­fi­car pa­tro­nes com­ple­jos. La má­qui­na re­vi­sa los da­tos y es ca­paz de pre­de­cir com­por­ta­mien­tos fu­tu­ros. Es­tos sis­te­mas tam­bién se ca­rac­te­ri­zan por me­jo­rar de for­ma au­tó­no­ma con el tiem­po, sin re­que­rir de in­ter­ven­ción hu­ma­na.

El apren­di­za­je au­to­má­ti­co tie­ne una am­plia ga­ma de apli­ca­cio­nes que in­clu­ye mo­to­res de bús­que­da, diag­nós­ti­cos mé­di­cos, de­tec­ción de frau­de en el uso de tar­je­tas de cré­di­to, aná­li­sis del mer­ca­do de va­lo­res, cla­si­fi­ca­ción de se­cuen­cias de ADN y re­co­no­ci­mien­to del len­gua­je. Uno de los usos que se le ha en­con­tra­do es el de desa­rro­llar má­qui­nas que sean ca­pa­ces de ven­cer a los me­jo­res ju­ga­do­res en dis­tin­tas dis­ci­pli­nas.

El ca­so de Deep Blue

En la dé­ca­da de 1980, un equi­po de es­tu­dian­tes de pos­gra­do de la Universidad Car­ne­gie Me­llon de Pit­ts­burgh (Pen­sil­va­nia, EEUU) cons­tru­yó el pri­mer or­de­na­dor lla­ma­do Deep Thought pa­ra de­rro­tar a un gran maes­tro de aje­drez en un tor­neo. Im­pre­sio­na­do con el tra­ba­jo, IBM desa­rro­lló una ver­sión tem­pra­na de Deep Blue, el su­ce­sor de Deep Thought.

Deep Blue ven­ció al cam­peón Garry Kas­pa­rov en 1997 en lo que fue lla­ma­do “el más es­pec­ta­cu­lar due­lo de aje­drez de la his­to­ria”, lo que mar­có un hi­to en el desa­rro­llo de la in­te­li­gen­cia ar­ti­fi­cial.

His­tó­ri­ca­men­te, el aje­drez ha si­do vis­to co­mo una va­ra con la cual me­dir a la tec­no­lo­gía, ya que es un jue­go que re­quie­re es­tra­te­gia, pre­vi­sión, ló­gi­ca y to­do ti­po de cualidades que con­for­man la in­te­li­gen­cia hu­ma­na.

“Las compu­tado­ras lo jue­gan bien por­que es un jue­go con re­glas, mo­vi­mien­tos y ob­je­ti­vos bien de­fi­ni­dos y es un pro­ble­ma li­mi­ta­do don­de se co­no­ce to­da la in­for­ma­ción”, di­jo Mu­rray Camp­bell, ex­per­to de IBM en in­te­li­gen­cia ar­ti­fi­cial en una en­tre­vis­ta con la re­vis­ta Scien­ti­fic Ame­ri­can, 20 años des­pués de la ha­za­ña de Deep Blue.

En el mo­men­to en que Deep Blue fue cons­trui­da, el cam­po del apren­di­za­je au­to­má­ti­co no ha­bía pro­gre­sa­do tan­to co­mo en la ac­tua­li­dad. Se tra­tó de una má­qui­na con un sis­te­ma pu­ra­men­te reac­ti­vo, ca­paz de iden­ti­fi­car las pie­zas en un ta­ble­ro de aje­drez y sa­ber cómo se mue­ve ca­da una. Era ca­paz de ha­cer pre­dic­cio­nes so­bre qué mo­vi­mien­to po­dría ser el si­guien­te pa­ra él y su opo­nen­te, y ele­gir así la me­jor op­ción en­tre las po­si­bi­li­da­des.

Sin em­bar­go, Deep Blue es un ejem­plo pri­mi­ti­vo que no tie­ne nin­gún con­cep­to del pa­sa­do ni nin­gún re­cuer­do de lo que ha su­ce­di­do an­tes. Ade­más de las re­glas es­pe­cí­fi­cas del aje­drez, Deep Blue ig­no­ra to­do an­tes del mo­men­to pre­sen­te. To­do lo que ha­ce es mi­rar las pie­zas en el ta­ble­ro ac­tual y eli­ge en­tre los po­si­bles mo­vi­mien­tos si­guien­tes.

“Des­de la apa­ri­ción de Deep Blue, la prin­ci­pal evo­lu­ción ha si­do el cre­ci­mien­to ex­po­nen­cial de la ca­pa­ci­dad de cómpu­to. Con la apa­ri­ción del Big Da­ta, hoy po­de­mos al­ma­ce­nar y pro­ce­sar más da­tos de di­fe­ren­te ti­po y re­sol­ver pro­ble­mas más com­ple­jos”, di­jo Agui­rre a Cro­mo.

Y agre­gó: “El ca­so de Deep Blue y su vic­to­ria an­te Kas­pa­rov fue un hi­to que de­mos­tró la apli­ca­bi­li­dad de la in­te­li­gen­cia ar­ti­fi­cial a pro­ble­mas reales y la hi­zo tras­cen­der del ám­bi­to tec­no­ló­gi­co”.

Es­to sen­tó las ba­ses pa­ra el desa­rro­llo de la compu­tación cog­ni­ti­va que hoy es­tá dis­po­ni­ble a tra­vés del sis­te­ma de in­te­li­gen­cia ar­ti­fi­cial Wat­son, ca­paz de res­pon­der a pre­gun­tas for­mu­la­das en len­gua­je na­tu­ral.

Si bien Wat­son fun­cio­na de for­ma muy di­fe­ren­te a Deep Blue, pues­to que sir­ve más co­mo un mo­tor de bús­que­da, es­te de­mos­tró que po­día en­ten­der y res­pon­der a los hu­ma­nos al de­rro­tar a los cam­peo­nes del jue­go te­le­vi­si­vo Jeo­pardy! en 2011.

Los sis­te­mas de apren­di­za­je au­to­má­ti­co que se han desa­rro­lla­do en las úl­ti­mas dos dé­ca­das ha­cen uso de gran­des can­ti­da­des de da­tos que no exis­tían en 1997, cuando in­ter­net to­da­vía es­ta­ba en su in­fan­cia.

Cam­peo­nes en go

Un ca­so más re­cien­te de es­ta apli­ca­ción de la in­te­li­gen­cia ar­ti­fi­cial es el de Alp­ha­go, de Goo­gle.

Pri­me­ro, el pro­gra­ma in­for­má­ti­co lo­gró ven­cer al ju­ga­dor pro­fe­sio­nal sur­co­reano Lee Se­dol. Más tar­de lo hi­zo contra el nú­me­ro uno mun­dial Ke Jie, que se ha­bía va­na­glo­ria­do de po­der ven­cer a “una má­qui­na sin al­ma”.

En una en­tre­vis­ta con el si­tio The Ver­ge, De­mis Has­sa­bis, el fun­da­dor de Deep­mind (com­pa­ñía crea­do­ra de Alp­ha­go), ex­pli­có la elec­ción de es­te par­ti­cu­lar jue­go de me­sa. “Es mu­cho más com­pli­ca­do que el aje­drez en tér­mi­nos de po­si­bi­li­dad, por lo que siem­pre ha si­do un gran desafío pa­ra la in­ves­ti­ga­ción de in­te­li­gen­cia ar­ti­fi­cial, es­pe­cial­men­te des­de Deep Blue”, di­jo.

El go es un jue­go de me­sa es­tra­té­gi­co pa­ra dos ju­ga­do­res ori­gi­na­rio en Chi­na, que exis­te des­de ha­ce más de 2.500 años. Fue con­si­de­ra­do una de las cuatro ar­tes esen­cia­les de la cul­tu­ra chi­na de la an­ti­güe­dad y es co­no­ci­do co­mo el jue­go de me­sa más difícil de do­mi­nar de­bi­do a que hay un nú­me­ro ca­si in­fi­ni­to de mo­vi­mien­tos po­si­ble.

En una par­ti­da de go, los ju­ga­do­res se tur­nan po­nien­do pie­dras ne­gras y blan­cas so­bre un pe­da­zo de ma­de­ra con re­ji­lla, con el ob­je­ti­vo de to­mar to­do el ta­ble­ro. “Deep Blue es un sis­te­ma en el que los pro­gra­ma­do­res des­ti­la­ron ma­nual­men­te la in­for­ma­ción de los gran­des maes­tros del aje­drez en re­glas es­pe­cí­fi­cas, mien­tras que no­so­tros he­mos im­bui­do Alp­ha­go con la ca­pa­ci­dad de apren­der. Lue­go él apren­de a tra­vés de la prác­ti­ca y el es­tu­dio, lo que es mu­cho más hu­mano”, ex­pli­có Has­sa­bis.

Alp­ha­go ju­gó mu­chos jue­gos de me­sa contra sí mis­mo y lue­go usó esos pa­tro­nes pa­ra apren­der es­tra­te­gias óp­ti­mas. El apren­di­za­je se pro­du­jo a tra­vés de re­des neu­ro­na­les o pro­gra­mas que fun­cio­nan co­mo las neu­ro­nas en un ce­re­bro hu­mano.

Si bien el go tie­ne un con­jun­to re­la­ti­va­men­te sim­ple de re­glas, es­tas crean enor­mes y com­ple­jas po­si­bi­li­da­des, por lo que no es po­si­ble ga­nar el jue­go an­ti­ci­pan­do to­dos los mo­vi­mien­tos co­mo sí se pue­de ha­cer con el nú­me­ro (re­la­ti­va­men­te) li­mi­ta­do de po­si­bles elec­cio­nes en un jue­go de aje­drez, lo que sig­ni­fi­ca que es un jue­go más de la in­tui­ción que de cálcu­lo.

“Los jue­gos de es­tra­te­gia ge­ne­ran si­tua­cio­nes en las que se de­ben to­mar de­ci­sio­nes com­ple­jas y no hay una res­pues­ta úni­ca. Se de­ben eva­luar di­ver­sos fac­to­res y to­mar la de­ci­sión que apa­ren­ta ser la más ade­cua­da”, se­ña­ló Agui­rre.

Y aña­dió: “En es­te con­tex­to re­sul­tan un cam­po ideal pa­ra desa­rro­llar so­lu­cio­nes de apren­di­za­je au­to­má­ti­co, pro­bar su re­sul­ta­do com­pi­tien­do con las ca­pa­ci­da­des cog­ni­ti­vas de las per­so­nas y pos­te­rior­men­te apli­car la tec­no­lo­gía en otro con­tex­to”.

La in­tui­ción es un ras­go hu­mano que los cien­tí­fi­cos de la compu­tación han tra­ba­ja­do pa­ra in­cor­po­rar en los sis­te­mas in­for­má­ti­cos más so­fis­ti­ca­dos. Si las compu­tado­ras lo­gran per­fec­cio­nar las cualidades cen­tra­les de la vi­da hu­ma­na, po­drían con­du­cir a una re­vo­lu­ción a gran es­ca­la que cam­bia­ría ra­di­cal­men­te nues­tro es­ti­lo de vi­da. •

Newspapers in Spanish

Newspapers from Uruguay

© PressReader. All rights reserved.