El algoritmo que vence a las computadoras y puede curar
La inteligencia artificial y el aprendizaje automático no necesitan evaluar infinitas jugadas en el tablero; en medicina, diagnostica 150 veces más rápido y puede clasificar patologías de retina
NUEVA YORK.– Hace pocos días, los investigadores de DeepMind, la empresa de inteligencia artificial propiedad de Google, a través de su corporación multinacional Alphabet Inc., enviaron un informe desde las fronteras del universo del ajedrez.
Un año antes, el 5 de diciembre de 2017, ese equipo ya había pasmado al mundo ajedrecístico con el anuncio del descubrimiento de AlphaZero, un algoritmo de aprendizaje automático que había logrado dominar no solo el ajedrez, sino también el shogi, o ajedrez japonés, y el Go. El algoritmo arrancó sin conocimiento previo de esos juegos más allá de sus reglas elementales, y luego jugó contra sí mismo millones de veces para aprender de sus errores. En cuestión de horas, el algoritmo se había convertido en el mejor jugador, humano o computarizado, que el mundo hubiese visto.
Ahora, los detalles de los logros y del funcionamiento interno de AlphaZero han sido evaluados formalmente por colegas y publicados en la revista Science de diciembre. El artículo nuevo trata sobre numerosas críticas serias respecto a la pretensión original (entre otras cosas, es difícil dirimir si AlphaZero jugó contra su rival elegido, un monstruo de la computación llamado Stockfish, con total imparcialidad). Pensemos que esas preocupaciones se han disipado. En los últimos doce meses AlphaZero no se volvió más fuerte, pero sí crecieron las evidencias sobre su superioridad. El algoritmo posee un tipo de intelecto que los humanos nunca habían visto y sobre el que se seguirá reflexionando durante mucho tiempo.
En los últimos veinte años, el ajedrez por computadora ha recorrido un largo camino. En 1997, Deep Blue, el programa de ajedrez de IBM, logró derrotar al entonces campeón mundial humano, Garry Kasparov, en un match a seis partidas, un resultado no tan sorprendente. Deep Blue podía evaluar 200 millones de posiciones por segundo. Nunca se cansaba, nunca cometía errores de cálculo y nunca se olvidaba de lo que había pensado unos momentos antes.
Calculaba más que Kasparov, pero no podía superar su razonamiento. En la primera partida, Deep Blue aceptó ávidamente el sacrificio de Kasparov de una torre por un alfil, pero perdió la partida 16 movimientos más tarde. Los programas más sofisticados de ajedrez de la actual generación, como Stockfish y Komodo, todavía juegan con ese estilo inhumano. Les gusta capturar las piezas del rival, pero no tienen verdadera comprensión del juego.
Eso cambió con el surgimiento del aprendizaje automático. Al jugar contra sí mismo y actualizar su red neuronal con el aprendizaje de la experiencia, AlphaZero descubrió los principios del ajedrez por sí mismo y rápidamente se convirtió en el mejor jugador que haya existido. No solo podría haber derrotado a todos los maestros humanos más destacados –ni siquiera se molestó en intentarlo–, sino que también aplastó a Stockfish, la computadora de ajedrez campeona del mundo. En un match de cien partidas contra esa máquina formidable, AlphaZero se alzó con 28 victorias y 72 tablas. No perdió ni una sola partida.
Lo más desconcertante es que AlphaZero pareció expresar cierto entendimiento. Jugó de una manera intuitiva y hermosa, como no lo había hecho ninguna otra computadora, y un estilo romántico a la hora de atacar. Realizó gambitos y tomó riesgos. En algunas partidas paralizó a Stockfish y jugó con él. En la décima, mientras conducía su ataque, AlphaZero retiró a su reina hacia un rincón de su propio campo, lejos del rey de Stockfish, posición que la reina no suele ocupar en ataque. Pero ese retiro extraño resultó destructivo: independientemente de su respuesta, Stockfish estaba condenado.
Esa experiencia revela que AlphaZero ganó porque piensa con mayor inteligencia, no por su velocidad: AlphaZero solo evaluaba 60 mil posiciones por segundo, mientras que Stockfish analizaba 60 millones. Como descubrió los principios del ajedrez por su propia cuenta, AlphaZero desarrolló un estilo que “refleja la verdad del juego”, en vez de “las prioridades y los prejuicios de los programadores”, escribió Kasparov en un comentario en Science.
Ahora, la pregunta es si el aprenla dizaje automático puede ayudar a los humanos a descubrir verdades similares sobre los grandes problemas irresueltos de la ciencia y la medicina, como el cáncer, los enigmas del sistema inmunitario y los misterios del genoma humano.
Las primeras señales son alentadoras. En agosto de este año, Nature Medicine publicó dos artículos sobre la aplicación del aprendizaje automático en el diagnóstico médico. En uno de ellos, los investigadores de DeepMind trabajaron con médicos clínicos del Hospital Moorfields Eye de Londres para desarrollar un algoritmo capaz de clasificar una amplia gama de patologías de la retina con una precisión similar a la de los expertos humanos. La oftalmología padece una preocupante escasez de expertos en interpretar las millones de tomografías de retina que se realizan y los asistentes de inteligencia artificial podrían brindar una ayuda enorme.
El otro artículo versaba sobre un algoritmo de aprendizaje automático que decide si una tomografía axial computarizada de un paciente en sa- de emergencia presenta signos de derrame cerebral, una hemorragia intracraneal u otro evento neurológico crítico. Para las víctimas de accidentes cerebrovasculares, cada minuto cuenta. El nuevo algoritmo reconoció esos y otros episodios críticos con una exactitud similar a los expertos humanos, pero 150 veces más rápido. Eso permitiría priorizar los casos más urgentes.
Sin embargo, lo frustrante del aprendizaje automático es que los algoritmos no pueden articular lo que están pensando. AlphaZero parece haber descubierto algunos principios importantes del ajedrez, pero no puede compartir esa información con nosotros. Al menos hasta ahora. Como humanos, más que respuestas, queremos entender, lo que será fuente de tensiones en nuestras interacciones con las computadoras.
De hecho, hace años que eso sucede en la matemática. Pensemos en el problema matemático de larga data llamado teorema de los cuatro colores. Sugiere que, bajo ciertas limitaciones razonables, cualquier mapa de países contiguos siempre puede ser coloreado con apenas cuatro colores, de forma que dos países adyacentes no tenagn el mismo color.
Aunque el teorema de los cuatro colores fue probado en 1977 con la asistencia de una computadora, ningún ser humano pudo verificar todas las etapas del razonamiento. Todavía hay partes que exigen un cálculo de fuerza bruta como el empleado por los antepasados de la computadora de ajedrez AlphaZero. Ese hecho fastidió a muchos matemáticos. No querían saber que el teorema de los cuatro colores era verdadero, ya creían en él. Querían entender por qué era verdadero, y esa demostración no les aportó nada nuevo.
Pero imaginemos que un día, en un futuro no muy lejano, AlphaZero se convierta en un algoritmo más general para la resolución de problemas. Llamémoslo AlphaInfinity. Como su predecesor, tendría un entendimiento supremo: podría presentar demostraciones hermosas, tan elegantes como las partidas de ajedrez que AlphaZero disputó contra Stockfish. Y cada una revelaría por qué un teorema era verdadero. AlphaInfinity no tendría que obligarnos a aceptar por la fuerza un razonamiento difícil y feo.
Para los matemáticos y científicos humanos, ese día marcará el amanecer de una nueva era de conocimiento. Pero tal vez no dure demasiado. Mientras las máquinas se vuelvan más rápidas y los humanos sigan con sus neuronas funcionando a la lenta escala de los milisegundos, llegará el día en que no podamos seguirles el ritmo. El amanecer del conocimiento humano pronto podría dar paso a su crepúsculo.