Humanos del mundo, una vez más fuimos derrotados, los computadores nos ganaron y se están metiendo cada vez más en terrenos que creíamos exclusivos para nuestra especie. Esta semana perdimos jugando Go contra un computador. Una vez más, tenemos que aceptar que los bits fueron mejores que las neuronas.
Hagamos entonces un recuento de las veces en las que los humanos hemos perdido en juegos contra computadoras y veamos cuál es el juego en el que todavía no nos han podido ganar.
Damas
Hombre contra máquina. Chinook gana en damas
Esta historia empezó en 1989 gracias a cinco personajes: Jonathan Schaeffer, Rob Lake, Paul Lu, Martin Bryant y Norman Treloar, que en la Universidad de Alberta, Canadá, decidieron crear un software que pudiera ganarle a los humanos en damas. El resultado fue Chinook.
En 1990 Chinook se ganó el derecho de competir por el Campeonato Mundial ante Marion Tinsley, el mejor jugador de la historia, sin embargo las asociaciones del juego se opusieron a que un computador pudiera ganar el título, por lo que se creó el Campeonato Mundial Hombre vs. Máquina (bonus por el nombre retro-futurista), evento en el que Tinsnley ganó 4 a 2 a Chinook, con 33 empates.
Posteriormente se planeó una revancha, cuando el encuentro iba por 6 empates consecutivos, Tinsley tuvo que abandonar por asuntos de salud, un cáncer de páncreas lo hizo retirarse y con ello dejar el trono de campeón mundial a manos (si es que tuviera manos) de Chinook.
Ya en 1995, con el título en su poder, Chinook jugó contra Don Lafferty por marcador de 1-0 con 31 empates. Con el título ratificado y sin rivales de su nivel, Chinook se retiró.
Pero… Chinook nunca pudo ganarle al mejor jugador de damas del mundo. Tinsley se retiró por asuntos de salud y oficialmente nunca fue derrotado, por lo que esta victoria no es tan gratificante.
¿Cómo funcionaba Chinook? Chinook estaba programado con una enorme biblioteca de jugadas copiadas a los grandes maestros del juego y un algoritmo de búsqueda de jugadas, por lo que no era un juego inteligente, simplemente usaba la mejor jugada en cada momento porque habían sido guardadas manualmente por los desarrolladores.
¿Cuál es el legado de Chinook? Después de retirarse de la competición, el equipo desarrollador de Chinook decidió usar el software para analizar partidas de damas. En 2007 se publicó en la revista Science que Chinook había resuelto completamente el juego de damas. Un juego resuelto es aquel en el que se conocen todas las posibles opciones de juego, todos los movimientos. Esto hace que si se juega de forma ideal siempre se va a ganar, si los dos jugadores siempre juegan de forma ideal, inevitablemente se va a llegar a un empate. Para entenderlo más fácil, es lo que pasa cuando uno juega triqui (tic tac toe o tres en raya en otros países)
Ajedrez
Kaspárov contra Deep Blue
De este partido de 1996 entre Gari Kaspárov y Deep Blue de IBM ya hablamos extensamente en este artículo anterior, por lo que no vamos a profundizar mucho en el tema, pero pues es claro que este fue el juego más mediático de esta lista y el encuentro de ajedrez más famoso de la historia.
Pero… Kaspárov nunca estuvo conforme con el resultado de este partido, incluso señaló que Deep Blue recibió ayuda de humanos. Ese tema quedó en el aire e IBM nunca publicó el registro de las jugadas hechas por el computador.
¿Cómo funcionaba Deep Blue? De forma similar a Chinook. Su algoritmo usaba la fuerza bruta para encontrar la mejor jugada en cada momento de la partida, por lo que tampoco podemos hablar de inteligencia artificial, sin embargo su mérito está en que las damas tienen muchas menos jugadas posibles que el ajedrez, por lo que su capacidad de procesamiento era mucho mayor.
¿Cuál es el legado de Deep Blue? Skynet Debido al gran mediatismo del encuentro, su principal legado es el de la paranoia sobre la inteligencia de los computadores en el público ¿Cómo era posible que una máquina pudiera ganar en el juego ciencia, uno de los pilares del intelecto humano? Aparte del miedo a una inminente revolución de las máquinas, el algoritmo de Deep Blue sirvió para mejorar la comprensión del procesamiento paralelo para tareas complejas, un asunto muy útil para asuntos financieros, bursátiles y análisis de riesgos; incluso el algoritmo de Deep Blue sirvió para crear software de investigación química para el desarrollo de medicamentos e inspiró a motores de búsqueda para refinar sus algoritmos.
Jeopardy!
En enero de 2011 Watson, un software desarrollado por IBM, los mismos detrás de Deep Blue, fue el primer computador en ganar a Brad Runner y Ken Jennings, los dos mejores jugadores de la historia de Jeopardy! en su juego. En un partido especial de dos partes, desarrollado a lo largo de tres días, Watson ganó en un concurso de televisión que impone unos retos muy diferentes a los del ajedrez o las damas.
Jeopardy! es un concurso de preguntas y respuestas sobre temas de cultura general. En cada ronda se da un enunciado y los competidores deben responder la afirmación en forma de pregunta, por ejemplo, el enunciado puede ser «Personaje de Star Wars con un hijo malcriado y llorón que usa máscara sin necesidad y le da por ser malvado«, a lo que los concursantes deben responder «¿Quién es Han Solo?». Además del conocimiento sobre múltiples temas diferentes, Watson tenía que enfrentarse al lenguaje informal del concurso, los juegos de palabras, el procesamiento en tiempo real y al reconocimiento de voz, ya que tenía que participar con las mismas reglas que los humanos.
Por ganar el evento, Watson ganó 1 millón de dólares que fue repartido por mitades a dos causas benéficas (World Vision y World Community Grid), mientras que Jennings y Rutter ganaron $300.000 y $200.000 respectivamente, premios de los cuales donaron la mitad a otras caridades.
Pero… en algunas categorías Watson tuvo problemas para responder, por lo que cometió errores. Su sistema de reconocimiento de voz funcionó muy bien, pero al momento de analizar las posibles respuestas en preguntas con juegos de palabras o modismos se confundía. Además tampoco usaba inteligencia artificial.
¿Cómo funcionaba Watson? Es algo así como una mezcla de Siri, Google, Wikipedia y Wolfram Alpha. Watson es un súpercomputador con una base de datos de conocimiento enorme, el cual incluye a DBpedia, WordNet y Yago, además de todo el contenido que tenía Wikipedia en inglés en el momento, aunque no tenía permitido conectarse a Internet durante las partidas.
Watson reconocía las palabras y realizaba una búsqueda en su base de datos y retornaba una serie de respuestas con un porcentaje de posibilidad de éxito, entonces se respondía con el dato con mayor probabilidad. Watson implementó una versión de aprendizaje en el cual analizaba las palabras que recibía y pulía su capacidad de búsqueda. Aunque no es estrictamente inteligencia artificial, sí tenía un software que mejoraba su entendimiento con la experiencia.
¿Cuál es el legado de Watson? Watson vive, de hecho es el único de esta lista que está trabajando y ayudando a Skynet en su inminente aparición la gente en su vida diaria. Su uso está principalmente en la ayuda médica como sistema de decisión en tratamientos y atención a pacientes. Un software inspirado en Watson, Chatterbot, sirve para asuntos de entretenimiento como sistema de conversación para juguetes. Adicionalmente ha ayudado a la mejora de algoritmos de big data, lenguaje natural, búsqueda de evidencias e incluso atención de llamadas (adiós infierno llamado servicio al cliente de Claro call centers)
IBM ofrece varios APIs de Watson al público.
Go
Y llegamos al personaje de moda, AlphaGo.
AlphaGo es un software desarrollado por DeepMind, empresa filial de Google y que es hasta el momento el último gran logro en software anti-humanos. Su partido de Go ante Lee Sedol terminó con marcador 4-1 a favor del no-humano.
El gran logro de AlphaGo y DeepMind es derribar una creencia de muchos años en la que se afirmaba que el Go era un juego imposible para las máquinas porque su cantidad de movimientos es miles de veces mayor al del ajedrez (según DeepMind el Go es un gúgol de veces más complejo que el ajedrez), por lo que no es viable jugarlo con un algoritmo de fuerza bruta como Chinook o Deep Blue. Incluso varios maestros del Go afirman que hay momentos del juego en los que se juega más con la intuición que con la razón, por lo que esto era imposible de emular por un computador… y pues no.
El go es un juego de reglas muy sencillas pero de desarrollo tremendamente complejo, por eso esta victoria es uno de los escalones más tremendos en el ascenso de la superioridad de nuestros amos robots inteligencia artificial. (Nota, ojo que Google es dueño de DeepMind y de Boston Dynamics… sólo digo…)
Pero… nada, creo que esta victoria no tiene ningún pero; es simplemente apabullante.
¿Cómo funciona AlphaGo? A diferencia de los demás, AlphaGo sí implementa un algoritmo muy cercano a la inteligencia artificial. Mediante el uso de aprendizaje por refuerzo y el método Montecarlo, el software puede aprender de las jugadas y crear una especie de intuición que le permite tomar decisiones. DeepMind trabajó en un software que aprendiera, no en una base de datos de movimientos, allí radica la diferencia con los demás.
¿Cuál es el legado de AlphaGo? Si con Deep Blue creíamos que teníamos que ir alistando nuestros trajes de esclavos de las máquinas, con AlphaGo la venta de esos trajes ha aumentado. En algunos lugares hay un temor real por los alcances de la inteligencia artificial, especialmente en Corea del Sur, lugar de nacimiento de Lee Sedol.
Aparte del temor, las implicaciones de desarrollar un software que puede crear algo similar a la intuición son tremendas para la economía, ya que esto puede aplicarse en automatización, dig data, servicio al cliente, bolsa, negocios, tratamientos médicos, descubrimiento de partículas y medicinas, asuntos policiales, reconocimiento de imágenes… en fin, todo lo que hacen Chinook, Deep Blue y Watson, pero mejorado.
¿Ya perdimos en todos los juegos?
¡Buenas noticias humanos! ¡Podremos ser esclavos de los robots, pero todavía no pueden ganarnos en videojuegos ni en póker… pero quizá por poco tiempo.
Después de la victoria de AlphaGo en go, la nueva meta de DeepMind puede estar fijada en los videojuegos y en el póker. Ya desde hace un tiempo están trabajando en un sistema que aprende a jugar Atari 2600 con buenos resultados, además el cofundador de la empresa, Demis Hassabis, dijo que el juego de cartas puede ser el nuevo objetivo de la empresa.
El póker presenta un reto adicional para los computadores, ya que además de los asuntos matemáticos de las cartas llegan dos nuevos obstáculos: la presencia del azar (ni las damas, el ajedrez, Jeopardy! o el go tienen elementos de suerte o azar) y del bluff humano, la capacidad de engañar a otras personas. Este reto podría poner al nuevo software en capacidad de entender la matemática, la probabilidad y la mentalidad humana.
Por el lado de los videojuegos, el software que quiera ganarnos tendrá que aprender a jugar en un ambiente con muchas variables, muchas posibilidades y con una curva de aprendizaje no siempre evidente. Tendrá que aprender la mecánica del juego desde sus funciones básicas (correr y saltar, por ejemplo), a evadir obstáculos, lograr objetivos, conseguir la ruta idónea, investigar y explorar, entre otras muchas habilidades. Esta curva de aprendizaje es lenta y apenas va empezando, los computadores apenas pueden jugar de forma regular algunos títulos de Atari 2600, juegos que se juegan con un joystick y un botón, mientras llegan a controlar las decenas de botones y opciones que dan los juegos modernos puede pasar un buen tiempo.
La inteligencia artificial ya está acá, su evolución es evidente y cada vez está más presente en nuestras vidas. Sólo falta esperar a que los temores de Stephen Hawking no se materialicen.
¡Gracias por leer!
@Cforeroo
