Google ha dado un paso brillante e inesperado hacia el desarrollo de una inteligencia artificial (IA) con una intuición más humana. Ha diseñado un ordenador capaz de ganar incluso a unos jugadores humanos expertos al endiabladamente complejo juego de mesa llamado Go.
El objetivo de Go, un juego inventado en China hace más de 2.500 años, es relativamente sencillo: los jugadores deben colocar, de forma alte a, fichas blancas y negras sobre un tablero de 19 filas horizontales y 19 verticales con el objetivo de rodear las piezas del oponente y evitar que sus piezas sean rodeadas. Dominar el Go requiere una práctica interminable, además de una aguda habilidad de reconocer patrones sutiles dentro de la disposición de las fichas repartidas por el tablero.
El equipo de Google ha demostrado que las aptitudes necesarias para dominar el Go no son tan únicamente humanas después de todo. Su programa informático, llamado AlphaGo, ganó al campeón europeo de Go, Fan Hui, por cinco partidas a cero. Y el próximo mes de marzo se enfrentará a uno de los mejores jugadores del mundo, Lee Sedol, en un to eo que se celebrará en Seúl (Corea del Sur).
"Go es el juego más complejo y bello jamás elaborado por los humanos", afirmó el líder del equipo de Google y un ávido jugador de Go, Demis Hassabis, en una rueda de prensa. Al ganar a Fan Hui, añadió: "Nuestro programa logró uno de los grandes retos históricos de la IA" (ver Así es el hombre que diseña la inteligencia de Google).
Hassabis también dijo que las técnicas empleadas para crear AlphaGo se prestarían a los esfuerzos de su equipo de desarrollar la IA en general. "El objetivo final es aplicar estas técnicas a problemas importantes del mundo real", aseguró. "Puesto que los métodos empleados son genéricos, algún día se podrían ampliar para ayuda os a abordar algunos de los problemas más apremiantes de la sociedad, desde el diagnóstico médico hasta los modelos climáticos" (ver La inteligencia artificial podría resolver los grandes problemas de la humanidad).
Hassabis dijo que la primera aplicación de la tecnología en Google podría incluir el desarrollo de un software de asistente personal mejorado. Tal asistente podría aprender las preferencias del usuario de su comportamiento en línea, y hacer unas recomendaciones más intuitivas acerca de productos o eventos.
nGo resulta mucho más difícil para los ordenadores que el ajedrez por dos motivos: el número de movimientos en potencia en cada tu o es mucho mayor, y no existe ninguna manera sencilla de medir la ventaja material. Un jugador entonces debe aprender a reconocer patrones abstractos entre cientos de piezas colocadas en el tablero. Incluso a los expertos a menudo les cuesta explicar por qué una posición en concreto parece ser ventajosa o problemática.
De hecho, hace tan sólo un par de años la mayoría de los jugadores de Go y programadores creían que el juego era tan complejo que llevaría varias décadas conseguir que los ordenadores alcanzaran el nivel de un jugador humano.
AlphaGo fue desarrollado por un equipo conocido como Google Deep Mind, un grupo creado después de que Google adquiriera una pequeña start-up de IA de Reino Unido llamada DeepMind en 2014. Los investigadores construyeron AlphaGo con el uso de una técnica de aprendizaje de máquinas extremadamente popular llamada aprendizaje profundo en combinación con otra técnica de simulación para modelar movimientos en potencia. El aprendizaje profundo incluye el entrenamiento de grandes redes neuronales artificiales para responder a los patrones de los datos. Se ha mostrado muy útil para el procesamiento de imágenes y audio, y muchas importantes empresas tecnológicas están explorando nuevas maneras de aplicar la técnica.
Se emplearon dos redes de aprendizaje profundo para AlphaGo: una red aprendió a predecir el próximo movimiento, y la otra aprendió a predecir el resultado de diferentes arreglos de fichas sobre el tablero. Las dos redes fueron combinadas con el uso de un algoritmo más convencional de IA para buscar movimientos futuros más allá del tu o actual. Un trabajo científico escrito por investigadores de Google que describe el trabajo se ha publicado en la revista Nature.
"El juego Go tiene un enorme espacio de búsquedas, que resulta insoluble para una búsqueda por fuerza bruta", afirma David Silver, otro investigador de Google que lideró el esfuerzo. "La clave de AlphaGo es reducir ese espacio de búsqueda a algo más manejable. Este enfoque consigue que AlphaGo sea mucho más parecido a los humanos que los intentos anteriores".
Cuando el ordenador Deep Blue de IBM aprendió a dominar el ajedrez en 1997, utilizó unos códigos escritos a mano y buscaba exhaustivamente entre todos los movimientos posibles de ajedrez. AlphaGo en esencia aprendió con el tiempo a reconocer patrones potencialmente ventajosos, y después, a simular un número limitado de resultados potenciales.
El logro de Google ha sido recibido con felicitaciones y asombro por los otros investigadores del campo.
"En lo técnico, este trabajo representa una aportación monumental a la IA", afirma el destacado investigador de IA y el director de una nueva organización sin ánimo de lucro llamado OpenAI, Ilya Sutskever (ver Ilya Sutskever, 29. Visionario). El experto asegura que el trabajo ha sido especialmente importante porque AlphaGo esencialmente se autoenseñó a ganar. "La misma técnica puede ser empleada para conseguir un rendimiento extremadamente alto en muchos otros juegos también", asegura.
El profesor de ciencias informáticas de la Universidad de Alberta (Canadá) Michael Bowling, que recientemente desarrolló un programa capaz de ganar a cualquiera en el póker a dos de límite fijo, también se siente emocionado por el logro. Cree que el enfoque desde luego debería resultar útil para muchas áreas en las que se aplica el aprendizaje de máquinas. Bowling explica: "Gran parte de lo que normalmente consideraríamos como la inteligencia humana está construida en to o al emparejamiento de patrones", y añade:"Y gran parte de lo que consideraríamos el aprendizaje consiste en haber visto los mismos patrones en el pasado, y ser capaz de entender cómo se relacionan con una situación actual".
Un aspecto del resultado digno de mención es que combina el aprendizaje profundo con otras técnicas, según el profesor de psicología de la Universidad de Nueva York (EEUU) Michael Bowling, que es cofundador y CEO de Geometric Intelligence, una start-up de IA que también combina el aprendizaje profundo con otros métodos (ver Un niño de dos años inspira una IA más humana).
"Esto no es un llamado sistema de aprendizaje profundo integral", explica Marcus. "Es un sistema modular cuidadosamente estructurado con una meditada ingeniería en su interfaz. Lo cual, cuando lo piensas, es bastante parecido a la mente humana: rica, modular y con unos pequeños ajustes gracias a la evolución, en lugar de simplemente un montón de neuronas interconectadas al azar y configuradas únicamente por la experiencia".
Google no es la única empresa que emplea el aprendizaje profundo para desarrollar una IA que juegue al Go. Facebook afirmó anteriormente que tiene un investigador dedicado al desarrollo de tal sistema, y el miércoles por la noche tanto el director de Investigaciones de IA de Facebook, Yann LeCun, y el CEO, Mark Zuckerberg, publicaron actualizaciones sobre estos esfuerzos. El proyecto de Facebook se encuentra en una fase más temprana, pero también combina el aprendizaje profundo con otra técnica.
Observar cómo la IA domina el Go también puede generar algunas angustias existenciales. Durante la rueda de prensa para anunciar este logro, Hassabis se enfrentó a preguntas sobre los riesgos a largo plazo de los sistemas de IA que está desarrollando Google. Dijo que la empresa toma medidas para mitigar esos riesgos al colaborar con académicos, organizar conferencias y al trabajar con un comité ético inte o.