TECNOLOGÍA; NUEVOS PROGRAMAS DE JUEGOS

Anatoly Karpov y una lección sobre cómo aprendemos
La velocidad con que las máquinas "aprenden" a jugar al ajedrez hace pensar sobreel ritmo en el que la inteligencia artificial puede desarrollarse e influir en la economía

A mediados de 2010, Anatoly Karpov, ex campeón mundial de ajedrez, visitó Buenos Aires invitado por la Fundación Najdorf. Además de su fama como gran maestro, Karpov es economista -tiene un doctorado por la Universidad de Moscú- y encabeza un exitoso grupo inversor, con foco en el sector hotelero de Europa del Este. En su viaje a la Argentina participó en distintas exhibiciones y brindó una entrevista, en la que se le preguntó quién consideraba que había sido el mejor jugador de la historia. Puntualmente, si se juntaban en un torneo todos los ex campeones mundiales (él, Garry Kasparov, Bobby Fischer, Raúl Capablanca, etcétera), cada uno en su mejor momento o pico de juego, quién ganaría.
Karpov meditó la respuesta por un momento, como si estuviera pensando una jugada. Es una persona modesta, de un perfil mucho más bajo que su rival histórico, Kasparov, con quien durante años protagonizó lo que Harvard Business Review calificó como "la rivalidad más enconada de la historia de los deportes en el siglo XX". Su primera respuesta fue que el Fischer de 1972 -cuando derrotó en el match del siglo al ruso Boris Spassky, en Islandia- probablemente haya sido el ajedrecista que más lejos estuvo del pelotón que lo seguía. "Ganó algunos de los matchs clasificatorios por 6-0, aplastando a sus rivales -me dijo en una entrevista-. En términos estadísticos fue un outlier total, una proeza equivalente a ganar un torneo de grand slam sin ceder un solo game".
Pero luego precisó su respuesta: el vencedor sería sin duda el último campeón (el indio Viswanathan Anand al momento de la charla, el noruego Magnus Carlsen hoy). "En ajedrez hay aprendizaje, y muchas aperturas que se jugaban hace algunas décadas fueron descartadas porque se les encontraron puntos débiles. Así que hay una ventaja grande para el último campeón", explicó.

La respuesta de Karpov resuena a partir de un nuevo hito de la inteligencia artificial logrado en forma reciente. El programa Alpha Zero logró aplastar a otro software fuerte en un match a cien partidas sin perder ninguna. Pero lo revolucionario no fue el resultado, sino cómo se logró: Alpha Zero no necesitó aprender de millones de partidas anteriores, sino que simplemente se le enseñaron las reglas y en 24 horas se convirtió en el jugador más potente del planeta. Las décadas que a los humanos nos llevaron desechar aperturas se transformaron en horas en al caso del algoritmo: en las primeras dos horas, el programa parecía entusiasta probando la apertura francesa, pero luego la descartó. Su enamoramiento de la Caro-Kahn duró mucho menos.
"Lo interesante aquí es que no se necesitó big data para superar la performancehumana: sólo las reglas y tiempo para aprender (un día)", dice Marcelo Rinesi, experto en ciencia de datos e investigador del Instituto Baikal. "La observación inevitable, creo, es que la experiencia y el conocimiento acumulados por la especie humana son realmente pocos: no sabíamos nada de ajedrez, y seguramente no sabemos nada de matemáticas, programación, medicina, diseño industrial ni arquitectura", agrega.
Tres años atrás, la empresa DeepMind, que pertenece a Google, se puso como objetivo desarrollar un algoritmo que pudiera competir contra los mejores jugadores de Go del mundo, un juego tremendamente complejo, con trillones de jugadas probables, que no puede abordarse con la "fuerza bruta" computacional como la que IBM usó con Deep Blue 20 años atrás para derrotar a Kasparov. En marzo de 2016, cuando el programa Alpha Go se enfrentó a Lee Sedol, el mejor jugador del mundo, las apuestas estaban diez a uno a favor del humano. El resultado fue un 4-1 para el algoritmo. El programa aprendía, a velocidad supersónica, de millones de partidas previas, y un año después derrotó con un inapelable 3-0 al chino Ke Jie, un joven prodigio cuyo talento en Go es comparable al de Carlsen en ajedrez.
El salto cuántico se produjo luego, cuando la firma logró una versión más potente sin necesidad de acudir a partidas previas y pudo, en muy pocas semanas, traducir esa expertise del Go al ajedrez. Demis Hassabis, el fundador de DeepMind, fue a los 13 años un genio del juego ciencia, segundo a nivel mundial en esa categoría detrás de la húngara Judit Polgar.

Para Axel Rivas, experto en educación y profesor de la Udesa, la experiencia de Alpha Zero implica una lección relevante para la forma en que adquirimos conocimientos en el siglo XXI: "Tenemos que ser capaces de enseñar una serie de reglas y métodos fundamentales a nuestros alumnos. Pero también tenemos que enseñarles a cuestionar esos principios y reconstruirlos de maneras alternativas. Durante siglos enseñamos reglas (quizá como las primeras máquinas fueron programadas paso a paso), pero para enseñar metacognición tenemos que enseñar a vulnerarlas, o al menos a intentarlo".

Según Rinesi, este tipo de eventos dan la pauta de que "se acelerarán los tiempos de avances esperados para biología, medicina e ingeniería. La única diferencia entre una partida de ajedrez y diseñar un nuevo dispositivo es que las reglas son más imperfectas y la partida, más complicada, pero ambas cuestiones implican sólo el desafío de acumular datos para refinar modelos y aumentar la escala de procesamiento".

En el último mes aparecieron varios estudios que buscan mapear los últimos avances de la inteligencia artificial y buscan responder la pregunta de cuán rápido, y en qué intensidad, esta tecnología exponencial transformará la economía. Uno de estos trabajos es un "AI Index" del MIT. Según un artículo de Steve Lohr en The New York Times, todos estos trabajos coinciden en que la inteligencia artificial en su estado actual sirve para menos cosas de las que creemos, pero que avanzará más rápido de lo que estimamos y tendrá un impacto mucho mayor que el que se pronostica.

La historia de Alpha Zero no está exenta de críticas. La semana pasada, José Camacho Collado, matemático, investigador en IA y gran maestro de ajedrez, publicó un análisis en Medium donde señaló una decena de razones para tomar con cautela el logro de DeepMind, entre ellas que sólo se publicaron algunas partidas y que no se eligió como contrincante la versión de software más poderosa.

La respuesta de Karpov, con la humildad de no mencionarse a sí mismo como probable ganador del hipotético torneo con los mejores del mundo, viene con una reivindicación: la forma de juego de Alpha Zero, resaltó Albert Silver, el sitio de ajedrez Chess News, es mucho más "humana": su dinámica se basa en "filtrar" los caminos que parecen más promisorios y enfocar la profundidad y esfuerzo de análisis por ahí, como hacen los jugadores de carne y hueso.

Al contrario de los programas anteriores, mucho más agresivos, que van "a todo o nada", Alpha Zero no escapa de posiciones cerradas, en las cuales se trata de sacar una mínima ventaja y luego exprimirla con paciencia al máximo, ahogando al contrincante en forma lenta. Esta estrategia de boa constrictor fue refinada en su momento por el ex campeón Tigran Petrosian y llevada a su máximo nivel de brillantez por el propio Karpov. Por eso, destacó el artículo de Chess News, si Alpha Zero tuviera que emparentar su juego con alguno de los humanos conocidos, sería sin duda con el de Anatoly Karpov.

S. C.