AlphaGo contra Lee Sedol: la máquina que aprendió a jugar (2016)

En marzo de 2016, en un hotel de Seúl, AlphaGo de DeepMind venció a Lee Sedol, uno de los mejores jugadores de Go de su generación, por cuatro partidas a una. Lo vieron en directo decenas de millones de personas, sobre todo en Asia Oriental, donde el Go se considera un arte intelectual serio.

El resultado importaba porque el Go se creía inalcanzable. El tablero es tan grande que el número de partidas posibles empequeñece al número de átomos del universo observable. No se puede ganar buscando cada jugada, como había hecho Deep Blue en el ajedrez en 1997.

Cómo ganó AlphaGo

AlphaGo no superó a Lee Sedol en cálculo. Aprendió a juzgar posiciones como lo hacen los buenos jugadores, por intuición, y luego buscó de forma selectiva alrededor de esos juicios.

• Primero estudió una gran base de datos de partidas humanas con aprendizaje profundo, construyendo redes neuronales capaces de predecir buenas jugadas y estimar quién iba por delante.
• Luego mejoró mediante aprendizaje por refuerzo, jugando millones de partidas contra versiones de sí misma y conservando lo que funcionaba.
• Por último combinó esos instintos aprendidos con una búsqueda en árbol enfocada, gastando su cálculo solo en las líneas que las redes juzgaban prometedoras.

Las jugadas que se recuerdan

Dos momentos se hicieron famosos. En la segunda partida, AlphaGo jugó la jugada 37, un golpe de hombro tan insólito que los comentaristas profesionales supusieron un error, hasta que poco a poco resultó decisivo. Luego, en la cuarta partida, Lee Sedol respondió con la jugada 78, una cuña tan precisa que AlphaGo perdió pie y, al final, la partida. Fue la única partida que ganaría un humano en el enfrentamiento, y se recuerda como un momento de brillantez humana bajo presión.

Por qué importa

Donde Deep Blue había buscado, AlphaGo aprendió. Esa es toda la diferencia. Una función de evaluación frágil y ajustada a mano fue reemplazada por intuición destilada de datos y del juego contra sí misma, justo la receta que AlexNet había mostrado que funcionaba para la visión, ahora aplicada a la estrategia.

El enfoque se generalizó. Su sucesor, AlphaGo Zero, aprendió Go desde cero sin ninguna partida humana, y sistemas posteriores llevaron la misma idea de juego contra sí mismo al ajedrez, al shogi y más allá. AlphaGo no solo ganó un juego de mesa; mostró que la intuición aprendida podía vencer a expertos humanos en tareas que durante mucho tiempo se creyeron exclusivamente humanas.