Tres en raya con minimax: la máquina que se niega a perder
Juega al tres en raya contra una máquina que lee todos los futuros posibles y nunca pierde. Míra cómo puntúa cada jugada, victoria, empate o derrota, antes de moverse.
Esta semana la IA deja de adivinar y empieza a calcular. El perceptrón aprendió, el balbuceador de Markov contó; el invitado de hoy no hace ni lo uno ni lo otro. Busca.
El gadget de abajo juega al tres en raya con una estrategia perfecta llamada minimax. Antes de cada jugada mira toda la partida, cada movimiento que podría hacer, cada respuesta que podrías dar tú, hasta la última casilla vacía, y luego elige una jugada que no puede perder. Adelante, intenta ganarle. No puedes. Lo máximo que lograrás es un empate.
Cómo jugar:
- Elige si juegas con X (empiezas tú) o con O (empieza la máquina).
- Pulsa una casilla. La máquina responde al instante.
- Observa el panel junto al tablero: enumera cada casilla que la máquina sopesó en este turno con el resultado garantizado con juego perfecto, gana la máquina, empate o pierde la máquina, y marca la que eligió.
Buscar, no aprender
Minimax es maravillosamente tonto. No tiene experiencia, ni entrenamiento, ni datos. Simplemente supone que ambos jugadores son perfectos, recorre cada rama del árbol de jugadas y puntúa cada final: +1 si gana la máquina, −1 si pierde, 0 si hay empate. Después toma la rama con el mejor resultado garantizado. Ese es todo el truco.
Esta es la otra gran familia de la IA temprana, la que no tenía nada que ver con las neuronas. Va desde el bosquejo de Claude Shannon de 1950 sobre una máquina que juega al ajedrez hasta Deep Blue, el ordenador de IBM que en 1997 venció al campeón mundial Gary Kaspárov buscando en millones de posiciones con reglas afinadas a mano, anticipación por fuerza bruta, no aprendizaje.
Por qué se queda en el tres en raya
El tres en raya solo tiene 255.168 partidas posibles, así que un portátil las lee todas en un parpadeo. El ajedrez tiene más posiciones que átomos hay en el universo observable, por eso Deep Blue solo podía mirar unas pocas decenas de jugadas por delante y apoyarse en una función de evaluación ingeniosa. El go es aún más inmenso, y por eso ganarlo exigió una idea completamente distinta: la mezcla de búsqueda y aprendizaje detrás de AlphaGo en 2016.
Así que disfruta de tu partida imposible de ganar. Es el ejemplo más pequeño y puro de la IA simbólica de toda la vida: una máquina que parece brillante simplemente por ser minuciosa.
¿Te perdiste las ediciones anteriores? Entrena un perceptrón en el navegador o mira balbucear a una cadena de Markov.