Ajedrez, póker o go: ¿queda algún juego en el que podamos ganarle a las computadoras?

El próximo 11 de mayo se cumplen 25 años de un hito en la historia de la invención humana. Ese día, en Nueva York, el programa Deep Blue venció al entonces campeón del mundo de ajedrez, Gary Kasparov, en un duelo a seis partidas. “La presión ambiental y la que él mismo se aplicó se añadieron a la desquiciante forma de jugar de su inhumano rival para romper sus nervios”, escribió Leontxo García en su crónica para EL PAÍS. La máquina había demostrado su superioridad en un terreno hasta entonces reservado a sus creadores.

La nueva frontera de la hegemonía humana se situó entonces en el go, un juego milenario originario de China, más complejo, intuitivo y sutil. Los expertos fijaron para 2025 la previsible victoria de la máquina, pero los progresos en inteligencia artificial adelantaron la fecha casi en una década. En 2016 el programa de Google Alpha Go venció al campeón coreano Lee Sedol, quien tres años después abandonó la competición, aún frustrado por la derrota.

¿Queda algún juego de inteligencia a los que podamos derrotar a las máquinas? El matemático italiano afincado en España Carlo Frabetti, experto en acertijos y problemas de lógica, considera que las computadoras han vencido definitivamente a los seres humanos en cualquier desafío que pueda reducirse a algoritmos, es decir a un conjunto de reglas definidas, no ambiguas y finitas, como las damas, el ajedrez o el go. Hay cierto consenso en torno a esta conclusión, pero además en los últimos años las computadoras han ido más allá, venciendo en juegos de información incompleta o en tiempo real como el póker o algunos videojuegos. Todos estos hitos han sido celebrados con llamativos titulares en los medios, pero el propósito de estos proyectos no ha sido tanto derrotar a los humanos, como entrenar los sistemas de inteligencia artificial en un terreno de juego idóneo y sin riesgos como es el de los juegos.

¿Cómo se han logrado estos avances? Que algunos juegos sean finitos no quiere decir que las máquinas ganen por fuerza bruta. Ni siquiera ellas pueden considerar todas las combinaciones posibles. “El número de partidas de ajedrez diferentes es del orden de los 20 septillones, un número con 41 ceros, mayor que el número de átomos del universo”, cuenta Frabetti. Por eso, los programas de este tipo más sofisticados copian a los humanos para centrarse solo en las opciones verosímiles.

En diciembre de 2018, tras aprender en unas horas a jugar al ajedrez, al shogi (ajedrez japonés) y al go, sabiendo solo las reglas y sin ejemplos de partidas, el programa AlphaZero, que emula las redes neuronales, apalizó no ya a los humanos, sino a las máquinas más potentes del mundo. Su ventaja estaba precisamente en imitar algunas de las cualidades típicamente humanas. “El éxito de AlphaGo y AlphaZero fue incorporar este tema de la intuición, para considerar únicamente los movimientos más razonables”, explica por videoconferencia desde Londres Oriol Vinyals, ingeniero español de Google DeepMind, la división de inteligencia artificial de la tecnológica responsable de estos proyectos. La máquina elige así exclusivamente entre unas decenas de miles de posiciones posibles, frente a las decenas de millones que contemplan sus rivales.

DeepMind fue fundada en 2010 por Demis Hassabis, un investigador en inteligencia artificial fanático de los juegos. De hecho, uno de sus primeros programas aprendió a practicar solo y a ganar a diferentes títulos de la videoconsola de Atari. Pero su propósito último no es derrotar a las personas, sino resolver problemas muy complejos mediante inteligencia artificial y utiliza los juegos como campo de entrenamiento. “Cada uno de estos proyectos producen avances en los componentes del sistema, es como un puzle”, explica Vinyals. De hecho, investigar sobre estos juegos sirvió para que DeepMind impulsara AlphaFold, un sensacional avance científico que predice todas las proteínas que forman un ser humano.

Vinyals cree que el hombre ya no puede derrotar a la máquina en los “juegos clásicos, por turnos y casi computacionales”. Otros son más complicados para la inteligencia artificial, que precisamente por eso puede seguir aprendiendo de ellos. El ingeniero español se incorporó en 2017 a un proyecto sobre StarCraft, un videojuego de estrategia al que es muy aficionado. “Hay una parte que está oculta al otro jugador [a diferencia del ajedrez] y una parte de tiempo real que lo hacen más complejo”, explica. Con todas estas dificultados, el programa AlphaStar derrotó en 2019 a dos profesionales por diez partidas al cero. Pero quedan otros aún más sofisticados, “los de mundo abierto, como el Minecraft, sin objetivo final ni reglas estrictas, que requieren una enorme creatividad”.

¿Qué cualidades humanas deben perfeccionar las máquinas para ganarnos en juegos en los que aún no nos ha derrotado? La capacidad de generalizar, por ejemplo: para el ser humano es fácil aprender el juego 101 si ya participado en 100 similares. También la impredecibilidad o la habilidad para detectar los sesgos de sus rivales. “Cuando Lee Seedol jugó contra AlphaGo se iba adaptando a la máquina a medida que transcurrían las partidas. Pero para AlphaGo era como jugar contra personas distintas, no captaba sus tics, su estilo de juego”, cuenta Vinyals.

Algunas de esas cualidades psicológicas, como lanzar distracciones o, a su manera, poner cara de póker ―volviéndose impredecible― las desarrolló por sí mismo el programa Pluribus, creado por un equipo de investigadores de la Universidad Carnegie Mellon en colaboración con Facebook (ahora Meta). En julio de 2019 la revista Science publicó que este sistema había derrotado a cinco campeones de póker. Sus creadores no le inculcaron ninguna de estas cualidades, simplemente le enseñaron lo básico para que jugara solo: al principio de manera aleatoria, luego repitiendo con más frecuencia las tácticas que más dinero podrían proporcionarle. “Después de billones de manos, aprendió una estrategia que puede derrotar a los mejores profesionales humanos”, explica a EL PAÍS por correo electrónico Noam Brown, uno de los creadores del proyecto e investigador científico de la división de inteligencia artificial de Meta.

Más allá de otro titular sobre la máquina que vence al hombre, la utilidad, según Brown, de este tipo de autoaprendizaje es que puede generalizarse más fácilmente para resolver otros problemas del mundo real. Su objetivo era desarrollar un algoritmo genérico para afrontar el problema de la información oculta que se da en numerosos campos. “A largo plazo, esta investigación podría utilizarse para aplicaciones tan amplias como la navegación de vehículos autónomos o la negociación autónoma de los precios de los billetes de avión en nombre de los usuarios”, explica.

Pese a que la máquina haya vencido también en juegos tan complejos, el ser humano conserva algunas ventajas. “Nuestro sistema es un superhombre en póker porque fue capaz de jugar billones de manos contra sí mismo. Pero una persona aprende a jugar bastante bien después de unas miles de partidas. La capacidad de los humanos para adaptarse tan rápido es algo que la inteligencia artificial aún lucha por conseguir”, concluye Brown.

¿Y qué sucede por ejemplo con los acertijos o los problemas matemáticos? Frabetti lleva décadas proponiendo a sus lectores este tipo de retos, con un lenguaje muy humano que incluye toques de humor. “La única dificultad está en interpretar correctamente ese lenguaje, pero si los planteas en términos estrictamente matemáticos, ya están las máquinas muy por encima de nosotros en cuanto a capacidad de resolución”, cuenta.

La clave para que una computadora pueda resolver cualquier problema matemático está en que este “puede reducirse a una cantidad finita de subproblemas finitos”, según Davide Barbieri, profesor de la Universidad Autónoma de Madrid. Esto no se ha podido hacer con muchos de los desafíos que resisten al ingenio humano desde hace siglos, como la conjetura de Goldbach, pero sí con otros problemas célebres. A mediados de los 70 un programa informático resolvió ―teóricamente― la famosa conjetura que afirmaba que cualquier mapa puede pintarse con cuatro colores, sin que coincida el color de dos países limítrofes. Sin embargo, al menos en este caso tendremos que fiarnos de que la solución sea correcta: la demostración es tan extensa que ningún humano puede verificarla.

Con lo que no parece que vayan a poder las máquinas, al menos de momento, es con esos otros desafíos que plantea la criptografía, la ciencia que se encarga de la gestión segura de la información. “En criptografía los grandes descubrimientos disruptores tienen que ver con un paradigma de computación distinto, como será la computación cuántica o con una idea muy original, que es muy difícil que proceda de una inteligencia artificial”, explica María Isabel González Vasco, profesora de matemática aplicada en la Universidad Rey Juan Carlos y experta en la materia.

Dos grandes figuras de la ciencia ficción tenían visiones diferentes de hacia dónde nos conduce este imparable progreso. Arthur C. Clarke creía que si conseguimos inventar máquinas pensantes será lo último que inventemos. Isaac Asimov esperaba que llegaran esas máquinas para salvarnos de nosotros mismos. “Deberíamos pensar cómo organizarnos para que el progreso social y cultural evolucionen a una velocidad compatible con la velocidad de la tecnología. Podemos llegar a un punto en el que no entendamos qué hacen las máquinas que controlan parte de nuestra vida”, reflexiona Barbieri. Frabetti coincide la visión más optimista de Clarke: “Si las máquinas son inteligentes, aunque para entonces ya no podremos seguir llamándolas máquinas, es razonable pensar que establecerán una relación cordial con sus constructores y nos ayudarán a resolver problemas que no hemos resuelto. Y creo que llegaremos a verlo”.