Matthew Lai, investigador del Imperial College de Londres, ha creado un robot de inteligencia artificial, llamado Jirafa (Giraffe), capaz de enseñarse a sí mismo a mejorar en ajedrez evaluando posiciones al estilo humano, según informan en MIT Technology Review. Lo novedoso del método es que difiere del que siguen casi todos los programas actuales. Quizás nos estemos acercando a la máquina de ajedrez ideal, capaz de aprender como una persona, de ir más allá de las instrucciones previas, de no atenerse solo al pie de la letra y de los números de sus algoritmos. Con tiempo ilimitado, un programa así podría seguir aprendiendo por sí mismo en busca de la soñada perfección, por el momento inalcanzable. Hasta ahora, los ordenadores utilizan sobre todo la fuerza bruta de sus procesadores, suficiente para superar a los humanos, pero no para lograr verdaderos avances estratégicos.
Deep Blue demostró al mundo y a Kasparov que la supremacía humana es cosa del pasado. Movsesian acaba de jugar seis partidas con ventaja de material contra Komodo y apenas ha podido arrancar tres tablas. En un primer momento, Jirafa parece un programa más y funciona como el resto de rivales de silicio. Incluso está lejos del nivel de los mejores. Sin embargo, su diseño es más sofisticado: tiene varios nódulos conectados en varias capas, de una manera inspirada en la forma en que funcionan el cerebro y las neuronas humanas.
Esta arquitectura interna permite al robot aprender como una persona, de modo que la inteligencia artificial parezca más natural, no solo por fuera. Redes «neuronales» similares han sido utilizadas para programas de reconocimiento facial y de escritura, entre otras funciones avanzadas. En ajedrez, se trata de enseñar a la máquina patrones de posiciones, como hacen los maestros, que no necesitan calcular en determinadas posiciones para saber qué camino seguir durante la partida. El maestro mexicano Manuel López Michelone es un experto en este campo y siempre ha explicado su sueño de construir una máquina así.
Jirafa es capaz, por tanto, de mirar cada posición como hace un experto humano: primero observa la situación global de la partida (cuenta el número de piezas y datos básicos, como a quién le corresponde mover y si los reyes han enrocado), luego valora la posición de cada pieza y por último empieza a calcular variantes, a estudiar cómo atacar y defenderse.
Lai asegura que ha entrenado a su criatura como si se tratara de una persona, con grandes cantidades de datos tomadas de partidas reales, pero agrupadas por tipos de posiciones. Cuanto más se repitan estos patrones, más útil resulta aprenderlos, algo igualmente válido para personas y programas.
La ventaja de razonar así es que, al igual que hacen los grandes maestros, con estos conocimientos firmemente asentados, no hay que calcularlo todo (las distintas posiciones posibles en una partida siguen excediendo la capacidad de los mejores procesadores). El cerebro entrenado de este modo puede «ir al grano» y no entretenerse en posibilidades fácilmente descartables por un jugador experto, como en realidad hacen los programas normales.
El investigador canadiense ha generado una base de datos eligiendo al azar cinco millones de posiciones, que va creciendo durante el entrenamiento y con el que ya ha generado 175 millones de posiciones, todavía manejables por la máquina. Su objetivo es que esta siga aprendiendo sola, aunque sea por el rudimentario sistema de enfrentarla a sí misma para mejorar su capacidad de anticiparse a los acontecimientos. El viejo método de ensayo y error permite a su programa aprender cuándo lo ha hecho mejor o peor, con la ventaja añadida que supone tener una memoria infalible, al contrario que los humanos.
Para comprobar los avances de su ingenio, según explica la publicación del MIT, Lai la ha puesto a prueba con la base de datos conocida como Strategic Test Suite, que muestra 1.500 posiciones agrupadas en distintas ideas estratégicas, para ver si se han comprendido principio básicos como la importancia de las columnas abiertas, el valor de la pareja de alfiles, el control del centro y otras sutilezas que cualquier maestro conoce.
Y aquí es donde se comprueba que su método parece funcionar. Con una puntuación máxima de 15.000, en las primeras pruebas, Jirafa conseguía una puntuación de 6.000. Después de 72 horas de entrenamiento, logró mejorar su marca hasta los 9.700. Esto es una novedad importante, porque un programa convencional por lo general da idénticas respuestas a las mismas preguntas. «Esto es extraordinario», asegura, «porque su capacidad de evaluación ha sido diseñada cuidadosamente, como un mastodonte con cientos de parámetros ajustados a mano y de forma automática a lo largo de los años, muchos de ellos por el trabajo de grandes maestros humanos».
Como contrapartida, admite el investigador, su sistema es a veces más lento que el de otras máquinas. En la búsqueda tradicional de posiciones, reconoce que Jirafa funciona diez veces más despacio. Pero incluso con esta desventaja, asegura, es competitiva. «Ya es capaz de jugar como un maestro internacional en un ordenador normal», asegura, mientras que los mejores programas, como Komodo, Stockfish o el viejo Fritz superan a un gran maestro.
Pero esto es solo el principio, promete Lai. Si su Jirafa sigue progresando adecuadamente, quizá sea capaz de enfrentarse a los mejores en un futuro próximo. Una explicación más detallada de su trabajo se puede encontrar en este enlace (en inglés).
Ajedrez
