AlphaGo derrotó a Lee Sedol por tercera vez consecutiva el sábado, alzándose con la victoria en un encuentro de cinco partidas contra uno de los jugadores de Go más fuertes del mundo y cruzando un umbral que muchos investigadores de inteligencia artificial creían que aún estaba a años de distancia.

Lee se retiró tras 176 movimientos en Seúl, otorgando al programa desarrollado por la unidad DeepMind de Google una ventaja insuperable de 3 a 0 con dos partidas restantes. El resultado es más que otra victoria de una máquina en un juego de mesa. La enorme cantidad de posiciones posibles del Go y su dependencia del juicio sobre la forma, la influencia y el equilibrio a largo plazo habían resistido las técnicas de fuerza bruta que conquistaron el ajedrez.

Según informó Reuters desde Seúl , la victoria sorprendió incluso a los diseñadores de AlphaGo y provocó que Lee se disculpara por lo que calificó como una demostración de impotencia. El campeón surcoreano de 33 años ostenta 18 títulos internacionales y llegó al encuentro confiado en que la experiencia y la intuición humanas revelarían las limitaciones del software.

Un tablero de Go tiene 19 filas por 19 filas, lo que crea 361 posibles posiciones para la primera jugada y un espacio astronómico para configuraciones posteriores. A diferencia del ajedrez, el juego no ofrece un conteo simple de piezas para evaluar quién lleva la delantera. Un grupo de piedras puede ser vital, vulnerable, influyente o prescindible dependiendo de los acontecimientos en todo el tablero. Los jugadores fuertes suelen describir sus decisiones como intuitivas, ya que un cálculo exhaustivo es imposible.

Eso convirtió al Go en una prueba computacional excepcionalmente exigente. Los sistemas de juego tradicionales exploran un árbol de movimientos posibles y puntúan las posiciones resultantes. En el Go, el árbol se expande demasiado rápido y las posiciones son demasiado difíciles de valorar con precisión. Los programas habían mejorado mediante métodos de Monte Carlo —muestreando muchas continuaciones posibles—, pero hasta hace poco no podían vencer a los mejores profesionales sin una desventaja.

AlphaGo combina la búsqueda con el juicio aprendido. El sistema descrito en el artículo de DeepMind publicado en enero en Nature utiliza una "red de políticas" para seleccionar movimientos prometedores y una "red de valores" para estimar la probabilidad de ganar desde una posición. Estas redes reducen el rango de búsqueda, lo que permite al programa invertir recursos computacionales en estrategias que, según su experiencia, son plausibles.

La experiencia se desarrolló en dos etapas. Primero, AlphaGo aprendió patrones a partir de grabaciones de partidas jugadas por jugadores humanos experimentados. Luego, jugó millones de partidas contra versiones de sí mismo, utilizando el aprendizaje por refuerzo para mejorar a través de victorias y derrotas. Este método le permite descubrir estrategias efectivas incluso cuando no se asemejan al juego profesional convencional.

Tres juegos amplían la evidencia

La primera partida demostró que AlphaGo podía soportar la presión de un encuentro en vivo contra un campeón de 9.º dan. Lee se rindió tras aproximadamente tres horas y media. El informe de Reuters sobre la primera partida del miércoles señaló que Lee tenía las piedras negras y que decenas de miles de personas siguieron la transmisión en directo por internet mientras la máquina encontraba repetidamente las respuestas correctas.

La segunda partida resultó más desconcertante para los profesionales, ya que AlphaGo realizó movimientos que inicialmente parecían cuestionables y que posteriormente demostraron ser poderosos. Un golpe de hombro al comienzo de la partida, jugado en la quinta línea, sorprendió a los comentaristas acostumbrados a los principios de apertura establecidos. El análisis de Wired sobre la segunda partida describió el juego del programa como creativo, más que simplemente preciso, una distinción importante para un sistema que a menudo se presenta como una calculadora.

La tercera partida del sábado puso a prueba una debilidad diferente. Lee buscó complicaciones e inició una lucha de ko, una batalla táctica recurrente en la que los jugadores deben responder a amenazas en otras partes del tablero. Estas posiciones exigen un juicio global y pueden generar largas secuencias ramificadas. AlphaGo mantuvo el control, simplificó cuando le convenía y forzó la rendición de Lee.

El artículo de Wired sobre el partido decisivo destacó que el programa no solo sobrevivió a la complejidad táctica, sino que la superó manteniendo una posición general favorable. Este desempeño debilita la teoría de que un campeón humano podría derrotar al sistema provocando el caos en el juego.

La intuición de las máquinas es estadística, pero sigue siendo poderosa

Decir que AlphaGo es intuitivo no significa que piense o experimente el juego como una persona. Sus redes codifican relaciones estadísticas entre las posiciones del tablero, los movimientos y los resultados. No le atribuye un significado cultural al Go, no siente la presión de un oponente ni comprende por qué los espectadores consideran un movimiento bello.

Sin embargo, esta distinción no resta importancia a sus decisiones. La pericia humana también depende del reconocimiento de patrones, desarrollado mediante la exposición repetida, aunque se integra con el lenguaje, la emoción, la experiencia corporal y el razonamiento consciente. AlphaGo demuestra que un sistema más limitado puede reproducir una parte crucial del juicio experto con la suficiente precisión como para superar a un maestro en un ámbito donde las reglas explícitas no especifican una buena estrategia.

La crónica del partido publicada por Google antes de que comenzara la competición la presentaba como el desafío definitivo para un programa que ya había vencido al campeón europeo Fan Hui por cinco partidas a cero. Lee representaba un nivel mucho más alto. Por lo tanto, ganar las tres primeras partidas demuestra que el método es más eficaz que el oponente utilizado para validar la investigación original.

El objetivo del sistema también difiere sutilmente del deseo humano de dominar el tablero. AlphaGo elige movimientos que maximizan su probabilidad estimada de ganar, no la magnitud de su margen final. Un movimiento tranquilo que preserve una ventaja estrecha pero segura puede ser preferible a un movimiento agresivo que ofrezca más puntos con mayor riesgo. Esto puede hacer que su juego parezca conservador en un momento y sorprendentemente poco convencional al siguiente.

De los juegos al aprendizaje de propósito general

La principal afirmación de DeepMind es que las técnicas detrás de AlphaGo pueden abordar problemas donde no es posible programar completamente de antemano decisiones útiles. Las redes neuronales ya son compatibles con el reconocimiento de voz, la clasificación de imágenes y los sistemas de recomendación. El aprendizaje por refuerzo ofrece una forma para que el software mejore mediante la retroalimentación, en lugar de depender únicamente de ejemplos etiquetados.

El Go sigue siendo un entorno delimitado: las reglas son claras, cada movimiento es visible y el éxito se define por la victoria. El diagnóstico médico, la robótica, la gestión energética y la investigación científica contienen datos inciertos, objetivos cambiantes y consecuencias que no pueden reducirse a una puntuación. AlphaGo no demuestra que un sistema pueda pasar directamente de un tablero a esas tareas.

Sin embargo, demuestra que una combinación de representaciones aprendidas, experiencia simulada y búsqueda selectiva puede resolver un problema que antes se creía que requería exclusivamente intuición humana. El reportaje de The Guardian tras el primer juego reflejó la comparación histórica inmediata con Deep Blue de IBM, pero el avance técnico aquí es diferente: AlphaGo se basa menos en enumerar posibilidades y más en aprender qué posibilidades son relevantes.

Quedan dos partidas, y Lee ha declarado que quiere al menos una victoria. Su resultado podría revelar vulnerabilidades en el programa o nuevos ejemplos de estrategias desconocidas. El resultado principal ya está asegurado. Una máquina ha derrotado a un humano de élite en una competición basada en el juicio bajo una complejidad abrumadora, y lo hizo no una vez por casualidad, sino tres veces consecutivas.