Ley del ciclo del cincelado y la construcción · Serie sobre IA · 18

La jugada 78 de Lee Sedol

Han Qin · Unos 14 minutos · Publicado

1. Una partida decente

El 21 de enero de 1965, el semanario británico New Scientist publicó «El misterio del go». Su autor, el matemático Irving John Good, había trabajado con Turing en el servicio británico de descifrado durante la guerra. Una sección preguntaba si las computadoras podían jugar al go. Good respondió: «Por eso creo que programar una computadora para que juegue una partida decente de go será más difícil que programarla para jugar al ajedrez».

En el cuarto artículo, un trabajo de 1950 sobre ajedrez daba una razón para elegir ese problema: se suele considerar que jugar bien al ajedrez exige pensar. Quince años después, Good movió el límite un paso hacia delante, a un juego más difícil que el ajedrez.

El go tiene pocas reglas. El tablero tiene diecinueve líneas de arriba abajo y otras tantas de lado a lado. Dos personas se turnan para poner piedras negras y blancas en las intersecciones. Cuando las piedras del otro rodean a un grupo y lo dejan sin una sola libertad, se retira el grupo. Al final cuenta quién ha cercado más espacio. Hay pocas reglas y muchos sitios donde jugar. En la primera jugada hay trescientos sesenta y un puntos posibles. En el tablero caben más posiciones que átomos en el universo.

En mayo de 1997, la máquina Deep Blue del undécimo artículo derrotó en un encuentro oficial al campeón mundial de ajedrez. En julio, The New York Times publicó el día 29 un reportaje en que entrevistaba al astrofísico Piet Hut. «Quizá falten todavía cien años para que las computadoras derroten a los seres humanos en el go», dijo. «Puede que más». Añadió que una persona lo bastante lista podía estudiar go unos meses y ganarle a un programa de entonces.

En 2014, un periodista de Wired preguntó a Rémi Coulom, autor de un programa de go, cuándo ganaría una máquina sin hándicap. «Creo que quizá en diez años», dijo. Y añadió enseguida: «Pero no me gusta hacer predicciones».

2. Piedras de ventaja

El hándicap permite jugar a quienes tienen fuerzas muy distintas. Antes de comenzar, el jugador más débil pone varias piedras en el tablero. Cuantas más recibe, más grande es la diferencia.

Hacia 2006, varios investigadores europeos cambiaron de planteamiento para los programas de go. Ante una posición, el programa no empezaba por juzgar qué jugada era buena. A partir de ella, jugaba muy deprisa hasta el final, escogiendo jugadas al azar, muchas veces. Veía tras qué jugadas ganaba más y exploraba unos pasos más por esos caminos. En un artículo de 2006, Coulom llamó al procedimiento búsqueda en árbol de Montecarlo. Montecarlo es el lugar de Mónaco donde están los casinos. Se toma el nombre para indicar que se estima algo mediante pruebas al azar. El programa de Coulom se llamaba Crazy Stone.

El 22 de junio de 2012, la asociación japonesa de go y la Universidad de Electrocomunicaciones de Tokio firmaron un acuerdo. Desde entonces prepararon cada primavera partidas con hándicap entre profesionales y programas, con el nombre de Denseisen. En la primera, en marzo de 2013, Crazy Stone recibió cuatro piedras de Yoshio Ishida, de noveno dan, y ganó.

En la segunda, el 21 de marzo de 2014, Norimoto Yoda, de noveno dan, jugó también con hándicap contra Crazy Stone. Un periodista de Wired estuvo allí. Era una sala de reuniones, con paneles que imitaban la madera, tubos fluorescentes y una pantalla de proyección en una esquina. Un equipo preparaba la transmisión por internet. El programa corría en un sistema junto a una computadora portátil vieja. La pantalla mostraba su estimación de la probabilidad de ganar. En el tablero, una persona ponía las piedras que indicaba la pantalla. Yoda iba abriendo y cerrando su abanico. Hacia el final, el programa jugó en su propio territorio y regaló unos puntos. Solo le importaba la probabilidad de ganar, no por cuánto, y a su autor le incomodó verlo desde un lado. El programa ganó por dos puntos y medio. En la tercera edición, en marzo del año siguiente, Cho Chikun, de noveno dan, dio cuatro piedras a un programa coreano y acabó rindiéndose.

Aquel año, el profesional Michael Redmond explicó al periodista de Wired cómo juega una persona al go. A veces ve una jugada y está seguro de que es la correcta, pero no sabe decir por qué. El periodista lo llamó intuición y dijo que crece con años de práctica.

3. Un muro

Del 5 al 9 de octubre de 2015, en la sede de DeepMind en Londres, el campeón europeo Fan Hui disputó cinco partidas oficiales sin hándicap contra AlphaGo, el programa de la empresa. DeepMind era la compañía londinense que compró Google en el decimoséptimo artículo. Cada jugador disponía de una hora y, al agotarla, de tres períodos de treinta segundos. Terminado el tiempo principal, había que jugar cada piedra en treinta segundos. Rebasarlos consumía un período. AlphaGo ganó las cinco.

Las partidas no se hicieron públicas en ese momento. No se supo de ellas hasta que, el 27 de enero de 2016, Nature publicó en línea «Dominar el go con redes neuronales profundas y búsqueda en árbol». Firmaban veinte personas. La segunda era Aja Huang.

El artículo explicaba el método. Había dos redes. Una estimaba, para cada posición, dónde colocaría la piedra un profesional y con qué probabilidad. Era la red de política. La otra estimaba quién acabaría ganando, y se llamaba red de valor. Las dos ayudaban a la búsqueda de la sección anterior a no perderse en tantas ramas. Una red entrenada con partidas humanas calculaba cómo jugaría una persona. A partir de ella, el programa mejoraba sus jugadas jugando contra sí mismo. Las partidas contra sí mismo servían también para entrenar la red que estimaba quién acabaría ganando. La versión que jugó contra Fan Hui empleó 1.202 CPU y 176 GPU.

Fan Hui le dijo después a un periodista de Wired que el programa era «muy fuerte, muy firme, como un muro». Añadió que, de no habérselo dicho nadie, quizá habría creído que al otro lado había una persona muy fuerte que jugaba de una manera un poco extraña.

De no habérselo dicho nadie. El juego de imitación que Turing propuso en 1950, en el quinto artículo, pedía a alguien que juzgara sin ver al otro, solo por lo que este le daba. Sesenta y cinco años después, un profesional sentado ante un tablero dijo algo que suena a respuesta a aquella pregunta. Sabía que al otro lado había una máquina porque alguien se lo había contado.

4. El hotel Four Seasons

En marzo de 2016, AlphaGo y el surcoreano Lee Sedol, de noveno dan, jugaron cinco partidas en el sexto piso del Four Seasons de Seúl. Se disputaron los días 9, 10, 12, 13 y 15, a la una de la tarde.

Se aplicaron las reglas chinas y una compensación de siete puntos y medio. Con las reglas chinas se cuentan al final las piedras y el territorio. Como las negras, que salen primero, tienen ventaja, se les restan siete puntos y medio antes de comparar. Cada jugador tenía dos horas y, al agotarlas, tres períodos de un minuto. El premio era de un millón de dólares. Cuando AlphaGo se aseguró la victoria en el encuentro, la empresa anunció que donaría el dinero a organizaciones benéficas y de go.

Frente a Lee Sedol estaba Aja Huang, con una computadora delante. Cuando Lee ponía una piedra, Huang introducía la jugada. La pantalla mostraba dónde quería jugar AlphaGo. Huang ponía una piedra en ese punto y pulsaba el reloj.

En el decimosexto artículo, una persona escondida en el armario jugaba por el Turco Mecánico de hacia 1770. El público no la veía. En Seúl, en 2016, una persona a la vista de todos ponía las piedras por la máquina. La máquina decidía la jugada. La colocaba una mano humana. La máquina que calculaba la partida no estaba en la habitación.

En las tres primeras partidas se rindió Lee Sedol. El encuentro quedó decidido en la tercera. En la cuarta se rindió el programa. En la quinta, Lee Sedol. Cuatro a uno.

5. La jugada 37

En la segunda partida, el 10 de marzo, AlphaGo llevaba las negras. En la jugada 37 puso una piedra. En la cabina de comentaristas de habla inglesa, uno dijo: «Es una jugada muy extraña». Otro: «Creí que se había equivocado».

Fan Hui estaba allí. Al verla dijo: «No es una jugada que haría una persona. Nunca he visto jugar así». Unos diez segundos después, vio la relación entre la piedra y las que ya había en el tablero. Dijo: «Qué belleza».

En la sala de control, David Silver, de DeepMind, consultó el registro de AlphaGo. Después contó a Wired que la red de política entrenada con partidas humanas estimaba en una entre diez mil la probabilidad de que, en esa posición, un profesional humano hiciera esa jugada.

Una entre diez mil mide esto: a juzgar por partidas humanas anteriores, ¿jugaría así un profesional al llegar a esa posición? No mide si la jugada es buena ni si alguien puede llegar a pensarla.

Años después, la propia empresa decía en su sitio que la jugada 37 tenía una probabilidad de una entre diez mil de hacerse. En esa frase ya no aparecen ni el modelo entrenado ni el profesional.

En la rueda de prensa de esa tarde, Lee Sedol dijo por medio de un intérprete: «Ayer me sorprendió. Hoy no tengo palabras». De principio a fin, añadió, no se había sentido por delante en ningún momento. El AlphaGo de esa partida había sido casi perfecto.

6. La jugada 78

El 12 de marzo, después de perder la tercera, Lee Sedol abrió la rueda de prensa diciendo: «Lo siento mucho, les he dejado ver lo impotente que estaba». La frase que más se difundió de la misma conferencia fue: «El que ha perdido es Lee Sedol, no la humanidad».

El 13 de marzo, en la cuarta partida, Lee Sedol llevaba las blancas. En la jugada 78 puso una piedra en mitad del tablero. Ese día, Gu Li, de noveno dan, la llamó una jugada divina.

AlphaGo no se rindió enseguida. Hizo una serie de jugadas que los comentaristas no entendían. Pasaron varias más antes de que su evaluación de la posición reflejara lo ocurrido. Después Lee Sedol dijo que parecía un fallo del programa. Al final se rindió el programa. En la rueda de prensa, Lee dijo: «Parece que es la primera vez que, por ganar una sola partida, recibo tantas felicitaciones».

Después, el sitio de la empresa también describió la jugada 78 con la misma fórmula: una entre diez mil. La 37 la hizo la máquina, y el modelo entrenado con partidas humanas estimó en una entre diez mil la probabilidad de que un profesional jugara así. La 78 la hizo una persona. La empresa usó la misma cifra sin explicar cómo la había estimado en ese caso.

Lee Sedol se rindió en la quinta partida, el 15 de marzo. La vio mucha gente. Google dijo que solo la primera tuvo sesenta millones de espectadores en China. DeepMind calculó después que más de doscientos millones de personas en todo el mundo habían visto el encuentro. Dos días después, el gobierno surcoreano anunció que dedicaría alrededor de un billón de wones en cinco años a investigar la inteligencia artificial.

7. Zero

Entre fines de 2016 y principios de 2017, en Tygem, de Corea, y Fox Go, de China, una cuenta disputó partidas rápidas con una serie de profesionales de primer nivel. Entre ellos estaban Ke Jie, Park Junghwan, Iyama Yuta y Gu Li. La cuenta cambió de nombre. El posterior fue Master. El 4 de enero de 2017 llevaba sesenta victorias en sesenta partidas. Ese día, Demis Hassabis, de DeepMind, explicó en internet que se estaba probando un prototipo nuevo de AlphaGo.

El 23, el 25 y el 27 de mayo de 2017, Ke Jie disputó tres partidas contra AlphaGo en Wuzhen, en la provincia china de Zhejiang. En la primera, AlphaGo ganó con blancas por medio punto. En las otras dos, Ke Jie se rindió. Después, la empresa anunció que AlphaGo no competiría más en encuentros de esa clase.

En octubre salió otro artículo en Nature, «Dominar el go sin conocimiento humano». La versión nueva se llamaba AlphaGo Zero. Según la explicación de la empresa, las versiones anteriores empezaban por estudiar miles de partidas humanas, de profesionales y aficionados. Esta se saltaba ese paso. Empezaba jugando al azar y solo jugaba contra sí misma. A los tres días se enfrentó en cien partidas a la versión que había vencido a Lee Sedol y ganó las cien. A los cuarenta días había mejorado otro tramo. Al año siguiente el método se extendió al ajedrez y al shōgi, con el nombre de AlphaZero.

El título dice sin conocimiento humano. El artículo y la empresa enumeran qué se le dio: un tablero de diecinueve líneas, piedras blancas y negras, de quién era el turno, dónde se podía o no jugar y quién ganaba al final. Las personas diseñaron la red y la búsqueda. También decidieron cómo entrenarla partida por partida. No estudió partidas humanas. Jugaba a un juego que la gente llevaba siglos jugando.

Los jugadores también cambiaban. En abril de 2017, DeepMind entrevistó a varios profesionales chinos. Zhou Ruiyang dijo que, por influencia de AlphaGo, ya no consideraba imposible ninguna jugada. Se volvieron a estudiar secuencias de apertura poco habituales, como la invasión temprana en el punto tres-tres.

En marzo de 2023, cuatro investigadores publicaron en los anales de la Academia Nacional de Ciencias de Estados Unidos «La inteligencia artificial sobrehumana puede mejorar la toma de decisiones humanas al aumentar la novedad». Usaron un programa más fuerte que las personas para evaluar las jugadas de los profesionales durante varias décadas. A partir de 2016 observaron una mejora medible en la calidad del juego humano, asociada a un aumento de las jugadas nuevas.

8. Una entre diez mil

En noviembre de 2019, Lee Sedol formalizó su retiro del go profesional. Dijo a la agencia Yonhap: «Aunque llegue a ser el primero, hay alguien a quien no puedo ganar». Un mes después, del 18 al 21 de diciembre, jugó tres partidas de despedida con HanDol, de una empresa surcoreana. En la primera recibió dos piedras. El programa evaluó mal un grupo grande y se rindió. Ganó las otras dos.

En 2023, un grupo publicó «Estrategias adversarias derrotan a una inteligencia artificial sobrehumana de go». Entrenó un programa para buscar los puntos débiles de KataGo, un programa fuerte de código abierto. Una de las estrategias llevaba al contrario a cerrar un círculo grande y a equivocarse una y otra vez sobre qué piedras podían sobrevivir dentro. Kellin Pelrine, un aficionado fuerte, aprendió ese enfoque y ganó catorce partidas de quince contra KataGo en una prueba con jugadores humanos. El autor de KataGo modificó el programa. Después se encontraron estrategias contra la versión modificada.

Lo de que hay alguien a quien no puedo ganar lo dijo un profesional de noveno dan en 2019. Cuatro años después, un aficionado aplicó el método encontrado por otra máquina y ganó a un programa al que un título llamaba sobrehumano.

Se han quitado dos cosas. Una es lo que venía antes de «una entre diez mil»: un modelo entrenado en partidas humanas calculaba si un profesional haría esa jugada. Sin esa parte, el número parece decir lo rara que es la jugada en sí. La otra es lo que no se explicitó después de «sin conocimiento humano»: se omitió el aprendizaje a partir de partidas humanas, pero el tablero y las reglas siguieron viniendo de las personas. Sin esa parte, parece que no tomó nada de las personas.

Y hay otra cosa que, se recorte o no, no está en la máquina.

AlphaGo dio un lugar donde poner la piedra. Muy extraña, se equivocó, nadie jugaría así, qué belleza, una jugada divina, creativa: todo eso lo dijo la gente. En su sitio, la empresa llamó creativa a la jugada 37 y divina a la 78. Son nombres que las personas dieron a las jugadas. En el registro del programa no hay una columna así. Pasaron diez segundos antes de que Fan Hui dijera «qué belleza». Esos diez segundos eran suyos.

Quien ponía las piedras por la máquina era una persona. Quien estaba al otro lado del tablero era una persona. Quien pidió disculpas al rendirse era una persona. Según la empresa hubo doscientos millones de personas que vieron aquellas partidas. ¿Sigue siendo una partida si nadie la juega y nadie la mira?

Según la cifra que dio después la empresa, la jugada 78 era una entre diez mil. Lee Sedol la hizo. La vara descrita antes para medir el juego humano estaba hecha con partidas que habían jugado personas. La siguiente jugada la seguía haciendo quien estaba sentado ante el tablero. A esa parte que el pasado no acaba de contener por más que se calcule, esta serie la llama remanente.

Se siguen construyendo máquinas. Dónde queda el límite vuelve a decirlo cada generación.