AlphaGo ha vencido al campeón humano, ¿y ahora qué?

Ayer los titulares saltaban con gracia a la pantalla: "el campeón ha vencido una partida a la máquina"; "Lee Se-Don ha derrotado a AlphaGo en el cuarto juego"; "los ordenadores no son del todo imbatibles". Bien, pues va a ser que no. Tal y como se esperaba en los laboratorios de DeepMind, y para sorpresa del campeón mundial de Go durante más de una década, AlphaGo ha conseguido derrotar al ingenio humano. Por goleada, además. Cuatro a uno, una cifra nada despreciable para un ordenador. Especialmente en Go, que, como ya explicamos, resulta un juego "no apto" para máquinas. Así que, bien, ya hemos marcado un nuevo hito en la inteligencia artificial. Hemos construido un algoritmo capaz de simular la intuición humana y batirnos sin contemplaciones en un juego con 10^157 posiciones distintas. ¿Y ahora qué?

La derrota del campeón

Al comienzo de la partida, AlphaGo cometió un error grave que casi le cuesta la victoriaPor si todavía no estáis al tanto, AlphaGo ha conseguido vencer el último juego y ganar el campeonato contra Lee Se-Dol, campeón mundial de Go. Y eso que hasta la fecha ningún algoritmo había conseguido jugar correctamente a este complicado y milenario juego. Además, para darle más tensión al campeonato, al comienzo de la partida, AlphaGo cometió un error grave que casi le cuesta la victoria. Así, más impresionante resulta que haya podido recomponerse y vencer al maestro de Go, en su propio terreno. Con este hito, AlphaGo marca un antes y un después en el mundo de la Inteligencia Artificial.

AlphaGo es solo el principio

La empresa tras AlphaGo, DeepMind, de Google, no ha parado ni un segundo. Desde luego, no podemos decir que se hayan relajado tras ver las victorias de su algoritmo. Más bien al contrario. Tal y como afirmaba Jeff Dean, de la compañía, tras observar las primeras victorias de su retoño, la cuestión es aplicar las posibilidades de una red neuronal a cualquier problema en el que hace falta un humano. El siguiente paso para comprobar las capacidades de un algoritmo "estratégico", como ya os contamos, será tratar de batir a los jugadores de Starcraft. Algo que resulta aún más complicado que vencer al campeón del mundo en Go debido a la cantidad de variables y su desarrollo en tiempo real.

Pero, como decíamos, la compañía ya lleva tiempo trabajando en otros proyectos igual de impresionantes. El principal área donde se destacan los esfuerzos de DeepMind es en el aprendizaje y el uso de redes neuronales. Por ejemplo, algunos trabajos de la empresa tratan de crear una máquina capaz de leer y "comprender", que es un proceso mucho más complejo y que implica un análisis profundo de los datos. También están tratando de simular la manera que tiene el hipocampo de aprender sobre nuevas experiencias, recreando el proceso en redes neuronales. Por supuesto, AlphaGo no es la única máquina jugadora; Deep Q-Network juega y aprende a jugar con un control prácticamente humano a todos los juegos de Atari 2600. También hay varios algoritmos que tratan de mejorar el sistema sanitario o emular nuestro cerebro a la hora de procesar imágenes... DeepMind se ha propuesto dejar de lado la palabra imposible. Y lo está consiguiendo.

El futuro de las máquinas

La cuestión que muchos se hacen en este momento es ¿y cuándo veremos todas estas aplicaciones en la vida real? Lo cierto es que ya están aquí. Ya estamos viviendo ese futuro en el que la Inteligencia Artificial convive con los seres humanos. Muestras de ello, cada vez más avanzados, son los buscadores que emplean redes neuronales, los correctores semánticos desarrollados por Google, los asistentes personales tales como Siri o Cortana, el reconocimiento de imágenes... Las aplicaciones de las IA ya están disponibles a un solo toque, en nuestros móviles. Pero todavía queda mucho por venir. El CEO de DeepMind, por ejemplo, Demis Hassabis, es un gran defensor del uso de la Inteligencia Artificial en el mundo sanitario. DeepMind, de hecho, tiene una línea dedicada solo a salud con algoritmos capaces de cosas increíbles. Por ejemplo, identificar pacientes con riesgos de caer en ciertas enfermedades, organizar la práctica clínica o ayudar en el diagnóstico son solo algunas de las aplicaciones.

Como decíamos, DQN es una increíble máquina capaz de combinar las redes neuronales con el aprendizaje reforzado para emular el comportamiento humano en diversas tareas (como jugar a un videojuego). El objetivo es crear un algoritmo que enseñe a una máquina de una manera profunda y no como un comportamiento simple y repetitivo. Por ahora lo han conseguido. AlphaGo lleva este aspecto al extremo, por ejemplo. Utilizando la supercomputación es capaz de simular la "intuición" humana a la hora de jugar. El paso inmediato que se da en todos estos es aplicar los mecanismos y algoritmos a casos prácticos para el ser humano. Vivimos ya en un mundo en el que la Inteligencia Artificial trabaja mano a mano con nosotros. Es decir, ese futuro donde las máquinas nos ayudan ya está aquí: coches autónomos, asistentes personales, cadenas de montaje automatizadas, drones de supervisión, algoritmos que saben qué queremos antes de que lo decidamos... La cuestión, ahora, es mejorar la Inteligencia Artificial de una manera responsable y consciente de cómo queremos que sea nuestro presente.