![]() |
La inteligencia artificial de AlphaGo aún no es una amenaza para la humanidad |
Por Yang Feng
El mejor jugador de Go del mundo, Lee Sedol (derecha) coloca su primera pieza durante el último partido de la Google DeepMind Challange contra el programa de inteligencia artificial AlphaGo en Seúl, Corea del Sur, en esta publicada por Yonhap el 15 de marzo, 2016. [Foto / Agencias]
Beijing,18/03/2016(El Pueblo en Línea)-El programa de inteligencia artificial AlphaGo de Google Profunda Mente ha vencido al campeón del mundo de Go, el surcoreano Lee Sedol, por 4 a 1, lo que ha provocado un acalorado debate a nivel mundial sobre la posible amenaza de la inteligencia artificial para la humanidad.
El desarrollo de la inteligencia artificial comenzó hace décadas. En 1997, Deep Blue, desarrollado por IBM, derrotó al campeón mundial de ajedrez Garry Kasparov. En 2010, Apple creó Siri (interpretación del habla e interfaz de reconocimiento) para su iPhone, que comprende los comandos y respuestas de audio de los usuarios, de manera parecida a Xiaobing de IBM y Jimi de jd.com.
Pero Siri, Xiaobing y Jimi sólo pueden hacer frente a un número limitado de preguntas, ya que comparan la orden del usuario con las pre-instaladas en su "memoria" y responden en consecuencia. Deep Blue, por el contrario, se basa en gran medida en la computación rápida, y decide su siguiente movimiento en una partida de ajedrez mediante la evaluación de la condición sobre el tablero de ajedrez y comparándolo con los manuales guardados en su "memoria". Por eso no puede ganar un juego de Go, ya que implica muchas más posibilidades que el ajedrez.
AlphaGo, en este sentido, es un gran paso adelante, ya que utiliza la red de múltiples capas neuronales artificiales, o ANN y aprendizaje de refuerzo AlGorithm, que puede imitar de manera más exacta la forma en que un cerebro humano piensa. AlphaGo observa repetidamente el tablero de Go, lo analiza con su procesador y elige la mejor opción. Más importante aún, puede almacenar las decisiones en su "memoria" para futuras referencias. En otras palabras, puede "aprender" y mejorar de manera más eficiente.
ANN se ha convertido en un tema sensible en la investigación desde la década de los 80. Ya está siendo utilizado en muchos campos diferentes al de los juegos. Por ejemplo, el coche sin conductor desarrollado por Google "observa" el entorno a través de sensores, utilizando cálculos para juzgar cómo se mueven las cosas, y en consecuencia elige su ruta.
AlphaGo marca otro paso adelante porque la ANN que utiliza tiene más de 30 capas gracias a los desarrolladores y equipos más rápidos. Cada capa tiene múltiples parámetros que consiguen adaptarse cada vez que se obtiene la información del mundo exterior, un proceso a través del cual AlphaGo optimiza constantemente su estrategia. Cuanta más información obtiene, con más exactitud puede ajustar los parámetros para adaptarse a nuevas situaciones.
Muchas personas dicen de broma que AlphaGo es un buen estudiante que "estudia" cientos de manuales todas las noches. Eso puede ser una broma, pero AlphaGo ha aprendido mucho acerca de Go. De lo contrario no podría haber derrotado a Lee Se-dol. Esperemos que su victoria haga que más personas se interesen por la investigación en inteligencia artificial.
Yang Feng es un profesor asociado en la Facultad de Automática de la Universidad Politécnica del Noroeste.