Viajemos por un momento a la década de 1950, cuando Arthur Samuel, un ingeniero eléctrico de IBA, se propuso adiestrar a una máquina, la Defense Calculator, para jugar a las damas. Para que os hagáis una idea, Defense Calculator ocupaba una habitación entera, y era el primer ordenador digital electrónico.
Con todo, Defense Calculator podía ejecutar la nada desdeñable cifra de 1.000 instrucciones por segundo.
A pesar de que el juego de las damas es muy elemental, hasta el punto de que puede aprenderlo a jugar un niño, la probabilidad de que dos partidas de damas se desarrollen justo de la misma manera es bastante remota. Es decir, que cada movimiento teóricamente podía dar lugar a miles de configuraciones posibles sobre el tablero, una complejidad que excedía en mucho a las competencias de Denfese Calculator.
Samuel, pues, no creía inteligente que aquel cerebro electrónico calculara absolutamente todos los movimientos cada vez que le tocara jugar, sino que aprendiera a jugar, que se adaptara a las circunstancias concretas de cada movimiento del contrincante.
Todo ello empleando sólo unas cuantas instrucciones básicas como una llamada “piezas de ventaja”: el ordenador tenía que contar el número de piezas que le quedaban en el tablero y compararlo con el de su adversario: si un movimiento tenía como resultado más piezas de ventaja, entonces éste tenía prioridad sobre los demás. También había otras instrucciones básicas como intentar dominar el centro del tablero.
Y Samuel también enseñó a Defense Calculator a aprender de sus propios errores, tal y como explica Peter Miller en su libro La manada inteligente:
Si un movimiento basado en ciertas características no conseguía producir un resultado favorable, el ordenador le daba menos valor a esa característica la próxima vez. Además, le enseñó a reconocer movimientos destinados a crear un “escenario” es decir, los que no consiguen resultados inmediatos pero posteriormente tienen una mayor recompensa, como por ejemplo sacrificar una pieza para poder hacer un triple salto en el siguiente turno. La máquina lo hizo después de que se aumentar el peso de las características que favorecían el movimiento que propiciaba ese escenario. Finalmente, Samuel hizo que el ordenador asumiera que su adversario sabía lo mismo que él, de manera que intentaría infligirle el mayor daño posible en todo momento. Eso obligaba al ordenador a tener en cuenta las consecuencias potencialmente negativas de los movimientos, además de las positivas. Si un adversario conseguía sorprenderlo de todos modos, ajustaría sus valoraciones para evitar ese error en lo sucesivo.
En la década de 1960, la máquina de Samuel ya era capaz de vencer a los campeones de damas. Una lección que aún hoy los expertos en computación tienen muy en cuenta en sus investigaciones.
Ante un problema endiabladamente complejo, en este caso una gran cantidad de posibilidades de movimiento en un juego de damas, no resulta práctico “solucionar” el problema matemáticamente mediante el cálculo de la secuencia perfecta de movimientos.
Es lo que John Holland, otro pionero de la inteligencia artificial, designó como “emergencia” en su libro Emergence: Fron Chaos to Order:
Todavía no hemos empezado a aprovechar realmente las lecciones que Samuel nos dio hace casi medio siglo. (…) El objetivo del estudio de Samuel es la emergencia del buen juego.
Ver 2 comentarios