¿Qué diría Lee Sedol acerca de la sorpresiva victoria humana sobre una inteligencia artificial (IA) en ‘Go’? El segundo mejor jugador del desafío de estrategia de origen chino se retiró en 2016 después de haber sido derrotado en varias partidas frente a una IA. “Es una entidad que se no se puede vencer”, reflexionaba después de tomar aquella drástica decisión.
Ahora las cosas parecen haber cambiado. Kellin Pelrine, un jugador experimentado pero muy por debajo del nivel de Sedol asegura haber encontrado el talón de Aquiles de los aparentemente invencibles sistemas de IA que juegan al ‘Go’. ¿El resultado?: una serie de aplastantes derrotas que no ha pasado desapercibidas y que nos enseñan más sobre estos sistemas.
La inteligencia artificial ha caído en 'Go'
El reciente triunfo revela mucho más de lo que podemos imaginar sobre la naturaleza de estos sistemas basados en IA. Para comprenderlo mejor, veamos cuáles han sido los pasos que Pelrine ha seguido. El jugador, que es investigador del laboratorio FAR AI, empezó por buscar debilidades de KataGo, un sistema cuyo funcionamiento es similar al famoso AlphaGo que venció a Sedol.
Para conseguirlo empleó un modelo adversario desarrollado por su equipo. Este se encargó de jugar más de 1 millón de partidas con KataGo hasta encontrar un “punto ciego" que un jugador humano pudiera aprender para implementar más tarde y salir victorioso. El software hizo su trabajo y entregó una serie de movimientos que podrían derrotar a la IA.
Pelrine memorizó las técnicas y, sin ayuda del sistema informático mencionado anteriormente, las puso a prueba en KataGo. Así, ganó 14 de las 15 partidas frente al programa impulsado por IA. “La estrategia podría ser utilizada por un jugador de nivel intermedio para vencer a las máquinas”, asegura el investigador en una entrevista con Financial Times.
A grandes rasgos, una de las estrategias consiste en la distracción. El jugador hace un gran círculo de piezas para rodear a uno de los grupos de su oponente mientras que intercala movimientos con otras esquinas del tablero. Un humano se daría cuenta del amenazante perímetro, pero la IA no percibe aquellos movimientos hasta que sus piezas son capturadas.
Que la IA, aparentemente tan avanzada e invencible, no haya sido capaz de responder a movimientos que un jugador de nivel intermedio hubiera detectado tiene una explicación, al menos según el jefe de FAR AI, Adam Gleave. El ejecutivo recuerda que las habilidades de estos sistemas informáticos provienen de su entrenamiento con distintas jugadas.
Entonces, como la táctica utilizada por su equipo de investigación es muy poco utilizada por sus bajas probabilidades de éxito en un escenario real, KataGo no ha sido entrenado con suficientes jugadas relacionadas como para ver en ella una amenaza. Este punto ciego, sobre el papel, cambia notablemente la percepción que tenemos sobre ganar frente a una IA.
Hasta ahora, en la mayoría de los casos, los oponentes habían intentando jugar frente a la IA como si estuvieran jugando frente a un humano, intentando aprovechar vulnerabilidades humanas. Efectuar ciertos movimientos descubiertos por el modelo de ataque de adversario que para los jugadores humanos no tendrían sentido podrían significar una victoria frente a una IA.
Imágenes: Elena Popova | DeepMind
via Robótica e IA - Xataka https://ift.tt/buoOAdj
No hay comentarios:
Publicar un comentario