La pelirroja de grandes ojos lo puso de moda, sin duda, pero confieso que no me atrae el ajedrez. Sé cómo se mueven las piezas y poca cosa más. Me resulta muy complejo. Quizás por la cantidad de alternativas y posiciones. O por el tiempo que necesito para procesar un movimiento y analizar que pomo puede pasar después. Quizás no solo me parece difícil a mi. Tras el primer movimiento se nos presentan 400 opciones posibles. Después del segundo, se nos muestran 197.742 partidas posibles. Imagine. En 1950. Claude Shannon (el padre de la teoría matemática que fundamenta la computación) calculó el número de partidas de ajedrez posibles (las posiciones “legales”); obtuvo un 1 seguido de 120 ceros. Si este juego les parece difícil, sepan que existe otro que todavía lo es más: el Go o Weiqi (o en chino básico 围棋). El Go es juego de mesa, ya documentado en China hace más de 2.500 años. Consiste en colocar piedras blancas y negras en las intersecciones de un tablero de 19 x 19 (el tamaño más usual). Empiezan las negras; una vez colocada la piedra, ahí se queda. Luego se coloca otra, alternando colores por turnos. La idea básica es capturar piezas del contrario; esto ocurre cuando una piedra queda rodeadas por piedras de otro color. Parece fácil, pero no lo es. Para tener idea de la dificultad del juego, las posibles posiciones “legales” serían un 1 seguido de 172 ceros. Y eso que las piezas del Go no se mueven.
Parece que el Go es más “cercano” a la mente humana que el ajedrez (una única pieza cada vez es un único movimiento). Quizás, fue más sencillo programar computadoras que jugasen (y nos ganasen) a otros juegos en los que solo habia que calcular opciones. Hoy casi cualquier software de ajedrez nos gana fácilmente. En 1994, por primera vez un software (el Chinook desarrollado por la Universidad de Alberta) le ganaba jugando a las damas a un humano: Marion Tinsley. Tinsley solo perdió en su vida siete partidas: dos fueron con Chinook. Años más tarde, el 10 de febrero de 1996, en Filadelfia, el Deep Blue de IBM le ganaba por primera vez a Garri Kaspárov en una partida. No obstante, el programa perdía toda la serie de partidas programadas entre ambos por un global de 2-4. Aquel Deep Blue era capaz de calcular 100 millones de opciones por segundo. En 1997, en Nueva York, se disputó la revancha. Esta vez se organizó un torneo en condiciones de competición, con un “Deeper Blue” mejorado. Su mejor baza se basaba en una mayor potencia de cálculo: hasta 200 millones de posiciones calculadas por segundo. Kaspárov, que fue campeón entre 1986 y 2000, perdió en el sexto juego de una serie consecutiva (3,5 a 2,5). “Una victoria de Deep Blue sería un espantoso hito en la historia de la humanidad” declaró el campeón antes de empezar la serie que acabaría perdiendo.
En 2014 Google (en realidad Alphabet, su matriz) adquirió DeepMind. Esta empresa, fundada en 2010 en Londres, desarrollaba software de aprendizaje autónomo. Uno de sus fundadores era Demis Hassabis. Con 13 años, Demis era maestro del ajedrez, y llegó. ser el segundo mejor jugador del mundo en la categoría sub-14 (solo detrás de la famosa Judit Polgár). Demis calificaba entonces con 2.300 puntos ELO, que se usa para categorizar a los mejores jugadores de ajedrez. Para fijar ideas, el mejor Kaspárov tuvo 2.851 ELO… Pero volvamos a DeepMind. En 2010 ya no tenía sentido diseñar una máquina que te pudiese ganar al ajedrez. ¿pero y al Go? Demis, recibido como doctor en Neurociencia Cognitiva por el University College de Londres en 2009, se enfrentaba a un complejo reto: en el Go hay tantas opciones posibles que ninguna computadora las puede calcular todas. La solución no sería el calculo: sería aprender del error y usar la intuición. Así surgió el software AlphaGo. El código usaba las reglas del juego y luego empezaba a jugar contra sí mismo, aprendiendo mediante prueba y error. Su algoritmo se basa en lo que se denomina una red neuronal artificial «acelerada» (en argot «deep learning»). Esto es un código de programación formado por incontables nodos de cálculo interconectados en árbol, en un símil de las neuronas que forman nuestro cerebro. Un nodo no tiene una función concreta, pero a medida que van intercambiando información con otros nodos se “fija” información. A cada intercambio cierta información de entrada tiene cada vez más valor, y a partir de ahí se desarrolla un patrón de conocimiento. En otras palabras, el algoritmo puede aprender de forma autónoma con la nueva información que entra de forma recurrente.
AlphaGo no era, pues, otro software que realizaba infinitas series de cálculos como Deep Blue (que era puro «big data«, como Chinook). Tras 30 millones de partidas de entreno contra sí mismo el programa estaba listo para enfrentarse a un jugador profesional. Eso pasó en octubre de 2015. AlphaGo le ganó 5-0 a Fan Hui, su primer rival profesional. En marzo de 2016 se enfrentó al coreano Lee Se-dol, jugador 18 veces campeón del mundo. AlphaGo ganó 4-1 en la serie. Si están intrigados, no se pierdan «AlphaGo» el documental de Netflix (también colgado en Youtube), que se grabó durante las partidas con Se-Dol. En mayo de 2017, otra versión de AlphaGo (la “Master”) se enfrentaba a Ke Jie, el número 1 mundial de Go en Whuzhen. Redoble de tambores. Google DeepMind había ofrecido un millón y medio de dólares al ganador y trescientos mil al perdedor. Después de tres partidas de más de tres horas cada una, AlphaGo Master ganaba 3-0 al campeón. «Es implacable y despiadado» declaró Ke Jie tras la derrota. En 2017 Google Deepmind desarrollaba una nueva versión mejorada del software: el AlphaGo Zero. Si su versión anterior precisó de varios meses para poder competir, Zero lo consiguió en sólo 70 horas. En los test, AlphaGo Zero le ganó 100-0 a AlphaGo. En 2019, Se-dol se retiraba. “Aunque yo fuera el número 1, hay un ente al que no se puede derrotar” declaraba. La Inteligencia Artificial (IA) de AlphaGo Zero resultaba, simplemente, imbatible.
La derrota de Ke Jie fue un shock en China, pero tuvo enormes consecuencias. Dicen que el mismo Xi Jingpin, impresionado por la derrota, se involucró en el desarrollo delo que iba a ser la estrategia china en Inteligencia Artificial (IA): el llamado «Plan de desarrollo de inteligencia artificial de nueva generación”. Mientras Estados Unidos recortaba su presupuesto de apoyo a la IA, China designaba cinco empresas para liderar su programa en el horizonte 2025: Baidu (un motor de búsqueda: el Google chino), Alibaba (comercio electrónico: el Amazon chino), Tencent (dueño de WeChat, el Whatsapp chino de 1.000 millones de cuentas), iFlytek (reconocimiento de voz, pura IA) y SenseTime (imposible de clasificar en un solo rubro, es hoy la primera empresa de IA del mundo). 12 meses después de la directiva de Xi, las inversiones en start-up’s chinas de IA superaban a las estadounidenses; 18 meses después China ya solicitaba más patentes que Estados Unidos, y triplica las de IA: 900 patentes en reconocimiento facial por solo 150 de Estados Unidos, por ejemplo. Cierto es que China tiene ventajas para el desarrollo de estas nuevas tecnologías: dispone de un mercado interno enorme, poca competencia internacional, capacidad de autofinanciación y la colaboración tácita de sus clientes de internet y telefonía (cuyos datos de más de mil millones de smartphones y 840 millones de usuarios de Internet se utilizan sin muchas reparos por parte de las empresas chinas con la aquiescencia tácita del gobierno). En septiembre de 2017 Vladimir Putin (en teoría no muy aficionado al Go) declaraba «quién lidere la IA liderará el mundo«.
Después de cuatro años de la derrota de Kei Ji al Go, la AI ya no es sólo Alphabet (por un lado con el universo Google, pero por otro con empresas como Deepmind, pero también Waymo en movilidad o Verily en aplicaciones médicas), o Facebook (dentro de Facebook AI están plataformas para su Marketplace como GrokNet o Densepose de aplicaciones de reconocimiento corporal y facial), o Microsoft, o Apple, o Amazon o Tesla (en realidad, su Autopilot, y eso es pura AI)… Hay multitud de nuevas compañías chinas que avanzan decididas en la AI: desde el reconocimiento facial aplicado a cualquier cosa (como Axon AI o IDentifyAI o también Amazon Rekognition, pero también la enorme Sensetime o la también china Megvii con el más conocido Face++), sistemas LIDAR y de reconocimiento visual aplicados a la automoción autónoma (como Nuro o Aurora Innovation), reconocimiento de voz para reconocimiento médico o como feedback de publicidad (donde las norteamericanas Suki AI o Affectiva capitalizan cientos de millones de dolares… pero también está la china Mobvoi que ha pasado de los Smartwatch al reconocimiento de voz -en chino- y procesado de lenguaje natural). China no tiene un plan: tiene una estrategia, y hoy lidera la gestion de datos (23,8%) frente a Estados Unidos (casi el 14% de los datos mundiales); Europa ni está ni se la espera. No obstante, en esta pelea por el liderazgo mundial en AI, China quizás, de suficiente capacidad de doctores y doctorandos en AI o la capacidad de desarrollo de nuevos y potentes microprocesadores, que sí tiene Estados Unidos. Más allá del ganador o perdedor, enormes cambios se avecinan con la implantación masiva de la IA en nuestra sociedad, ya sea impulsado por chinos y norteamericanos. Quizás nada de eso habría empezado sin alguien pensando en cual podría ser mejor movimiento para un peón en un tablero cuadriculado.
Después de 4 años largos, vuelvo a escribir en el blog. Mil disculpas a todos los seguidores. Mi proyecto profesional ha sido muy demandante desde 2016. Simplemente, no me quedaba tiempo para escribir con el compromiso que asumo para los lectores de este blog. Cada post son entre 300 y 400 horas de análisis, búsqueda, borrador, redacción, lectura, re-lectura y corrección (este post, por ejemplo, precisó 25 revisiones antes de publicarse). Estoy de vuelta y espero seguir aquí. Gracias a todos los que se quedaron, por su paciente espera. A los que se fueron, les espero aquí de nuevo. A los nuevos, que sepan que no les pienso defraudar.
David Ruyet
el blog de David Ruyet 
Bienvenido. Gracias por volver.
Muchas gracias por la espera. Prometo mejorar y hacer (literalmente) buena letra.
Ben tornat!! Ha valgut la pena l’espera, un 10 com sempre!
Ja espero la següent entrada 🙂
Gràcies i fins aviat!!
Moltes gràcies Victor! I ho escric amb una mica de vergonya… Ema tot cls, 42 esborranys no acabas en 5 anys esperen una reelegida i ja veurem… Material n’hi ha!
Muy interesante, es importante ver como la inteligencia artificial incursiona en terrenos humanos.
Gracias por volver!
La alegría de la semana.
Buen artículo, muy interesante y didáctico.
Por otra parte, y quizás porque ‘la cabra tira p’al monte’, dado que soy ingeniero de HW electrónico, me gustaría saber tu opinión sobre posibles problemas con la implementación física.
Me refiero a que últimamente está habiendo problemas de escasez de capacidad de fabricación para cubrir la demanda de circuitos integrados.
Al parecer, el ‘traspaso’ a obleas de 300mm no se termina de dar y muchos fabricantes siguen apostando por las obleas y los métodos de fabricación de 200mm, cosa inesperada para fabricantes.
Eso está causando problemas de suministro en muchos sectores, empezando por ejemplo, en Seat (que hará un ERTE debido a este problema), y no es el único afectado.
Me temo que mucha de la demanda de IA se encontrará con problemas precisamente en este ámbito, el del silicio, dónde el mercado apenas puede permitirse el ir modernizando mucho la tecnología (básicamente, quien lleva la batuta es una europea, ASML), así que continúan con la apuesta por 200mm.
Con la economía en horas bajas (y lo que te rondaré morena), ventas a la baja de coches (el gran demandante, teóricamente, de sistemas de IA para la conducción autónoma), y escasez económica, muchas de las tecnológicas del sector electrónico no lo están pasando bien.
A esto hay que añadir la guerra geoestratégica que hace que los países dominantes intenten controlar el acceso a esta tecnología (léase, el tema Huawei/Trump, por ejemplo).
Pero también está el ámbito comercial, con grandes fusiones/compras este año, siendo la más intrigante la de ARM por Nvidia, que podría poner coto a los omnipresentes núcleos ARM.
Y no nos olvidemos del interés chino por Taiwan…
En fin, que así como la IA tiene mucho futuro, la falta de concreción de éste podría venir por otros derroteros, como las limitaciones físicas y económicas.
En otro orden de cosas, en la empresa en la que estoy, hemos tirado mucho dinero en la industria 4.0 que no nos ha llevado a nada.
Yo he llevado parte de un proyecto de Big Data… y nos hemos encontrado que las ventajas que aporta no se pagan, no llegan ni a la mitad del coste de implementación.
Es más… una parte de las mejoras se podría hacer sin nada tan ostentoso y ni tanto aspaviento con algo de programación interna en C# y maña… sólo que no vende… ni muchos usuarios tienen la más remota idea de cómo sacar ventaja de todo esto.
En resumen, que muchas de estas cosas no parece que tengan tanto interés pragmático para muchos casos. Veo que básicamente quedará restringido a ciertos ámbitos donde ya están poniéndose en marcha… y que no me gustan un pelo (por ejemplo, el Social Credit Index).
En fin, mucho rollo para nada.
Gracias por volver y regalarnos algo para pensar.
Beamspot.
Pingback: Los felices años 20 | el blog de David Ruyet