Casi tres décadas después de que Deep Blue sorprendiera al mundo del ajedrez, los investigadores todavía están tratando de responder una pregunta engañosamente simple: ¿qué hace exactamente que la IA sea tan buena en el ajedrez? Un artículo reciente en APS Open Science, destacado por Scientific American el 15 de noviembre, ofrece una pista mensurable, y se reduce a una propiedad que los autores llaman "tensión estratégica".

Los motores de ajedrez han sido capaces durante mucho tiempo de superar a los humanos, forzando de forma bruta un gran número de movimientos candidatos a través de la búsqueda en árbol. Los motores de redes neuronales modernos, como Stockfish y Leela Layers, utilizan redes entrenadas para guiar esa búsqueda, y su juego se ha vuelto cada vez más formidable. Lo que el nuevo estudio añade es un retrato estadístico de cómo su juego difiere del nuestro: no sólo en quién gana, sino en cómo se ve el tablero a medida que se desarrolla el juego. Para los lectores que siguen [noticias de investigación de IA] (https://aibuzzwire.news), el trabajo es un recordatorio de que incluso los dominios de "sentimiento resuelto", como el ajedrez, todavía mantienen preguntas abiertas sobre cómo piensan realmente las máquinas.

Medir la tensión en el tablero

El estudio fue dirigido por físicos del Complexity Science Hub de Viena, con el autor principal Vito D. P. Servedio. El equipo recopiló juegos de humano contra humano y juegos de Stockfish contra Leela de bases de datos en línea, luego midió una cantidad que llaman tensión estratégica en cada posición: esencialmente, la cantidad de interacciones mutuas posibles entre piezas opuestas. Las posiciones de alta tensión son aquellas en las que muchas piezas se enfrentan entre sí, ricas en capturas latentes, amenazas y contraamenazas que podrían desencadenarse con un solo movimiento.

La tensión es una cantidad natural que los físicos deben alcanzar. Capta, en un solo número, cuánta complejidad está latente en una posición: cuánto cambiaría el estado del juego si cualquiera de los jugadores empujara el tablero hacia el borde en una cascada de intercambios.

Los humanos simplifican; Los motores mantienen la tabla en vilo

El hallazgo central es una divergencia en cómo evoluciona la tensión. En los juegos humanos, la tensión promedio fue en realidad más alta que en los juegos de IA durante los primeros 20 movimientos, la fase en la que la gente se apoya en aperturas memorizadas y tácticas bien entrenadas, con la esperanza de que la complejidad eventualmente obligue al oponente a fallar.

Pero después de ese punto, las líneas se cruzan. La tensión humana cae por debajo de la de los juegos de IA, que se mantiene alta en la mitad del juego. La interpretación de los investigadores: a medida que las posiciones se vuelven desconocidas, los jugadores humanos se simplifican, intercambian piezas y se dirigen hacia estructuras más tranquilas porque no pueden tener en mente toda la complejidad de muchas piezas que interactúan y múltiples opciones a la vez. Los motores no sienten esa limitación. Mantienen posiciones repletas de amenazas mutuas que a la mayoría de los jugadores humanos les resultaría intolerable navegar, y precisamente en esas posiciones, sugiere el estudio, es donde se degrada la precisión humana.

Habilidad, controles de tiempo y profundidad de búsqueda

Los datos también mostraron que la tensión sigue la capacidad y la deliberación tanto en humanos como en máquinas. Los jugadores humanos con mayor puntuación mantuvieron una mayor tensión durante sus juegos que los de menor puntuación. Los juegos con más tiempo para pensar mostraron más tensión (más alta en el ajedrez clásico, más baja en el rápido y más baja en el blitz), lo que es consistente con la idea de que mantener la complejidad es costoso en el esfuerzo cognitivo. Y en el lado de la máquina, el equipo observó que cuando Stockfish buscaba en árboles más profundos posibles continuaciones, la tensión aumentaba.

Los autores son cuidadosos con la causalidad. Una mayor tensión se correlaciona con una mayor capacidad tanto en los humanos como en la IA, pero el estudio no demostró que la tensión produzca esa capacidad, o que fluya de ella. Es una huella de juego fuerte, pero aún no es un mecanismo demostrado.

"Parece que están jugando a la magia"

La ambición de los investigadores va más allá de caracterizar la estética del ajedrez. "Probablemente nuestro artículo es el que más se acerca a comprender lo que hacen estas máquinas", dijo Servedio a Scientific American. "De lo contrario, parece como si estuvieran jugando a la magia".

Ese encuadre (tratar el juego con máquinas como un sistema físico que debe medirse en lugar de una caja negra que debe admirarse) es lo que distingue el trabajo de análisis anteriores del ajedrez automático. En lugar de preguntar si el movimiento de un motor es el mejor, el equipo pregunta qué revelan las estadísticas agregadas del juego del motor sobre el tipo de búsqueda y evaluación que está realizando la máquina.

Una advertencia más allá del tablero de ajedrez

Servedio también sacó una implicación inquietante para los dominios alejados de las 64 plazas. Si los sistemas de IA logran mejores resultados en entornos complejos y conflictivos manteniendo una alta tensión (manteniendo vivas muchas interacciones volátiles simultáneamente), entonces implementarlos en algo como la diplomacia podría significar estrategias optimizadas por máquinas que los humanos encuentran inmanejablemente frágiles. "Esto es muy peligroso porque cuando hay alta tensión, los sistemas son muy inestables", afirmó. "Así que un pequeño error de una de las partes provocará un desastre".

La analogía es especulativa y los autores no afirman haber medido la dinámica diplomática. Pero apunta a una tensión genuina (de tipo organizacional) en el despliegue de la IA: la misma propiedad que permite que un motor supere a un gran maestro (comodidad con una complejidad sostenida) puede ser la propiedad que hace que sea arriesgado adoptar sus estrategias en instituciones humanas que no pueden mantenerlas de manera confiable.

Lo que el estudio no muestra

Vale la pena exponer claramente las limitaciones. El estudio establece una correlación entre la tensión y la fuerza de juego, no un mecanismo causal que conecte las dos. Compara un par particular de motores con una población particular de juegos humanos de bases de datos en línea, y el ajedrez -con sus movimientos discretos e información perfecta- sigue siendo el mejor escenario para este tipo de análisis. Extender la "tensión estratégica" a ámbitos más confusos es una hipótesis, no un resultado.

Aun así, el artículo añade algo de lo que carecía la literatura sobre ajedrez e IA: una estadística simple y computable que separa claramente cómo los humanos y las máquinas gestionan la complejidad a lo largo de un juego. El ajedrez ha servido durante mucho tiempo como sistema modelo para estudiar la cognición tanto en humanos como en máquinas, y la victoria de Deep Blue sobre Garry Kasparov en 1997 marcó el momento en que las máquinas demostraron por primera vez que podían superarnos en nuestro propio juego de cálculo. Casi 30 años después, la pregunta ha pasado de si las máquinas pueden ganar a por qué ganan y, cada vez más, a qué podría enseñarnos su forma de ganar sobre los sistemas a los que ahora estamos entregando decisiones en el mundo real.

---

Manténgase a la vanguardia de la IA

Obtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.

Leer más noticias sobre IA →