TENDENCIAS

La inteligencia artificial corre los límites y ya gana al póker

Una computadora se impuso a un grupo de jugadores expertos; hay quienes creen que, al ritmo de los algoritmos, las tecnologías implicarán una nueva modalidad de producción económica.

El eterno femenino de una imaginativa pintora
Póker. El tradicional juego de cartas ya no es terreno desconocido para los robots.

Primero vinieron por el «Piedra, Papel o Tijera» (ya existe una aplicación que aprende la estrategia consciente e inconsciente del jugador en este esquema y a partir de la mano 30 o 40 empieza a ganarle sistemáticamente), pero no importó porque se trataba de un juego que practicaban los adultos cuando eran chicos, hace mucho. Luego vinieron por el ajedrez, en 1997, cuando Deep Blue de IBM le ganó a Garry Kasparov, y tampoco nadie dijo nada. Cuando vinieron por el Go —un algoritmo le ganó al mejor jugador del mundo en marzo del año pasado— también hubo silencio. Ahora los robots, de la mano de la inteligencia artificial, están tocando a las puertas del póker, y ya es demasiado tarde.

Más precisamente, una de las versiones más complejas de ese juego de naipes, la modalidad «Texas Hold’em sin límites de apuestas», en la cual cada jugador puede apostar todas las fichas que posee. Durante años se la consideró una variante «prohibida» para la automatización: se estima que hay una cantidad de 10 elevado a la 160 (un diez seguido de 160 ceros) de posibilidades distintas de jugar cada mano.

Así y todo, un programa diseñado por científicos de Canadá, de EE.UU. y República Checa logró una performance excelente (superior a la de los campeones humanos) en una competencia híbrida que tuvo lugar en el casino Rivers de Pittsburgh, (EE.UU.). En el curso de algunas semanas, el sistema Libratus jugó unas 120.000 manos de póker contra varios de los profesionales más experimentados del mundo, con resultados que superaron las expectativas.

Al igual que sucedió con el Go, para superar a los humanos en el póker no se usó el mismo abordaje que con el ajedrez o con el Jeopardy (programa de preguntas y respuestas en el cual ya dominan los robots), sino que se optó por el atajo de lo que se conoce como Deep learning (aprendizaje profundo). «Cuando Deep Blue le ganó a (Garry) Kasparov, alguien programó la estrategia de juego. En algún sentido, alguien le contó al sistema previamente la solución a aplicar según un árbol de movimientos. En el caso del Go y del póker, solo se le dice a la máquina cómo cambiar el comportamiento cuando pierde, pero no cómo se gana. La diferencia entre ambas cosas es todo», dice Pablo Polosecki, un científico argentino que trabaja en Nueva York para la firma IBM.

«Es muy notable lo del póker —continúa Polosecki—. Es un problema difícil porque la información que tiene el jugador es incompleta (no sabe las cartas del oponente) y eso lo distingue de otros juegos como el ajedrez o el Go. Se le suma, además, el fuerte ingrediente social que tiene el juego entre humanos, donde la capacidad de leer y simular emociones juega un rol que una máquina por ahora difícilmente pueda explotar. En lo personal, me fascina más el triunfo de AlphaGo, el programa de Google que juega al Go. En el póker creo que vemos más o menos intuitivamente cuáles son los juegos posibles que uno trata de armar. El Go, en cambio, requiere enseguida que uno desarrolle un lenguaje perceptual apropiado para discutir estrategias, que es la contribución que le da fama al aspecto «deep» del Deep learning. Lo que le da poder a la máquina en ambos casos es combinar esta arquitectura de varias capas (o profunda) con una estrategia para aprender a partir de sus aciertos y errores (lo que se llama aprendizaje por refuerzo o reinforcement learning)».

Para Carlos Diuk, doctor en Ciencias de la Computación y científico de datos en Facebook, «Deep learning es la mejor tecnología que tenemos para reconocimiento de patrones. En áreas como visión por computadora (reconocimiento de caras y de objetos) ya muestran resultados al mismo nivel que los humanos, o mejor». Recientemente apareció en la revista Nature un paper mostrando que con deep learning se puede reconocer cáncer de piel con la misma precisión que la del dermatólogo más experimentado.

«Hablando de profesiones, los médicos no van a desaparecer pero su tarea va a cambiar, y temo que ciertos roles en salud, como los del radiólogo que hace su informe de las imágenes, sí están en riesgo de ser reemplazados. En EE.UU. la combinación de aprendizaje profundo y otras tecnologías ya resultó en autos y camiones que se manejan solos, y se discute qué pasará con los tres millones de camioneros y otros varios millones de taxistas, choferes de colectivo. Diría que por el lado del timing la tecnología ya está, básicamente; las barreras son más regulatorias y de costos que otra cosa, y los próximos cinco años van a ser interesantes», dice Diuk.

Aporte al crecimiento

La inteligencia artificial (IA) aportará al crecimiento sobre tres motores principales: como una nueva fuerza de trabajo, como complemento laboral (aquellas profesiones que dependen mucho de la presencia personal, como médicos, educadores o asistentes sociales, son las más «aumentables» con IA) y a través de la avenida del autoaprendizaje de los algoritmos inteligentes.

«Muchos académicos tratan a la inteligencia artificial como si fuera similar a alguna de las grandes tecnologías disruptivas del pasado, como la electricidad o la masificación de la computación», sostiene Mark Purdy, experto global de Accenture en Inteligencia Artificial y autor del estudio «¿Por qué la Inteligencia Artificial es el futuro del crecimiento?».

«Por el contrario, creo que la IA es un nuevo factor de producción que trasformará por completo las bases del crecimiento de la economía», sigue el experto en su análisis.

En su investigación, Purdy afirma que la IA tiene la capacidad de duplicar la tasa de crecimiento de las economías desarrolladas (que representan el 50% del producto bruto mundial) de acá a 2035, y de aumentar la productividad laboral en el mismo período un 40%.

A principios de año, la consultora Gartner ubicó a la IA por segundo año consecutivo como la tecnología más influyente en los negocios. Para 2017, se espera que mejoren, vía diseño, las interfaces con los usuarios, que los sistemas de IA comiencen a «dialogar» entre sí —hoy muchos de ellos son incompatibles— y que las empresas empiecen a reclamar retornos tangibles de sus inversiones sobre este campo.

«Este último dato es importante», dice Bruno Rovagnatti, director en Argentina de la agencia de innovación R/GA. «Hay mucho entusiasmo con este tema y sus posibles aplicaciones en el corto plazo en los negocios locales. Hay una barrera de ingreso baja, muchos entran por los chatbots, para reemplazar call centers, pero enseguida viene una meseta de frustración, la tecnología no está del todo madura aún», concede.

Robagnatti tiene en su oficina dos dispositivos de Amazon Echo, que utiliza más que nada para pedirles música: temas clásicos cuando necesita setear su mente en modalidad de «foco» y ritmos más movidos cuando necesita concentrarse para codificar.

Para Polosecki, «es imposible decir ahora si esto va a seguir creciendo exponencialmente y va a reemplazar a los seres humanos en la toma de decisiones sobre los problemas que conocemos (reconocer tumores en una imagen o decidir qué acciones comprar en la Bolsa) o en problemas que los humanos no sabemos resolver. Podría aparecer un techo pronto para las técnicas actuales y que se dibuje una nueva demarcación entre lo que es propiamente humano y lo que no. En todo caso, las consecuencias económicas son palpables hoy».

Polosecki coincide con su colega Diuk en que el terreno donde esta autopista tecnológica está fluyendo más rápido es el de la salud.

«El gasto en salud actualmente es casi el 20% del PIB de EE.UU. (que a su vez es casi un cuarto del PIB mundial), por lo que cualquier mejora tiene un impacto económico enorme. La posibilidad de sacudir ese tablero con machine learning está produciendo movimientos en todas las grandes compañías tecnológicas y la aparición de un sinnúmero de startups. No se trata solamente de ayudar o reemplazar al humano en el diagnóstico y pronóstico, sino también de hacer más eficiente un sistema de servicios cuyo espacio de posibilidades excede la capacidad de deliberación de cualquier experto». (Fuente: La Nación / GDA)

Reportar error
Enviado
Error
Reportar error
Temas relacionados
Te recomendamos
Max caracteres: 600 (pendientes: 600)