poquer-inteligencia-artificial

La Inteligencia Artificial nos gana en el ‘heads-up’

Dos programas de Inteligencia Artificial (IA) finalmente han demostrado que saben cuando ‘foldear’ y cuando resubir la apuesta. Estos dos algoritmos han vencido recientemente a jugadores profesionales humanos por primera vez en el popular juego de póquer Texas Hold’em, el más famoso estilo de póquer alrededor del mundo.

Esta semana, el equipo detrás de uno de estos IAs (conocido como DeepStack), ha divulgado algunos de los secretos de su éxito -un triunfo que podría llevar un día a los IAs a realizar tareas que van desde reforzar la seguridad de las aerolíneas hasta simplificar las negociaciones comerciales. Aunque, sin duda, también podrían financiar futuros proyectos de sus creadores.

Los IAs han dominado durante mucho tiempo juegos como el ajedrez, y el año pasado uno conquistó a Go, pero hasta el día de hoy los resultados en póquer habían sido mediocres.

En DeepStack los investigadores han roto su racha perdedora del póquer combinando nuevos algoritmos y Machine Learning, un camino de la Ciencia de la Computación que, de alguna manera, imita al cerebro humano, permitiendo que las máquinas se puedan aprender.

Chess y Go tiene un componente importante en común que permite a los IAs vencerlos primero: son perfectos juegos de información. Eso significa que ambas partes saben exactamente lo que el otro está trabajando, una gran ayuda para que la IA pueda vencer.

La IA vence en Chess y go porque son perfectos juegos de información

Texas Hold ‘em es un animal distinto, es un camaleón de piel cambiante. En esta versión de póquer, dos o más jugadores se reparten al azar dos cartas boca abajo. En la introducción de cada nuevo conjunto de cartas (flop, turn y river), se pide a los jugadores apostar, pasar o abandonar el dinero en juego en la mesa. Debido a la naturaleza aleatoria del juego y las dos cartas iniciales, las apuestas de los jugadores se basan en adivinar lo que su oponente podría hacer. A diferencia del ajedrez, donde una estrategia ganadora se puede deducir del estado del tablero y de todos los movimientos potenciales del oponente, Hold ‘em requiere lo que comúnmente llamamos ‘intuición’ y una gran dosis de psicología.

El equipo de póquer de la IA, DeepStack, evita la extracción de datos calculando sólo unos pocos pasos en lugar de un juego completo. El programa recalcula continuamente sus algoritmos a medida que se adquiere nueva información. Cuando la IA necesita actuar antes de que el oponente haga una apuesta o pase y no reciba nueva información, el Machine Learning es donde interactúa. Las redes neuronales, los sistemas que promulgan el conocimiento adquirido por el Machine Learning, pueden ayudar a limitar las situaciones potenciales factorizadas por los algoritmos porque han sido entrenados en el comportamiento en el juego. Esto hace que la reacción de la IA sea más rápida y precisa.

Para entrenar las redes neuronales de DeepStack, los investigadores requerían que el programa solucionara más de 10 millones de situaciones de juego de póquer generadas al azar.

Un éxito absoluto de la Inteligencia Artificial

Para probar DeepStack, los investigadores lo enfrentaron el año pasado contra un grupo de 33 jugadores profesionales seleccionados por la Federación Internacional de Póquer. En el transcurso de 4 semanas, los jugadores desafiaron el programa a 44.852 juegos de heads-up (cara a cara) en el formato No Limit de Texas Hold’em, una versión en que los participantes pueden apostar sin límite, la más popular a nivel mundial. Después de usar una fórmula para eliminar casos en los que la suerte, y no la estrategia, causó una victoria, los investigadores encontraron que la tasa de victoria final de DeepStack era de 486 mili-ciegas por juego. Un milli-ciega grande es una milésima de la apuesta requerida para ganar un juego. Eso es casi 10 veces más de lo que los jugadores profesionales de póquer consideran un margen considerable, el equipo informó en la revista Science esta semana. Un éxito rotundo.

Los investigadores también están interesados en las implicaciones comerciales de esta tecnología. Por ejemplo, una IA que pueda entender escenarios de información imperfecta podría ayudar a determinar cuál sería el precio de venta final de una casa para un comprador antes de conocer las otras ofertas. 

Señales claras de que el Machine Learning es el futuro de la Inteligencia Artificial y, aun más interesante, de la humanidad.

 

Dejar respuesta

Please enter your comment!
Please enter your name here