Hace 25 años, en febrero de 1996, tuvo lugar la primera victoria de una computadora sobre el campeón mundial de ajedrez. El día 10, Garry Kasparov cedía la primera de seis partidas contra la computadora de IBM denominada Deep Blue.

El primer juego de “El hombre contra la máquina”, se jugó en Filadelfia, (Pensilvania). Al final Kasparov lo ganó 4–2, perdiendo una partida, empatando 2 y ganando 3. Lo que en notación ajedrecística se escribe +3 =2 -1.

Esta partida tuvo una enorme repercusión mediática. De alguna manera, aquella fue una derrota simbólica de toda la humanidad en una lucha entre la inteligencia natural y su creación, la inteligencia artificial.

Esta derrota significó un golpe para la autoestima de la especie humana.

En 1997, se enfrentaron de nuevo, en el que fue llamado “el más espectacular duelo de ajedrez de la historia”. En esa ocasión, la supercomputadora Deep Blue, que había sido mejorada desde el anterior encuentro, ganó a Kasparov 3½–2½ (+2 =3 -1), por lo que podía considerarse que una máquina era la campeona del mundo.

A raíz de lo anterior, tampoco podemos rajar con la singularidad de nuestro maravilloso cerebro, con sus decenas de billones de sinapsis (espacio entre el extremo de una neurona y otra célula) o considerarlo el sistema más complejo del universo.

El cerebro es la fuente para adaptarnos al entorno y tener pensamientos complejos y originales, capaz de generar maravillosos sentimientos, el juego y la creatividad. Y a pesar de ello, en una actividad como el ajedrez, base de esas capacidades, nos ganó una máquina.

Quizá podamos salvar la situación si analizamos el funcionamiento de Deep Blue. Se puede argumentar que aquello no era inteligencia, sino fuerza bruta, una inmensa capacidad de cálculo y una enorme base de datos de partidas.

En efecto, la estrategia de IBM en aquel sistema consistía en evaluar el mejor de millones de movimientos posibles y elegir.

Para confeccionar la función matemática con la cual evaluar esa idoneidad se utilizaron bases de datos de miles de partidas en un proceso de ponderación y ajuste guiado por varios grandes maestros del ajedrez, por supuesto, humanos, así que el ruso llevaba las de perder.

Derrotados en nuestros juegos favoritos

Los siguientes años han demostrada vana esa esperanza de revancha, ya que diversos sistemas informáticos han ido venciendo miles de actividades que consideraríamos genuinamente humanas.

En 2011, Watson (otra creación de IBM) era capaz de interpretar el lenguaje natural y acceder a información en tiempo real como para ganar en concursos televisivos, en concreto Jeopardy!, un programa estadounidense de preguntas de carácter general.

El go, un juego mucho más difícil de computar que el ajedrez, caía del lado informático en 2016 gracias a AlphaGo, de Google.

Ya no se puede hablar solo de fuerza bruta, aquí se incorporan redes neuronales artificiales, sistemas que aprenden de ejemplos de forma muy autónoma, sin que se requiera un ajuste detallado realizado por especialistas.

También en el póker, un juego con información sin orden específico, hay una inteligencia artificial (DeepStack) que ha vencido a todos los jugadores profesionales con los que se ha enfrentado.

Todas estas victorias no dejan de ser símbolos del enorme desarrollo que ha experimentado el campo de la inteligencia artificial en estos 25 años.

Un desarrollo que no se limita a eventos mediáticos, sino que ha ido dando lugar a multitud de productos que se van colando en nuestra vida diaria. Podríamos decir que hay algunas inteligencias artificiales que nos conocen mejor que nuestra madre.

Spotify, Netflix y Amazon son capaces de recomendarnos música, películas y libros, y acertar con nuestros gustos de forma espectacular.

Solo tenemos que convivir un poco con esas inteligencias para que nos acaben conociendo; lo mismo que necesita un ser humano para conseguirlo.

Tras este nombre genérico de “inteligencia artificial” hay un conjunto de algoritmos de aprendizaje automático (machine learning) que funcionan ajustando sus parámetros a partir de ejemplos, algo que podemos traducir con la expresión “aprenden de la experiencia”.

Esa forma de aprender extrae características de la muestra de datos de la que aprende. Por eso también, si se pone a una inteligencia artificial a aprender a partir de mensajes humanos sin seleccionar (de redes sociales, por ejemplo) es probable que se acabe volviéndose machista o racista.

El algoritmo no pone nada que no estuviera antes, simplemente extrae ese conocimiento del trato con esa comunidad y reproduce sus sesgos.

La cosa puede ser aún peor si la selección de datos de entrenamiento introduce sesgos extra. Por eso es especialmente importante que los desarrolladores tomen conciencia y eviten sesgos indeseados, o más allá, que incluyan estrategias activas para evitarlos, por ejemplo en algoritmos con finalidades sanitarias.

La celebración del cuarto de siglo de aquella victoria nos sirve para darnos cuenta de que, efectivamente, señalaba un camino imparable en el que estamos hoy plenamente inmersos. Es un camino lleno de éxitos y oportunidades, pero no exento de riesgos en los que es necesario trabajar.