Por: Redacción/

Go es un juego de estrategia que ayuda a desarrollar la memoria y el razonamiento matemático, además de que fomenta la intuición, el cálculo, el sentido de anticipación y el razonamiento espacial, entre otras habilidades, explicó el doctor Raúl Amezcua Gómez, investigador de la Unidad Azcapotzalco de la Universidad Autónoma Metropolitana.

Al ofrecer la conferencia Go, matemáticas y programación, el profesor del Departamento de Ciencias Básicas precisó que aunque no es conocido en occidente, sí es popular en China, Corea del Sur o Japón, entre otros países donde los profesionales tienen prestigio y cuantiosos ingresos, además de que circulan publicaciones especializadas y se organizan torneos.

Es considerado el juego más antiguo –originario de China– con reglas sencillas, pero que lo convierten en el más exigente del mundo y el más difícil de dominar para una computadora, aseveró José Abraham Florencia Islas, jugador mexicano profesional de Go y copartícipe en la conferencia.

Durante el Festival Matemático, el también docente de esta disciplina indicó que se creía que la inteligencia artificial tardaría décadas antes de poder ganar a un ser humano, sin embargo el programa de Google AlphaGo lo logró cuando venció al campeón del mundo.

En Go, los jugadores deben conquistar el mayor territorio posible colocando piedras blancas y negras sobre un tablero de 19 por 19 casillas, pero la dificultad reside en el número, casi incontable, de posibilidades que maneja.

El programa digital AlphaGo surgió de un aprendizaje supervisado a partir de millones de movimientos de partidas disputadas por jugadores expertos y fue sometido después a un proceso de refuerzo con juegos contra sí mismo y descubrió, de manera independiente, algunos conceptos que los seres humanos tardaron siglos en conceptualizar.

Más tarde crearon AlphaGo Zero, un software que superó por mucho al anterior, ya que adquirió su habilidad únicamente contendiendo partidas contra sí mismo a partir de movimientos de fichas al azar, hasta que aprendió de cada partida con base en errores y aciertos.

“No se le enseñó partida humana alguna, sino sólo las reglas del juego y a partir de ahí empezó a jugar contra sí mismo, haciendo las primeras jugadas al azar y aprendiendo por ensayo y error”.

Ese modo de trabajar ha permitido al sistema progresar por sí mismo empezando de cero, sin necesitar supervisión humana, ya que es un aprendizaje por refuerzo porque las decisiones que llevan a resultados positivos, como ganar una partida, las fortifica, manifestó el especialista.

Florencia Islas destacó que con ese método podrían desarrollarse algoritmos que ayuden a científicos a resolver algunos de los problemas más complejos del mundo, entre ellos la cura a enfermedades, reducir el consumo de energía en forma significativa e inventar nuevos materiales.

Una de las claves del avance de AlphaGo Zero es que utiliza una única red neural artificial para valorar de manera simultánea qué movimiento hacer y qué probabilidad tiene de ganar, mientras que la versión anterior era menos eficiente pues necesitaba dos redes neurales independientes, una para decidir la jugada y la otra para evaluarla.

Una neurona artificial es una unidad procesadora cuya estructura no varía demasiado de su par biológica. Cuenta con cuatro elementos funcionales: el elemento receptor, que es donde llegan una o varias señales de entrada, que generalmente provienen de otras neuronas y que son atenuadas o amplificadas; constituye la conectividad entre la neurona fuente de donde provienen y la de destino.

El elemento sumador, que efectúa la suma algebraica de las señales de entrada, ponderándolas de acuerdo con su peso; el de función activadora, que aplica una función no lineal de umbral a la salida del sumador para decidir si la neurona se activa, disparando una salida o no, y el de salida que es el que produce la señal para la expulsión de la neurona, coincidieron Amezcua Gómez y Florencia Islas.