Supongamos que una IA de ajedrez está analizando una posición y decidiendo el mejor movimiento. Hay varios factores a considerar.
- Ventaja material. Si el oponente ha dejado una torre sabrosa sin protección, ¿por qué no entrar y atacar con tu reina? Tener más “material” que tu oponente generalmente conduce a una ventaja más fuerte, por lo que la mayoría de las IA tienen en cuenta la ventaja material y tratan de aumentarla cuando pueden. Una IA que prioriza demasiado la ventaja material se verá obligada a realizar sacrificios que debiliten otros factores, como el espaciado.
- Controlando el centro. Siempre es mejor tener control del centro que no tener control del centro, considerando todo. La mayoría de los programas de ajedrez, especialmente los más antiguos, pueden no haber tenido los recursos computacionales para decidir que controlar el centro es una ganancia neta, por lo que están programados con reglas que favorecen el control del centro. Reglas de espaciado similares con pequeñas excepciones pueden aplicarse a todas las IA. Si una IA favorece demasiado el control espacial, se tambaleará o se extenderá demasiado.
- Existen muchos más factores, como alfileres, tenedores y brochetas. Si una IA los favorece demasiado, siempre buscará pines mediocres sobre el aumento del control espacial. Si la IA los favorece demasiado débilmente, es posible que no pueda utilizar estas tácticas decisivas porque no ha funcionado para establecerlas.
Lo que espero haber demostrado en estos ejemplos es que diferentes IA tendrán una forma diferente de valorar diferentes posiciones, y algunas formas son mejores que otras.
Imaginemos que Stockfish y Bob están decidiendo el mejor movimiento para un puesto.
- ¿Es posible la inteligencia artificial?
- ¿Cuál es el enfoque para crear un agente de IA para juegos con reglas desconocidas?
- Cómo codificar un algoritmo de inteligencia artificial para usar en robótica
- ¿Qué papel puede jugar la IA en la educación?
- Si la IA ha alcanzado un nivel alto, ¿deberíamos ponerle grilletes?
Stockfish va primero y presenta un peón inocentemente atrapado. Calcula que deshacerse de este peón, que está en una mala posición, es el mejor movimiento disponible. Avanza el peón, esperando romper la estructura del peón de Bob. Calcula que la ventaja material y el peón más avanzado que le da a Bob es menos importante que socavar la estructura de peones de Bob.
Bob mira el peón que le han enviado. Calcula que capturar el peón de hecho derribará su estructura de peón ligeramente, pero el peón no se extenderá demasiado porque puede avanzar otro peón para apoyar este peón. Decide que presionar su ataque en un nuevo frente, obtener una ventaja material y avanzar un peón es más importante que preservar su estructura de peones, que aún se mantendría muy fuerte.
Bob calcula que su movimiento fue el mejor posible y que la situación lo favorece.
Stockfish calcula que su movimiento llevó a Bob a una trampa y que la situación favorece a Stockfish.
20 movimientos después, Bob tiene la oportunidad de paralizar Stockfish con un tenedor de caballero rey-torre.
Ni Bob ni Stockfish podrían haber previsto el tenedor. La única razón por la que Bob obtiene la ventaja ganadora es porque decidió que una posición de material ligeramente más fuerte vencería a una posición espacial ligeramente más fuerte. Tanto Bob como Stockfish pensaron que sus respectivos lados estaban ganando hasta que se jugaron los movimientos previos a la bifurcación.
En resumen, hay una “mejor” respuesta a cada movimiento en el ajedrez. Debido a que las IA no pueden resolver el mejor movimiento real, deben decidir, según su programación, cuál es el mejor movimiento. La IA cuyo criterio para evaluar el mejor movimiento se programa de manera más efectiva ganará.