Hace unos días, un equipo de investigadores de Google DeepMind actualizó el artículo titulado Amortized Planning with Large-Scale Transformers: A Case Study on Chess, que había pasado relativamente desapercibido. En él se presenta un sistema de inteligencia artificial (IA) llamado ChessBench, basado en Transformers (redes neuronales) a gran escala, que juega al ajedrez.

Hasta la fecha, todos los programas de ajedrez se basaban en complejos procesos de búsqueda del mejor movimiento en el árbol que combina siguientes jugadas y contrajugadas, muchas veces con búsqueda a profundidades superiores a 20 movimientos futuros. Esto, junto a la aplicación de funciones que les permite evaluar la ventaja o desventaja de cada posible decisión, permitía encontrar la mejor jugada.

Mientras que lo fundamental para todas las IA era hasta ahora la memoria, ChessBench supone el comienzo de una nueva era, con máquinas entrenadas en tareas de planificación en las que la memoria es inútil.

Leela Chess Zero y Stockfish son, a día de hoy, los mejores motores de ajedrez, exponentes de la excelencia en el juego lograda con la primera aproximación.

Ambos utilizan aprendizaje basado en redes neuronales de diferente forma: Leela Chess Zero usa aprendizaje por refuerzo a través del autojuego, y Stockfish integra una red neuronal para la mejora de la evaluación de posiciones y la toma de decisiones.

Pero ChessBench de Google DeepMind acaba de iniciar un nuevo modelo que puede superar todos los límites. Como apuntábamos más arriba, es un sistema de IA basado en Transformers (como BERT y GPT) cuya versión más avanzada cuenta con hasta 270 millones de parámetros.

Para su entrenamiento y aprendizaje se han utilizado 10 millones de partidas de ajedrez extraídas de Lichess, plataforma de código abierto para jugar al ajedrez en línea a la que........

© The Conversation