Kaspárov y los coches autónomos

Corría el año 1996 y, tras una memorable partida, un engendro electrónico conocido como “Deep Blue” alcanzaba un hito histórico, al derrotar una máquina por primera vez a un vigente campeón del mundo de ajedrez, Gary Kaspárov. Sin embargo, al final del torneo, Kaspárov venció en 3 de las siguientes partidas y empató 2, por lo que la victoria finalmente se inclinó por el Hombre frente a la Máquina.

Casi un año después, en la revancha, la hermana pequeña de “Deep Blue”, “Deeper Blue”, culminaba el desafío que se había iniciado meses antes al derrotar en 6 partidas a Kaspárov, en un torneo jugado al ritmo de juego estándar. El resultado del torneo no estuvo exento de polémica por parte del campeón del mundo, pues una decisión tomada por “Deeper Blue” durante una de las partidas al no aceptar ésta el sacrificio de un peón negro, decisión habitual en la mayoría de los programas de ajedrez de la época, hizo sospechar a Kasparov de que, entre partida y partida, había intervención humana en el código del programa, lo que sería en principio contrario a las reglas acordadas antes de la contienda. IBM nunca desmintió de forma oficial las acusaciones de Kaspárov pero el hecho de que una computadora, que se encontraba lejos de ser una de las más potentes de la época, hiciese tambalear la corona del vigente campeón mundial de ajedrez, marco un punto de inflexión en una contienda entre Hombre y Máquina que no hacía más que dar sus primeros pasos.

Estamos ahora a finales de 2017, y un programa conocido como “AlphaZero”, desarrollado por la compañía inglesa especializada en Inteligencia Artificial DeepMind (por cierto, que pertenece desde 2014 a Alphabet Inc empresa matriz de Google…), consigue derrotar en únicamente 24 horas a los vigentes campeones del mundo de ajedrez, shogi y Go además de a los programas más avanzados hasta la época en estos juegos: Stockfish y Elmo. Esta “pequeña” hazaña no lo sería tanto si no fuese porque AlphaZero derrotó a Stockfish, referente mundial indiscutible en este tipo de juegos, después de 4 horas de autoaprendizaje, es decir, sin acceso a libros de apertura o base de datos de tablas de finales. En pocas palabras, a AlphaZero le habían dado poco más que unas reglas básicas sobre el juego y, tras simular miles de partidas consigo misma, había conseguido aprender y desarrollar una capacidad muy superior a la de cualquier otro programa existente hasta la fecha. Para ponerlo en perspectiva, AlphaZero necesita “solo” calcular unas 80000 posiciones por segundo, frente a las, por ejemplo, 70 millones de posiciones calculadas por Stockfish en el mismo periodo, para derrotar a todos sus rivales. Si, lo sé, si has visto Terminator te estás acordando ahora mismo de ella…

Varias figuras de referencia a nivel mundial en estos distintos juegos, incluido el propio Kasparov, han alabado la capacidad de AlphaZero de enfrentarse al tablero, planteando jugadas totalmente nuevas para los grandes maestros y apreciando un toque “humano” en las decisiones que toma a lo largo de las partidas que resulta tan sorprendente como inquietante.

Pasamos ahora del mundo de la ajedrez y de los juegos de mesa al mundo de la movilidad y la conducción autónoma. Básicamente, un coche que quiera desplazarse de forma autónoma, es decir, sin un conductor que lo dirija, debe enfrentarse a tres retos básicos y éstos no deberían ser resueltos de manera menos eficaz y sobre todo menos segura de lo que lo haría un conductor medio. Es más, a los sistemas de conducción autónoma es muy probable que se les exija que estén muy por encima de ese supuesto conductor medio. Estos tres retos son los siguientes:

> El primero, cómo percibir el entorno, es decir, la realidad que rodea al coche.

> El segundo, lo que necesita saber para enfrentarse a ese entorno y realizar el desplazamiento de forma segura. 

> Y el tercero, a partir de lo que percibe, su localización y lo que sabe, cómo toma las decisiones cuando estas no formen parte de las situaciones ya programadas o aprendidas.

Para el primero de estos retos (“cómo percibe la realidad a su alrededor”) existen infinidad de soluciones en el mercado y que han demostrado ya  su fiabilidad, validad y viabilidad. Multitud de sensores entre los que se encuentran cámaras, radares, LIDAR, ultrasonidos,… todos ellos con distintas capacidades y resultados en función de las condiciones externas al vehículo, pero cuya aportación permiten tener una idea precisa del entorno del coche y con una fiabilidad que, en muchos casos, sobrepasa a la de los humanos. Si en este primer reto tuviésemos que escoger un ganador entre Hombre (conductor medio) y Máquina (sistema de conducción autónoma), el resultado, a falta de concluir el partido, sería sin duda “Hombre 0 – Máquina 1”.

Para el segundo (“lo que sabe”), también se han desarrollado herramientas capaces no solo de decirle al coche lo que tiene que hacer y cuándo a través de unas reglas básicas sino que el sistema se mejora mediante una fase de formación enfrentando al sistema a millones de situaciones bien reales, bien simuladas. Esto todo se consigue a través del “Deep Learning” y una arquitectura basada en redes neuronales que simulan el comportamiento del cerebro. En definitiva, algo parecido a lo que AlphaZero logró en 2017 a partir de unas pocas reglas simples y millones de partidas jugadas contra sí misma, con la particularidad de que las dificultades a las que se puede enfrentar un coche en un entorno real son infinitamente más complejas que las que se pueden producir en un tablero de ajedrez. A pesar de esta dificultad y a tenor de los sistemas ya implantados a día de hoy por algunos de los principales actores de la conducción autónoma, también se podría considerar que a estas alturas las Máquinas van por delante de los Humanos. Por lo tanto, nuestro marcador parcial de esta peculiar contienda sería “Hombre 0 – Máquina 2”.

¿Qué ocurre con el tercero de los retos (“el poder de deducción”)? Pues bien, parece que nos hemos topado con uno de los aspectos en los que las Máquinas están, al menos por el momento, más verdes. La deducción, esa capacidad de enfrentarse a nuevas situaciones y resolverlas exitosamente, es algo en lo que los Humanos están “todavía” por delante de los ordenadores. ¿Qué hacer si un oso panda nos mira con sus grandes ojos desde el medio de la carretera y nos dirigimos directamente hacia él a 140 km/h? Pues bien, pocos conductores dudarían que la mejor de las soluciones sería pisar el pedal de freno a fondo e intentar, en la medida de lo posible, esquivar al animal. Pero un sistema de Inteligencia Artificial podría, por ejemplo (y casos similares se han producido durante las pruebas de estos sistemas) inferir que se trata realmente de un peluche y que una maniobra de evasión es mucho más peligrosa que seguir rectos y pasarle por encima. Estaríamos por lo tanto, a final del partido, con un resultado “Hombre 1 – Máquina 2”.

Siendo el resultado final de la contienda favorable a la máquina, ¿por qué hay tantas dudas sobre la conducción autónoma y su aplicación en el mundo real? Pues bien, como dije al principio del artículo, a la “Máquina” se le pedirá mucha mayor fiabilidad y seguridad que al “Hombre” y, aunque pueda parecer injusto sobre todo para los fabricantes más habidos de implementar esta opción en sus coches, es una tranquilidad desde el punto de vista del cliente, que podrá estar seguro de que, una vez que estos sistemas estén definitivamente aprobados, no sólo permitirán unos desplazamientos más cómodos, sino que serán infinitamente más seguros. Y viendo la velocidad a las que la Inteligencia Artificial está evolucionando, no es difícil concluir que no habrá que esperar muchos años para que, incluso en términos de “deducción”, las Máquinas sobrepasarán a los Humanos y el resultado del partido será, definitivamente, “Humanos 0 – Máquinas 3”.

Sé el primero en comentar

Dejar una contestacion

Tu dirección de correo electrónico no será publicada.


*


*