AlphaGo y los límites de la intuición de las máquinas

Con el una desigual derrota 4-1 de AlphaGo de Google ante el gran maestro de Go Lee Sedol, la conclusión fácil es que la inteligencia artificial (IA) ha logrado otro hito contra los humanos, lo que aumenta el espectro de que las máquinas podrían eventualmente reemplazar a las personas, incluso los gerentes. Pero al ganar incluso de una manera tan convincente, AlphaGo ha revelado que la IA todavía tiene varios defectos, sobre todo en lo que respecta a la intuición hecha por las máquinas.

Google adquirió DeepMind, el desarrollador de AlphaGo, en 2014, en Oferta de 500 millones de dólares para ampliar su floreciente cartera de IA. De AlphaGo algoritmo de aprendizaje profundo permite tanto un «red política» y «red de valores» para almacenar no solo millones de partidas pasadas jugadas por el maestro, sino también las jugadas contra versiones modificadas de sí mismo. El nombre de las dos redes suena gerencial y su objetivo es promover la eficiencia, no solo la potencia de cálculo bruta. » La política ayuda a reducir la gama de movimientos que probablemente conduzcan a una victoria, mientras que el «valor» reduce la profundidad de la búsqueda evaluando al ganador en cada posición sin jugar hasta el final. En el marco de las reglas de un juego de mesa bien definido, limitar la búsqueda tiene mucho sentido.

Pero en un entorno gerencial, las reglas de competencia están menos reguladas y, lo que es más importante, cada resultado no es igual en términos de lo que está en juego. En otras palabras, en los negocios no es solo si gana o pierde lo que importa, sino también en qué medida. Esta limitación para la IA se hizo evidente en el Juego 3, cuando AlphaGo no aumentó su ventaja sino que jugó un poco «movimientos pausados». En Go, cada juego es independiente; a AlphaGo solo le preocupaba ganar ese juego en particular. Sin embargo, en los negocios, su magnitud de éxito le ayuda a aumentar sus posibilidades en los siguientes partidos. Si su competidor está cayendo, puede que quiera mantener la baja para siempre.

Otro de los supuestos puntos fuertes de AlphaGo que, de hecho, era una limitación era su gestión del tiempo. Se instaló un algoritmo especial para que AlphaGo fuera coherente en cuanto al tiempo que utilizaba por movimiento. La ventaja de esta función era que AlphaGo evitaba quedarse sin tiempo reglamentario y no se apresuraba al final del juego. Esto contrastaba marcadamente con el Gran Maestro Lee, que pasaba minutos más en los momentos estratégicos críticos de la partida. En la única derrota de AlphaGo en el Juego 4, su movimiento fatal lo hizo con una cantidad de tiempo igual de «eficiente». En retrospectiva, más análisis podrían haber llevado a AlphaGo a una posición más segura. Hay momentos en los que las decisiones empresariales rutinarias se pueden tomar muy rápido, pero cuando las empresas se enfrentan a nuevas ocasiones con consecuencias de gran alcance, hay que dedicar más tiempo a pensar en cómo adaptarse y responder. La IA necesita más tiempo para desarrollar este nivel de juicio.

Por último, piense en el algoritmo de autoentrenamiento de AlphaGo. A pesar de tener más de mil años de conocimiento de los juegos jugados por humanos, la derrota de AlphaGo se atribuyó a un traspié cuando lo pillaron con la guardia baja: Lee hizo una jugada inesperada. Para empeorar las cosas, AlphaGo respondió mal pero no se dio cuenta de su error hasta muchos movimientos después. El aprendizaje interno, ya sea a nivel empresarial o industrial, puede tener sus limitaciones, especialmente en la economía colaborativa y de convergencia actual. Pero las situaciones novedosas exigen soluciones novedosas, que no siempre se encuentran en un viejo manual de estrategias. Los gerentes suelen buscar una solución única en otros lugares, como en otro sector que se enfrentan a un problema análogo. Es más, aunque los humanos pueden ser más falibles que las máquinas, nuestra fortaleza reside en la capacidad de reconocer nuestra falibilidad y mejorar, tal como lo hizo Lee. Cuando AlphaGo descubrió su error, ya era demasiado tarde para corregir el rumbo.

La IA se define a menudo por la perfección del pensamiento humano. Pero como ejemplificó Lee cuando dijo esoél, «no la humanidad», había perdido, lo que nos define puede ser la humildad en nuestras imperfecciones y nuestra resiliencia, cualidades que aún hay que desarrollar si la IA realmente quiere ser una amenaza para los directivos.