En el libro biográfico escrito por Ashlee Vence “Elon Musk, el creador de Tesla, PayPal y Space X que anticipa el futuro” en una de las charlas con el empresario le dice al escritor que su miedo más grande y lo que no lo deja dormir es que Pages (el CEO de Google) este desarrollando máquinas con inteligencia artificial y no le haya contado al mundo, uno de sus miedos más grandes es que los humanos creemos una raza superior que nos aniquile en un futuro.

Hace unas semanas Mark Zuckerberg hizo un post felicitando a su equipo quien había desarrollado una Inteligencia artificial (AI) que gano una partida de Póker a 6 de los mejores jugadores a nivel mundial.

Los resultados de estos fueron publicados en la revista científica Science.org y plantea cómo este logro es un gran avance para la mitigación de los grandes problemas que tiene Facebook. Pluribus como Facebook ha denominado a esta AI como el primer Bot capaz de vencer a los expertos humanos en Hold’em la versión más famosa del póker.

Este avance es sumamente importante porque las AI desarrolladas en juegos de dos contrincantes suelen tener toda la información visible para hacer los cálculos estadísticos de probabilidad, en casos, como el póker, existe demasiada información oculta, lo cual se asimila un poco más a la vida real, porque con este desarrollo se podrá llegar a tomar decisiones sobre contenido dañino y lidiar con los desafíos de ciber seguridad, así como administrar una subasta en línea, pues en las decisiones que toman los algoritmos en el internet se involucran múltiples actores e información oculta.

Estamos construyendo sistemas sobrehumanos

Todos los avances anteriores de AI en juegos importantes se han limitado a aquellos con solo dos jugadores o dos equipos enfrentados en una competencia donde uno de los dos puede ganar (por ejemplo, damas, ajedrez, Go, póker para dos jugadores, StarCraft 2 y Dota 2). En cada uno de esos casos la AI tuvo éxito porque intentó estimar un tipo de estrategia conocida como equilibrio de Nash. En los juegos de dos jugadores y dos equipos, jugar un equilibrio exacto de Nash hace que sea imposible perder sin importar lo que haga el oponente. (Por ejemplo, la estrategia de equilibrio de Nash para piedra-papel-tijera es escoger piedra, papel o tijera al azar con la misma probabilidad).

Según el artículo publicado por Facebook sobre su AI, “Ningún otro juego encarna el desafío de la información oculta como el póker, donde cada jugador tiene información (sus cartas) de la que carecen los demás. Una IA de póker exitosa debe razonar sobre esta información oculta y equilibrar cuidadosamente su estrategia para seguir siendo impredecible mientras sigue seleccionando buenas acciones. Por ejemplo, fanfarronear de vez en cuando puede ser efectivo, pero siempre fanfarronear sería demasiado predecible y probablemente resultaría en perder mucho dinero. Por lo tanto, es necesario equilibrar cuidadosamente la probabilidad con la que se fanfarronea con la probabilidad de apostar con manos fuertes. En otras palabras, el valor de una acción en un juego de información imperfecta depende de la probabilidad con la que se elige y de la probabilidad con la que se eligen otras acciones”.

Tal vez lo importante de este avance por parte de Facebook no solo radica en cómo el algoritmo de su red social podría empezar a tomar mejores decisiones, sino cómo en distintas industrias se podría desarrollar sistemas similares debido a su bajo costo.

Una AI que en computo cuesta $150 dólares

Pluribus la AI de facebook pasó por un proceso de aprendizaje de 8 días en los cuales el equipo de desarrollo usó un servidor de 64 núcleos y menos de 512GB de RAM y no requirió el uso de GPU’s. En la actualidad el entrenamiento de maquinas de inteligencia artificial cuestan millones de dólares.

Con esto estás entrando a lograr rendimientos sobrehumanos a costos computacionales tan bajos debido a estás mejoras algorítmicas.

A pesar de que Pluribus fue desarrollado para jugar póker, las técnicas utilizadas no son específicas del póker y no requieren ningún conocimiento experto de dominio para desarrollarse. Esta investigación brinda una mejor comprensión fundamental de cómo construir una IA general que pueda hacer frente a entornos de múltiples agentes, tanto con otros agentes de la IA como con seres humanos, y nos permite comparar el progreso en este campo con el punto más alto de la capacidad humana.