AI Scholars otorgó el premio Turing por técnica detrás de la victoria de ajedrez de Alphago

En la última década, la inteligencia artificial nos ha deslumbrado con sus avances, particularmente a través de una técnica en la que las computadoras toman decisiones aleatorias y aprenden de los resultados. Este método, conocido como aprendizaje por refuerzo, ha sido fundamental para lograr hazañas notables en la IA.

Toma como ejemplo el programa AlphaZero de Google DeepMind de 2016, que para 2018 había dominado los complejos juegos de ajedrez, shogi y Go. De manera similar, AlphaStar utilizó este enfoque para alcanzar el nivel de "gran maestro" en el videojuego *Starcraft II*. Estos logros destacan el poder del aprendizaje por refuerzo.

El miércoles, el campo celebró un hito significativo cuando dos académicos de IA fueron honrados por su trabajo innovador en el avance del aprendizaje por refuerzo. Andrew G. Barto, profesor emérito de la Universidad de Massachusetts, Amherst, y Richard S. Sutton, profesor de la Universidad de Alberta, Canadá, recibieron el prestigioso Premio Turing 2025 de la Asociación para la Maquinaria de Computación (ACM).

Reconocimiento a los pioneros en el aprendizaje por refuerzo

La ACM elogió a Barto y Sutton por sentar las bases del aprendizaje por refuerzo, afirmando que "introdujeron las ideas principales, construyeron los fundamentos matemáticos y desarrollaron algoritmos importantes." Este galardón, que incluye un premio de $1 millón, es frecuentemente considerado el equivalente en la industria informática a un Premio Nobel.

El aprendizaje por refuerzo puede compararse con un ratón que navega por un laberinto para encontrar queso. El ratón aprende qué caminos conducen al progreso y cuáles a callejones sin salida. De manera similar, los neurocientíficos creen que los seres inteligentes, como los ratones, desarrollan un "modelo interno del mundo" para guiar sus acciones.

Sutton y Barto propusieron que las computadoras también podrían desarrollar tales modelos internos. En el aprendizaje por refuerzo, la computadora recopila datos sobre su entorno —ya sea un laberinto o un tablero de ajedrez— y actúa inicialmente de manera aleatoria. Recibe retroalimentación en forma de recompensas o penalizaciones, lo que le ayuda a estimar los resultados de diferentes acciones. Con base en estas estimaciones, el programa desarrolla una "política" para guiar decisiones futuras, equilibrando la exploración de nuevas acciones con la explotación de las ya conocidas como exitosas.

El papel de la exploración y la explotación

En su esencia, el aprendizaje por refuerzo requiere un delicado equilibrio entre explorar nuevas posibilidades y explotar estrategias conocidas. Ningún enfoque por sí solo es suficiente para el éxito.

Para aquellos interesados en profundizar, el libro de texto de 2018 de Sutton y Barto sobre el tema es un recurso valioso.

Es importante señalar que el término "aprendizaje por refuerzo" a veces se usa de manera diferente por empresas como OpenAI, que emplean el "aprendizaje por refuerzo con retroalimentación humana" (RLHF) para refinar las salidas de modelos de lenguaje grandes como GPT. Sin embargo, esto es distinto del método desarrollado por Sutton y Barto.

El aprendizaje por refuerzo como una teoría del pensamiento

Sutton, quien fue Investigador Distinguido en DeepMind de 2017 a 2023, ha argumentado que el aprendizaje por refuerzo no es solo una técnica, sino una "teoría del pensamiento." Ha expresado preocupación por la falta de una teoría computacional en la IA, afirmando que "el aprendizaje por refuerzo es la primera teoría computacional de la inteligencia."

Más allá de sus aplicaciones técnicas, el aprendizaje por refuerzo también puede arrojar luz sobre la creatividad y el juego libre como expresiones de la inteligencia. Sutton y Barto han destacado el papel del juego en el aprendizaje, sugiriendo que la curiosidad impulsa la exploración. Sutton ha enfatizado que el juego puede implicar establecer metas que no sean inmediatamente útiles, pero que podrían resultar beneficiosas más adelante.

"El juego es algo grande," comentó Sutton, indicando su papel significativo en el contexto más amplio del aprendizaje y la inteligencia.

El viaje del aprendizaje por refuerzo, desde su trabajo fundacional por Barto y Sutton hasta su aplicación en juegos y más allá, continúa empujando los límites de lo que la IA puede lograr.