Ajedrez: un juego complejo que posibilita modelar la toma de decisiones

Investigadores del Laboratorio de Inteligencia Artificial Aplicada (LIAA) desarrollan modelos de toma de decisiones, que utilizan al juego del ajedrez para validar sus hipótesis y permiten predecir aspectos de la cognición humana ante el uso de un tiempo limitado para tomar decisiones.

Cuando un jugador de ajedrez se encuentra con un competidor mejor en el ranking y con tres minutos para poder definir la partida, ¿qué le conviene hacer y cómo toma esa decisión? Algunas de estas preguntas surgieron en los trabajos fundacionales del Laboratorio de Inteligencia Artificial Aplicada (LIAA), cuyos estudios de cognición humana a gran escala intentan aumentar la comprensión de las jugadas de ajedrez como modo de entender la toma de decisiones y poder modelarla.

Diego Fernández Slezak, investigador del ICC, está liderando estos estudios y tuvo a su cargo el análisis computacional de 30 millones de partidas de ajedrez, de jugadores de todo el mundo, usando el servidor gratuito Free Internet Chess Server (haciendo un paralelismo, 30 millones de partidas resultan el equivalente a una persona jugando partidas de tres minutos por jugador durante 342 años sin interrupción). El juego permite estudiar la toma de decisiones en un universo muy vasto, pudiendo medir los tiempos de las decisiones y determinar si fueron acertadas o no con una precisión infinitesimal.

El crecimiento de la cantidad de datos disponibles del juego de ajedrez en Internet resulta abismal: hace unos diez años la base de datos contenía 2500 millones de decisiones (calificadas con una puntuación precisa) y en la actualidad ha alcanzado los 3500 millones de movimientos, con 70 millones de partidas y más de 300 mil jugadores registrados.

En un juego de ajedrez, los jugadores eligen consecutivamente alrededor de 40 movimientos en un presupuesto de tiempo finito. La bondad de cada elección se puede determinar cuantitativamente ya que los algoritmos de ajedrez actuales estiman con precisión el valor de una posición. En este caso, al iniciar la partida de tres minutos, el jugador conoce el nivel de su adversario, entonces: ¿Cómo juega con alguien de nivel similar o con un contrincante superior? ¿Varía el tiempo que tarda en adoptar las decisiones? ¿Las definiciones son acertadas o no?

Los primeros resultados del LIAA fueron publicados en “Journal of Experimental Psychology: General”, se basaron en un millón de partidas y mostraron que diversos jugadores cambian de estrategia. Ante oponentes mejores, los jugadores se mueven más lento, es decir, piensan más cada jugada y el resultado es que mejora la calidad de las mismas. El tiempo gastado no compensa la leve mejora en calidad de las jugadas y lo óptimo cuando el tiempo apremia es optar por la primera decisión que se le ocurre al jugador. Claramente estos estudios, desarrollados con algoritmos de toma de decisiones, demuestran que los mejores jugadores en el ranking optimizan el tiempo, lo utilizan mejor y se equivocan menos.

“Nuestros primeros papers estuvieron centrados en analizar los datos provenientes de bases de datos públicas para validar hipótesis de psicología experimental. Ahora, nos encontramos desarrollando modelos de toma de decisión que usan al ajedrez para validación y permiten predecir aspectos de la cognición humana ante la toma de decisiones”, puntualiza Diego Fernández Slezak, doctor en Ciencias de la Computación e integrante del LIAA.

Para encarar este objetivo, los investigadores están desarrollando Modelos de difusión anómala de la distribución de tiempos de reacción que tienen los jugadores de ajedrez. “La toma de decisión puede modelarse como un proceso que va acumulando evidencia hasta que llega a un umbral en donde la decisión está tomada. Esta acumulación de evidencia puede entenderse como ir sumando ‘porotos’ para un lado o para el otro. En el caso de decisiones múltiples como en ajedrez, estos porotos no solo se suman, sino que tienen dirección.  El modelo más simple consiste en una variedad 2D con un límite circular, 4 posibles movimientos (opciones) por paso (arriba, abajo, izquierda y derecha) en lugar de 2 (suma, resta) y un período de espera de un paso si el sistema encuentra un trampa”, explica Fernández Slezak. Y el investigador aclara que si bien el ajedrez es un juego con reglas claras y sencillas, a la vez es muy complejo y es considerado un espejo de la toma de decisiones con un tiempo limitado. “Esto permite modelar decisiones más complejas con múltiples opciones y hemos mostrado que también aplica, por ejemplo, a la toma de decisiones de compra en sitios de comercio electrónico”.

Los modelos de toma de decisiones fueron presentados en la charla del investigador “Estudios de ajedrez en la interfase entre IA y neurociencia”, que se desarrolló el 18 de marzo de 2022 durante la cuarta edición del Día de la Investigación en Ciencias de la Computación.

En las gráficas presentadas se puede apreciar el modelo 2D con 4 posibles movimientos (Slide 1), los mejores parámetros para la distribución de tiempo de respuesta al 50% del juego (Slide 2) y la evidencia de que los mejores jugadores en el ranking exploran más rápido un espacio o tablero de juego más complejo (Slide 3).

Por último, Fernández Slezak comenta sobre algunas perspectivas futuras de estos trabajos, a partir del apoyo de las redes neuronales profundas: “el ajedrez vuelve a ser un tema de investigación novedoso gracias a las redes neuronales profundas (arquitecturas tecnológicas principales de los modelos de Aprendizaje Profundo o Deep Learning) Nos interesa mucho investigar sobre estas redes y ver si a partir de los parámetros que se estiman en redes podemos llegar a conclusiones nuevas sobre aspectos de la cognición”, reflexiona el investigador del LIAA. Entre los desafíos futuros de estas investigaciones se encuentran el escalado de tiempo (parámetros del modelo con escala de tiempo total), la calificación de errores garrafales y la posibilidad de predecir la calificación del jugador y también la denominada “Inercia del juego”, que reside en analizar partidas con la mezcla aleatoria de secuencias de movimientos y su progresión.