Búsqueda · 28 momentos en 13 episodios
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindsistema estima probabilidad go profesionalárbol monte carlo examina jugada improbablered políticas descarta movimientos poco probablesalgoritmo busca consecuencias movimientoalphago movimientos creativos gointuición análisis exhaustivo alphagoárbol de juego alphagoDaveÁrbol Monte CarloAlphaGoárbol de Monte CarloHéctor SocasMaría RibesSoriaBurgosAlphaCeroMonte CarloMaríajuego de GoIgnacio CrespoLee SedolAlberto ApariciFrancis VillatoroLissedolYouTubejugada 37Alfago
Árbol Monte Carlo examina jugada improbable
Con
0:000:301:001:302:002:303:003:33
Ignacio Crespo explica cómo Dave comprobó que un sistema estimaba la probabilidad de que un profesional realizara una jugada específica en una partida de Go en aproximadamente 1 entre 10,000.
…datos humanos y el milagro en cierto modo fue que logró salirse de ese entramado humano de juego convencional con el movimiento 37 y otros movimientos en la partida que tal vez pasaron desapercibidos pues creo que la razón es esta arquitectura dual, ¿sabes? Creo que Dave lo comprobó en aquel entonces y las posibilidades de que un profesional hiciera ese movimiento fueron estimadas por el sistema en una de 10.000. Así que, en cierto modo, la jugada tuvo la suerte de ser siquiera examinada por la búsqueda de Árbol Monte Carlo porque, como ya expliqué, el papel de la red de políticas es precisamente descartar los movimientos que son poco probables y por eso debió seguir estando en la selección y luego, claro, fue la parte de búsqueda lo que lo impulsó, ¿verdad? De alguna manera, las consecuencias de los movimientos, tal como fueron identificadas por el algoritmo de búsqueda de Árbol Monte. Carlo, resultaron tan prometedoras para el sistema que finalmente lo seleccionó. Y creo que eso nos dice algo sobre cómo funciona este proceso creativo, ¿verdad? Es la combinación de la intuición, de ese presentimiento y así sucesivamente junto con el análisis de datos, el revisar realmente todas las variaciones posibles, la búsqueda exhaustiva en el árbol de juego y fue verdaderamente creativo. Yo creo, si consideramos una interpretación razonable de lo que es la creatividad, entendiéndola como algo novedoso, como algo efectivo y como algo sorprendente, realmente lo fue; y en particular porque rompió ciertas reglas generales que los jugadores habían…
Significado #1 · Palabras #1
Alberto Aparici interrumpe la conversación para explicar por qué algunos comentaristas consideraron una jugada en particular como un error durante el enfrentamiento entre AlphaGo y Lee Sedol.
Habla: Alberto ApariciSignificado #17error alpha go lee sedolreglas no escritas juego gojugada no óptima partida goalberto aparici explica error…claro, si te vas a la quinta fila no estás invadiendo el territorio en el lado, pero por otro lado, si lo que quieres es como dominar el centro, una piedra sola ahí no te hace dominar el centro; entonces es una jugada complicada de interpretar a priori. Alberto, perdona que te interrumpa, yo he oído que los comentaristas incluso que retransmitían la partida lo consideraron como que era un error, como que se había equivocado Sí, pero hay que saber a qué se refieren con error en ese contexto En Go hay toda una serie de reglas no escritas que te dicen, esta jugada a priori no es óptima Y claro, jugando con gente muy muy buena, hacer una jugada que a priori no es óptima es como en plan de, buf, te va a ir mal Te va a ir mal porque van a aprovechar el carácter no óptimo de esta jugada para ganarte, ¿vale? Y eso es lo que ellos querían decir con error Todos dijeron, esta jugada no puede estar bien, porque efectivamente no estás invadiéndole, pero tampoco estás dominando el centro ¿Qué estás haciendo exactamente? En cambio, Lissedol, que había perdido ya una partida contra Alfago, estaba fumando en ese…
Alberto Aparici matiza el concepto de 'error' en el juego de Go, explicando que en un tablero vacío ninguna jugada es inmediatamente fatal, aunque algunas pueden generar una ligera desventaja.
Habla: Alberto ApariciSignificado #12error en el juego de gotablero vacío sin condena inmediatajugada 37 ligera desventajajugadas humanas pequeña desventaja…aprovechas, dices vale pues juego aquí y se acabó, me aprovecho de este error. No, no, no. Él vio la jugada y dijo, ostras, ¿qué está intentando hacer? Y luego lo dijo que le había parecido una jugada súper interesante y por eso se pasó 12 minutos pensando. O sea, que hay que matizar un poco lo que queremos decir con error; con un tablero tan vacío, nada te condena inmediatamente, pero sí que es verdad que a priori si se juega como casi todos los humanos juegan, hay jugadas que te dejan en una pequeña desventaja. Pues esa era la jugada 37 al final, lo que resultó. Es que Alfago estaba haciendo lo que es lógico con una jugada en la quinta fila, que es jugar hacia el centro; él tenía toda una serie de piedras en la esquina inferior izquierda y a la hora de desarrollarlas, esas piedras que colocó a la derecha terminaron…
Alberto Aparici explica cómo Lissedol tardó 12 minutos en considerar una jugada durante su enfrentamiento contra AlphaGo, y relata un anécdota sobre un comentarista experto en Go que inicialmente rechazó la jugada como imposible.
Habla: Francis VillatoroSignificado #10lissedol tarda doce minutosjugada imposible alfagocomentarista experto en gotablero grande youtube…en la esquina; las esquinas pues está todo mucho más claro. Alfagó en ese caso estaba jugando a tablero completo y al final esas piedras que colocó en la derecha fueron importantes para la esquina inferior izquierda, y de ahí la importancia de la jugada 37. Pero cuando se habla de que es un error hay que entender qué significa eso del error y los 12 minutos de Lissedol pensando creo que son muy elocuentes en ese sentido. Hay una anécdota que es que sabéis que en la retransmisión había un comentarista, un experto en Goa, había dos, pero había uno que era el que ponía las piezas en un tablero grande que es el que se veía en el vídeo de YouTube y ese señor cuando vio la jugada 37 cogió la pieza, la puso en el tablero y dijo no, no puede ser. Aquí no puede ir, me tengo que haber equivocado, volvió a mirar de nuevo y dijo, pues sí, pues el Álfago la ha puesto ahí, la voy a poner Entonces Eso fomentó toda esa cultura de memética, del meme de que había habido un error, porque hasta el propio comentarista dijo: esto no puede ser. Sí, sí, efectivamente, es que son jugadas que por sabiduría popular no hay que hacer, pero no que estén condenadas a…
Ignacio Crespo explica las características que hacen al juego de Go tan complejo, comparándolo con un árbol invertido donde cada rama representa una posible jugada.
Significado #8 · Palabras #6go como un árbol invertidovariaciones del juego goancho del árbol movimientos goprofundidad del árbol duración goestructura combinatoria juego óptimo…muchos movimientos posibles que puedes hacer. Por ejemplo, al principio el tablero está vacío y tienes 361 movimientos diferentes que puedes hacer y luego el oponente tiene 360 movimientos y así sucesivamente. Y la segunda cosa es que los juegos también son extremadamente largos. Así que toman 200, 300 jugadas y esas dos cosas juntas son las que determinan cuán complejo es el juego. Y la imagen que tenemos en nuestra mente, la que nos viene a la cabeza, es la de un árbol de juego. Imaginen un árbol invertido en cuya raíz tienen la posición inicial, la que está vacía, y luego todas las diferentes variaciones, todos los diferentes juegos se van ramificando a partir de ahí. Y el número de movimientos en cualquier posición dada es el ancho del árbol porque puedes tener todos esos posibles primeros movimientos por ejemplo y luego la duración del juego es la profundidad de este árbol. Y bueno sabes eso genera una estructura combinatoria realmente enorme y si quieres jugar de forma óptima prácticamente tienes que recorrer toda esa estructura. Y entonces la gran pregunta que nuestro trabajo con AlphaGo fue capaz de responder es: ¿cómo reducir ese espacio de búsqueda? De modo que ahora, aunque seguimos buscando una aguja en un pajar, la estamos buscando en un pajar mucho más pequeño. Y todo esto se…
Alberto Aparici y Francis Villatoro comentan el décimo aniversario del segundo juego entre AlphaGo y Lee Sedol, un momento histórico para AlphaGo. Se dirige a ellos como 'entrenadores' de AlphaGo para preguntarles cómo se prepararon para la serie y qué esperaban del resultado.
Habla: Alberto ApariciSignificado #13 · Palabras #7red valor estimación partida gopartida go movimientos inicialesaprendizaje automático tablero goredes neuronales árbol juego combinatoriobúsqueda en árbol monte carloalphago contra lee sedol momento históricoentrenadores de alphago preparación serie…lo harían para un jugador humano de Go como tú mismo y lo que eso hace es que el árbol se vuelva más estrecho porque estos son todos los movimientos, pero ahora solo estamos considerando una pequeña selección de movimientos en cada etapa y eso es muy útil. La red de valor resulta muy útil, ya que normalmente tendríamos que analizar todas las variaciones hasta el mismísimo final, porque solo entonces sabríamos si el bando negro o el blanco ha ganado la partida. Pero la red de valor nos brinda la capacidad de estimar esto con mucha más antelación. Se le puede presentar un tablero que aún no está completo, quizás después de tan solo 10 o 15 movimientos de la partida, y ya es capaz de juzgar si la posición es más ventajosa para las piezas negras o para las blancas. Y esto, por supuesto, también ha sido entrenado exhaustivamente con una gran cantidad de datos de partidas utilizando técnicas de aprendizaje automático. Y así la función principal de estas dos redes neuronales consiste en reducir significativamente el tamaño de este inmenso árbol de juego combinatorio, y luego existe otra técnica muy específica. conocida como búsqueda en árbol Monte Carlo que nos permite de una manera muy eficiente explorar y analizar las ramas restantes del árbol. Gracias, muy interesante. Así que hoy es exactamente el décimo aniversario del segundo juego, creo, de AlphaGo contra Lee Sedol y esa serie, AlphaGo contra Lee Sedol, es, podría decirse, el momento histórico para AlphaGo. Así que quería preguntarles, ustedes fueron de alguna manera los entrenadores, digamos, de Álfago Entonces, ¿cómo se prepararon para una serie de este tipo y esperaban el resultado? Que fue realmente asombroso Sí, así que la verdad es que sí requirió muchísima preparación, ¿sabes? Al principio el sistema era muy, muy, muy primitivo y no funcionaba del todo bien, aunque me ganó en mi primer día de trabajo cuando lo probé. Y luego lo fuimos desarrollando cada vez más…
Ignacio Crespo explica cómo Dave comprobó que un sistema estimaba la probabilidad de que un profesional realizara una jugada específica en una partida de Go en aproximadamente 1 entre 10,000.
Habla: Ignacio CrespoSignificado #1 · Palabras #1sistema estima probabilidad go profesionalárbol monte carlo examina jugada improbablered políticas descarta movimientos poco probablesalgoritmo busca consecuencias movimientoalphago movimientos creativos gointuición análisis exhaustivo alphagoárbol de juego alphago…datos humanos y el milagro en cierto modo fue que logró salirse de ese entramado humano de juego convencional con el movimiento 37 y otros movimientos en la partida que tal vez pasaron desapercibidos pues creo que la razón es esta arquitectura dual, ¿sabes? Creo que Dave lo comprobó en aquel entonces y las posibilidades de que un profesional hiciera ese movimiento fueron estimadas por el sistema en una de 10.000. Así que, en cierto modo, la jugada tuvo la suerte de ser siquiera examinada por la búsqueda de Árbol Monte Carlo porque, como ya expliqué, el papel de la red de políticas es precisamente descartar los movimientos que son poco probables y por eso debió seguir estando en la selección y luego, claro, fue la parte de búsqueda lo que lo impulsó, ¿verdad? De alguna manera, las consecuencias de los movimientos, tal como fueron identificadas por el algoritmo de búsqueda de Árbol Monte. Carlo, resultaron tan prometedoras para el sistema que finalmente lo seleccionó. Y creo que eso nos dice algo sobre cómo funciona este proceso creativo, ¿verdad? Es la combinación de la intuición, de ese presentimiento y así sucesivamente junto con el análisis de datos, el revisar realmente todas las variaciones posibles, la búsqueda exhaustiva en el árbol de juego y fue verdaderamente creativo. Yo creo, si consideramos una interpretación razonable de lo que es la creatividad, entendiéndola como algo novedoso, como algo efectivo y como algo sorprendente, realmente lo fue; y en particular porque rompió ciertas reglas generales que los jugadores habían…
Alberto Aparici reconoce su falta de habilidad para estimar el desarrollo de una partida de Go con precisión, comparándola con la capacidad que tienen los profesionales y las IA como Alfago.
Habla: Alberto ApariciSignificado #20alfago domina el juego goárboles de evaluación alfagoia evalúa posiciones en go…va la partida, hay toda una serie de reglitas para saber más o menos cuántos puntos tienes. Bueno, asumiendo que esta zona es mía, asumiendo que esta zona es de él, no sé cuántos, y te vas haciendo una idea de cómo va el tanteo. Yo no soy muy bueno en eso. Tampoco, es otro de mis puntos débiles, digamos, pero vamos, que un profesional puede decir: "Creo que va a ganar por una piedra", blancas, y tú dices: "Vale, ok, este nivel de precisión yo no lo tengo, y Alfago sí lo tiene, obviamente, gracias a estos árboles de evaluación y tal que utilizaba una, una IA; utilizaba dos como nos han contado en la entrevista, una de ellas era para evaluar la posición, eso me dejó fascinado. Claro, porque es La gran dificultad del GO, la gran dificultad del GO es de un solo golpe de vista saber de qué te tienes que preocupar. Me tengo que preocupar de que estoy perdiendo el centro, me tengo que preocupar de que estoy perdiendo el lado; es que eso es muy…
Héctor Socas expresa su sorpresa y decepción con respecto a la estructura interna de AlphaGo, señalando que consta de tres componentes principales: dos redes neuronales y un árbol de Monte Carlo.
Habla: Héctor SocasSignificado #4 · Palabras #2árbol de monte carlo en alfagodecepción héctor socas alphagoredes neuronales policy value alphagodiseño humano detrás de alphagoárbol de decisiones en alphago…a futuro, pero muchísimos otros problemas. Eso no es así y ese es el primer tipo de los problemas, es los que alfa cero y sus descendientes han dominado claramente y en el segundo tipo de problemas es donde empezamos a ver avances en los últimos años. Yo quería comentar una de las cosas que para mí fueron más llamativas de la entrevista y que para mí fue un poco una decepción, que es que explicaron que realmente alfago es un sistema que tiene tres componentes principales, ¿no? tiene dos redes neuronales y tiene un árbol de jugados, un árbol de Monte Carlo. Digo que para mí fue un poco una decepción porque yo pensaba en su momento cuando se hablaba de esto y en medio de todo el "hype" se decía que este era un sistema que, por primera vez desde cero, había aprendido a jugar este juego tan complejo. Entonces yo, desde cero, entendía que esto era: habían hecho una red neuronal, habían puesto a jugar partidas y había aprendido; pero en cambio no, hay algo de diseño humano detrás, o sea, un humano ha decidido que hay que tener dos redes neuronales, una la de "policy", otra la de "value", que tiene que haber un árbol, o sea, que no era simplemente crear una red muy grande y ponerla a jugar; entonces, que realmente eso es un poco por donde va. al facero Claro, ese es Alpha Zero, exactamente, que vino después y el cero viene de ahí, de empezar casi que de primeros principios. Entonces, AlphaGo no está diseñado de primeros principios, sino que hay un poco de diseño, o sea, hay diseño inteligente…
Francis Villatoro explica cómo AlphaGo, al incorporar un árbol de Monte Carlo, se vio limitado en su potencial, lo que llevó a la creación de AlphaCero.
Habla: Francis VillatoroSignificado #3 · Palabras #4árbol monte carlo alpha goalpha cero superó alpha gointeligencia artificial profundidad juegos…AlphaGo no está diseñado de primeros principios, sino que hay un poco de diseño, o sea, hay diseño inteligente detrás de AlphaGo. La componente de Monte Carlo es la contribución humana, es decir, el conocimiento humano estaba básicamente en el modelo de Monte Carlo, y eso fue el gran lastre de AlphaGo, y por eso cuando eliminaron ese lastre, AlphaCero ya pudo ser mucho más potente que AlphaGo, ¿no? Pero se pensaba que era un juego tan difícil que si no ponías un árbol de Monte Carlo como se había hecho toda la vida para hacer juegos parecía como que la inteligencia artificial no iba a ser capaz de profundizar más y eso es una cosa que me gustaría ya que está aquí María y es un tema interesante. Conectarlo con el lenguaje natural de toda la vida en inteligencia artificial se ha dicho que el lenguaje natural era tan ambiguo, tan complicado. Todo el conocimiento de los filólogos sobre el lenguaje, el análisis ortosintáctico es trivial. El análisis…
María Ribes interrumpe la conversación sobre inteligencia artificial para hacer una broma relacionada con el árbol de Monte Carlo y su desconocimiento del lugar.
Habla: María RibesSignificado #2 · Palabras #3maria ribes broma árbol monte carlodesconocimiento árboles de monte carlonunca he estado en monte carlo…en dos o tres días decenas de millones de partidas y observa correlaciones más allá de las correlaciones que observan los humanos. Pero el punto clave es que son correlaciones triviales, que están obvias en los datos cuando los ves en toda su dimensión. ¿Te ¿Sujeto el cubata? Sí, tengo que recoger este guante. Bueno, primero tengo que decir que me ha asustado porque estaba hablando de árbol de Monte Carlo y se me ha preguntado a María: digo, yo, yo qué sé de los árboles de Monte Carlo. Nunca has estado en Monte Carlo, ¿no? Claro, exacto, solo tienes que acercarte. Sí, nunca he estado en Soria y nunca he estado en Burgos y mire qué morcilla. Bueno, como te iba, como te va diciendo, pues vale. Yo estudié cuando era más joven, muy modestamente, procesamiento de lenguaje natural. Y claro, lo que se trataba de hacer, cuando dices tú el análisis ortosintáctico, me imagino que prefieres a morfosintáctico, Morfosintáctico, sí, como le quieras llamar,…