Con toda la razón del mundo se dice que el ajedrez es un juego con reglas muy sencillas y por tanto fácil de aprender a jugar… pero que, al mismo, encierra tantas posibilidades que es muy difícil convertirse en un Maestro.

Por eso a lo largo del tiempo se ha venido utilizando como banco de pruebas para demostrar que la “máquina” puede ser superior al humano. Primero fue IBM quien consiguió vencer por fuerza bruta, con su Deep Blue a Kassparov a finales

Después fue Google quien consiguió con su AlphaZero enseñar a jugar a un algoritmo de inteligencia artificial y convertirlo en un auténtico maestro… tras jugar contra si mismo miles y miles de veces aprendiendo los mejores movimientos sin necesidad de ayuda humana.

Ahora, un grupo de investigadores ingleses están trabajando en el desarrollo de SentiMATE en el que el algoritmo se entrena a través de … la lectura!

El equipo investigador analizó el texto de 2.700 comentarios de juegos de ajedrez disponibles en línea. Ellos eliminaron comentarios que no se relacionaban con movimientos de alta calidad y ejemplos que eran demasiado ambiguos.

Luego utilizaron un tipo especial de red neuronal recurrente y de incrustaciones de palabras (una técnica matemática que conecta las palabras sobre la base de sus significados), entrenados en otro modelo de vanguardia para analizar el lenguaje.

El siguiente paso en el avance del procesamiento del lenguaje natural es convertir esta información aprendida en acciones tangibles para ayudar a resolver tareas del mundo Real. Ueva

SentiMATE sorprendió a los investigadores con su capacidad de resolver algunos de los principios básicos del ajedrez, así como varias estrategias clave, como la bifurcación (cuando dos o más piezas están amenazadas simultáneamente) y el enroque (cuando el rey y el castillo se mueven a un nivel más elevado en posición defensiva en la parte posterior del tablero).

Sin embargo, este método no lo convierte en un gran maestro de la IA, dado que no logró vencer a algunos bots de ajedrez convencionales de manera consistente. Pero el programa demuestra la promesa de usar el lenguaje para ayudar a descubrir cómo jugar bien el juego, con menos datos de práctica y menos potencia de computadora que los enfoques convencionales.