💡 Resumen (TL;DR):
- Google DeepMind conmemora el décimo aniversario de la histórica victoria de AlphaGo sobre el campeón Lee Sedol.
- AlphaFold ha predicho 200 millones de estructuras proteicas, impactando el trabajo de 3 millones de investigadores.
- Demis Hassabis proyecta alcanzar la AGI integrando los modelos multimodales de Gemini con las técnicas de AlphaGo.
Demis Hassabis, CEO de Google DeepMind, conmemoró este 11 de marzo el décimo aniversario de la victoria de 4-1 de AlphaGo sobre el campeón mundial Lee Sedol. A través de un ensayo oficial, el directivo reflexionó sobre el impacto del evento y trazó la hoja de ruta de la compañía para alcanzar la Inteligencia Artificial General (AGI).
El encuentro celebrado en marzo de 2016 en el hotel Four Seasons de Seúl atrajo a más de 200 millones de espectadores. Para Hassabis, la llegada de este sistema ocurrió “una década antes de lo que los expertos esperaban en ese momento”.
El punto de inflexión fue el Movimiento 37 en la segunda partida. AlphaGo colocó una piedra de forma tan inusual que Lee Sedol abandonó la sala durante 15 minutos. Unos 100 movimientos después, la jugada demostró ser la clave de la victoria. Hassabis afirmó que esto comprobó que la IA podía ir más allá de imitar a los expertos y “descubrir estrategias completamente nuevas”.
La contienda también dejó triunfos humanos. El Movimiento 78 de Lee en la cuarta partida tenía una probabilidad de 1 en 10,000 de ser ejecutado por una persona. Esta jugada le otorgó a AlphaGo su única derrota y hoy se celebra como un “movimiento divino”.
De los juegos de mesa a la biología y la AGI
DeepMind trasladó el aprendizaje por refuerzo y las redes neuronales de AlphaGo hacia la ciencia. En 2020 lanzaron AlphaFold 2, resolviendo el problema del plegamiento de proteínas de hace 50 años. El sistema generó predicciones para 200 millones de estructuras proteicas, datos que hoy utilizan más de tres millones de investigadores. Este trabajo le valió a Hassabis y a John Jumper el Premio Nobel de Química 2024.
Los mismos métodos fundacionales han impulsado nuevos desarrollos:
* AlphaProof: para la demostración de teoremas matemáticos.
* AlphaEvolve: enfocado en el descubrimiento de algoritmos.
* AI co-scientist: un sistema que replicó de forma independiente hallazgos sobre resistencia antimicrobiana en el Imperial College London.
La estrategia de DeepMind para alcanzar la AGI integra los modelos multimodales de Gemini, las técnicas de planificación de AlphaGo y herramientas especializadas como AlphaFold en un sistema unificado. Para Hassabis, la verdadera AGI no se limitará a dominar el Go, sino a “inventar un juego tan profundo y elegante, y tan digno de estudio como el Go”.
Por su parte, Lee Sedol regresó al mismo hotel de Seúl el 9 de marzo. Durante un evento colaborativo, utilizó un agente de IA para programar software de Go en solo 20 minutos mediante comandos de voz. “La IA ya no se define como un oponente, sino como una herramienta que permite a los humanos desbloquear una mayor creatividad”, declaró.
