{"id":2273,"date":"2022-04-05T12:37:00","date_gmt":"2022-04-05T15:37:00","guid":{"rendered":"https:\/\/icc.fcen.uba.ar\/?p=2273"},"modified":"2022-04-21T13:30:54","modified_gmt":"2022-04-21T16:30:54","slug":"ajedrez-un-juego-complejo-que-posibilita-modelar-la-toma-de-decisiones","status":"publish","type":"post","link":"https:\/\/icc.fcen.uba.ar\/en\/ajedrez-un-juego-complejo-que-posibilita-modelar-la-toma-de-decisiones\/","title":{"rendered":"Ajedrez: un juego complejo que posibilita modelar la toma de decisiones"},"content":{"rendered":"

Investigadores del Laboratorio de Inteligencia Artificial Aplicada (LIAA) desarrollan modelos de toma de decisiones, que utilizan al juego del ajedrez para validar sus hip\u00f3tesis y permiten predecir aspectos de la cognici\u00f3n humana ante el uso de un tiempo limitado para tomar decisiones.<\/b><\/p>\n

Cuando un jugador de ajedrez se encuentra con un competidor mejor en el ranking y con tres minutos para poder definir la partida, \u00bfqu\u00e9 le conviene hacer y c\u00f3mo toma esa decisi\u00f3n? Algunas de estas preguntas surgieron en los trabajos fundacionales del<\/span> Laboratorio de Inteligencia Artificial Aplicada (LIAA)<\/span><\/a>, cuyos estudios de cognici\u00f3n humana a gran escala intentan aumentar la comprensi\u00f3n de las jugadas de ajedrez como modo de entender la toma de decisiones y poder modelarla.<\/span><\/p>\n

\"\"<\/p>\n

Diego Fern\u00e1ndez Slezak<\/b>, investigador del ICC, est\u00e1 liderando estos estudios y tuvo a su cargo el an\u00e1lisis computacional de 30 millones de partidas de ajedrez, de jugadores de todo el mundo, usando el servidor gratuito <\/span>Free Internet Chess Server<\/span><\/i> (haciendo un paralelismo, 30 millones de partidas resultan el equivalente a una persona jugando partidas de tres minutos por jugador durante 342 a\u00f1os sin interrupci\u00f3n). 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 precisi\u00f3n infinitesimal.\u00a0<\/span><\/p>\n

El crecimiento de la cantidad de datos disponibles del juego de ajedrez en Internet resulta abismal: hace unos diez a\u00f1os la base de datos conten\u00eda 2500 millones de decisiones (calificadas con una puntuaci\u00f3n precisa) y en la actualidad ha alcanzado los 3500 millones de movimientos, con 70 millones de partidas y m\u00e1s de 300 mil jugadores registrados.<\/span><\/p>\n

En un juego de ajedrez, los jugadores eligen consecutivamente alrededor de 40 movimientos en un presupuesto de tiempo finito. La bondad de cada elecci\u00f3n se puede determinar cuantitativamente ya que los algoritmos de ajedrez actuales estiman con precisi\u00f3n el valor de una posici\u00f3n. En este caso, al iniciar la partida de tres minutos, el jugador conoce el nivel de su adversario, entonces: \u00bfC\u00f3mo juega con alguien de nivel similar o con un contrincante superior? \u00bfVar\u00eda el tiempo que tarda en adoptar las decisiones? \u00bfLas definiciones son acertadas o no?<\/span><\/p>\n

Los primeros resultados del LIAA fueron publicados en<\/span> \u201cJournal of Experimental Psychology: General\u201d<\/span><\/a>, se basaron en un mill\u00f3n de partidas y mostraron que diversos jugadores cambian de estrategia. Ante oponentes mejores, los jugadores se mueven m\u00e1s lento, es decir, piensan m\u00e1s 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 \u00f3ptimo cuando el tiempo apremia es optar por la primera decisi\u00f3n 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.<\/span><\/p>\n

\u201c<\/span>Nuestros primeros papers estuvieron centrados en analizar los datos provenientes de bases de datos p\u00fablicas para validar hip\u00f3tesis de psicolog\u00eda experimental. Ahora, nos encontramos desarrollando modelos de toma de decisi\u00f3n que usan al ajedrez para validaci\u00f3n y permiten predecir aspectos de la cognici\u00f3n humana ante la toma de decisiones<\/span><\/i>\u201d, puntualiza Diego Fern\u00e1ndez Slezak, doctor en Ciencias de la Computaci\u00f3n e integrante del LIAA.<\/span><\/p>\n

Para encarar este objetivo, los investigadores est\u00e1n desarrollando Modelos de difusi\u00f3n an\u00f3mala de la distribuci\u00f3n de tiempos de reacci\u00f3n que tienen los jugadores de ajedrez. \u201c<\/span>La toma de decisi\u00f3n puede modelarse como un proceso que va acumulando evidencia hasta que llega a un umbral en donde la decisi\u00f3n est\u00e1 tomada. Esta acumulaci\u00f3n de evidencia puede entenderse como ir sumando \u2018porotos\u2019 para un lado o para el otro. En el caso de decisiones m\u00faltiples como en ajedrez, estos porotos no solo se suman, sino que tienen direcci\u00f3n.\u00a0 El modelo m\u00e1s simple consiste en una variedad 2D con un l\u00edmite circular, 4 posibles movimientos (opciones) por paso (arriba, abajo, izquierda y derecha) en lugar de 2 (suma, resta) y un per\u00edodo de espera de un paso si el sistema encuentra un trampa<\/span><\/i>\u201d, explica Fern\u00e1ndez 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. \u201c<\/span>Esto permite modelar decisiones m\u00e1s complejas con m\u00faltiples opciones y hemos mostrado que tambi\u00e9n aplica, por ejemplo, a la toma de decisiones de compra en sitios de comercio electr\u00f3nico<\/span><\/i>\u201d.<\/span><\/p>\n

Los modelos de toma de decisiones fueron presentados en la charla del investigador <\/span>\u201cEstudios de ajedrez en la interfase entre IA y neurociencia\u201d<\/b>, que se desarroll\u00f3 el 18 de marzo de 2022 durante la<\/span> cuarta edici\u00f3n del D\u00eda de la Investigaci\u00f3n en Ciencias de la Computaci\u00f3n<\/span><\/a>.<\/span><\/p>\n

En las gr\u00e1ficas presentadas se puede apreciar el modelo 2D con 4 posibles movimientos (Slide 1), los mejores par\u00e1metros para la distribuci\u00f3n de tiempo de respuesta al 50% del juego (Slide 2) y la evidencia de que los mejores jugadores en el ranking exploran m\u00e1s r\u00e1pido un espacio o tablero de juego m\u00e1s complejo (Slide 3).<\/span><\/p>\n

\"\"

Slide 1<\/p><\/div>\n

\"\"

Slide 2<\/p><\/div>\n

\"\"

Slide 3<\/p><\/div><\/p>\n

Por \u00faltimo, Fern\u00e1ndez Slezak comenta sobre algunas perspectivas futuras de estos trabajos, a partir del apoyo de las redes neuronales profundas: \u201c<\/span>el ajedrez vuelve a ser un tema de investigaci\u00f3n novedoso gracias a las redes neuronales profundas (arquitecturas tecnol\u00f3gicas principales de los modelos de Aprendizaje Profundo o Deep Learning) Nos interesa mucho investigar sobre estas redes y ver si a partir de los par\u00e1metros que se estiman en redes podemos llegar a conclusiones nuevas sobre aspectos de la cognici\u00f3n<\/span><\/i>\u201d, reflexiona el investigador del LIAA. Entre los desaf\u00edos futuros de estas investigaciones se encuentran el escalado de tiempo (par\u00e1metros del modelo con escala de tiempo total), la calificaci\u00f3n de errores garrafales y la posibilidad de predecir la calificaci\u00f3n del jugador y tambi\u00e9n la denominada \u201cInercia del juego\u201d, que reside en analizar partidas con la mezcla aleatoria de secuencias de movimientos y su progresi\u00f3n.<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

Investigadores del Laboratorio de Inteligencia Artificial Aplicada (LIAA) desarrollan modelos de toma de decisiones, que utilizan al juego del ajedrez para validar sus hip\u00f3tesis y permiten predecir aspectos de la cognici\u00f3n humana ante el uso de un tiempo limitado para tomar decisiones.<\/p>\n","protected":false},"author":9,"featured_media":2278,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[71,12],"tags":[76,28,56],"class_list":["post-2273","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-noticias","tag-capacidades-cognitivas","tag-inteligencia-artificial","tag-modelado"],"_links":{"self":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/2273","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/comments?post=2273"}],"version-history":[{"count":4,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/2273\/revisions"}],"predecessor-version":[{"id":2282,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/2273\/revisions\/2282"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media\/2278"}],"wp:attachment":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media?parent=2273"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/categories?post=2273"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/tags?post=2273"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}