Máquinas contra campeones
De las damas de Samuel al go de AlphaGo, los juegos miden cuánto ha avanzado la IA. Dos caminos se alternan, la búsqueda con fuerza de cálculo y el aprendizaje jugando contra sí misma, hasta juntarse.
Programa de damas de Samuel (1952)
El programa de damas de Samuel aprende jugando contra sí mismo y ajusta su evaluación de cada posición con la de posiciones posteriores.
Diferencias temporales (agosto de 1988)
Sutton convierte esa idea en un método general, el aprendizaje por diferencias temporales.
TD-Gammon (1992)
Tesauro aplica las diferencias temporales a una red que juega al backgammon contra sí misma y se acerca al nivel de los mejores jugadores.
Deep Blue vence a Kaspárov (11 de mayo de 1997)
Mientras tanto, IBM sigue el otro camino. Deep Blue no aprende, busca con hardware especializado, y vence a Kaspárov en 1997.
Búsqueda en árbol de Monte Carlo (mayo de 2006)
En el go esa búsqueda no basta. Coulom, y Kocsis y Szepesvári, evalúan las jugadas con miles de partidas al azar y un árbol que crece de forma selectiva.
Watson gana Jeopardy! (14 de febrero de 2011)
IBM plantea Watson como el sucesor de Deep Blue, y gana el concurso Jeopardy! a sus mayores campeones.
AlphaGo vence a Fan Hui (5 de octubre de 2015)
AlphaGo junta los dos caminos. Combina la búsqueda en árbol de Monte Carlo con redes que evalúan posiciones y mejoran jugando contra sí mismas, y vence por primera vez a un profesional de go.