AlphaGo vence a Fan Hui
Etapa 4 · Aprendizaje profundo y modelos fundacionales (2012–2021) › Aprendizaje por refuerzo profundo
- Linaje
- Datos y aprendizaje
- Tipo
- Aplicación
Quién
DeepMind
Qué ocurrió
AlphaGo, de DeepMind, vence 5 a 0 al campeón europeo de go Fan Hui, profesional de 2 dan, del 5 al 9 de octubre de 2015 en la sede de DeepMind en Londres. La noticia se guarda hasta el 27 de enero de 2016, cuando Nature publica el artículo que describe el programa.
Qué aportó
Primer programa que gana a un jugador profesional de go en un tablero completo y sin ventaja. Combina redes neuronales profundas con búsqueda en árbol.
Desarrollo
El go se consideraba el gran juego pendiente de la IA. Tras la victoria de Deep Blue en ajedrez, en 1997, los programas de go seguían lejos de los profesionales: el tablero de 19 por 19 ofrece tantas jugadas posibles en cada turno que la búsqueda exhaustiva no sirve, y es muy difícil escribir una función que diga quién va ganando.
AlphaGo atacó los dos problemas con redes profundas. Una red de política proponía las jugadas más prometedoras y una red de valor estimaba quién ganaría desde cada posición. Las dos guiaban una búsqueda en árbol de Monte Carlo, que explora las partidas posibles por muestreo. La red de política aprendió primero a imitar unos 30 millones de jugadas de partidas de expertos y mejoró después jugando contra copias de sí misma con aprendizaje por refuerzo.
Del 5 al 9 de octubre de 2015, en la sede de DeepMind en Londres, la versión distribuida del programa, que usaba 1.202 procesadores y 176 GPU, ganó las cinco partidas contra Fan Hui. Era la primera vez que un programa vencía a un profesional en un tablero completo sin ventaja.
DeepMind no lo anunció hasta el 27 de enero de 2016, el día que Nature publicó el artículo, firmado por veinte autores encabezados por David Silver y Aja Huang. El siguiente rival sería Lee Sedol, uno de los mejores jugadores del mundo.
Nivel técnico
La red de política supervisada se entrenó con 30 millones de posiciones de partidas del servidor KGS y acertaba la jugada del experto el 57 % de las veces. Después, jugando contra versiones anteriores de sí misma, una copia mejorada con aprendizaje por refuerzo ganaba el 80 % de las partidas a la original.
La red de valor aprendió a predecir el ganador con 30 millones de posiciones, cada una tomada de una partida distinta de autojuego, para que no memorizara partidas enteras. En la búsqueda, cada posición final del árbol se valoraba mezclando a partes iguales la red de valor y el resultado de una partida rápida simulada hasta el final.
Viene de
TD-Gammon (1992)
Herencia sin relación directa demostrada
Las dos combinan una red neuronal que evalúa posiciones con el aprendizaje jugando contra sí misma, con métodos de entrenamiento distintos
Búsqueda en árbol de Monte Carlo (mayo de 2006)
Influencia directa documentada
AlphaGo combina la búsqueda en árbol de Monte Carlo con redes de política y de valor; el artículo cita los trabajos de Coulom y de Kocsis y Szepesvári
DQN (19 de diciembre de 2013)
Herencia sin relación directa demostrada
Mismo laboratorio y misma combinación de aprendizaje por refuerzo y redes profundas; David Silver firma los dos artículos. AlphaGo no usa el algoritmo de DQN
Lleva a
AlphaGo vence a Lee Sedol (9 de marzo de 2016)
Influencia directa documentada
Es el mismo programa: tras vencer a Fan Hui, DeepMind desafió a Lee Sedol con una versión mejorada
Hilos que pasan por aquí
- Máquinas contra campeones (paso 7 de 7)
- De Atari al go (paso 2 de 4)
Bibliografía
Fuente original
- Mastering the game of Go with deep neural networks and tree search. Nature, 529(7587), pp. 484-489 (se abre en una pestaña nueva). David Silver, Aja Huang y otros, 2016
Cómo citar
«AlphaGo vence a Fan Hui». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/alphago-fan-hui
Última revisión de esta ficha: 13 de noviembre de 2026.