Deep Blue fue una computadora de ajedrez desarrollada por IBM, destacada por convertirse en el primer sistema informático en derrotar a un campeón mundial de ajedrez reinante en un encuentro disputado bajo los controles de tiempo estándar de torneo. La derrota de Garry Kasparov por parte de Deep Blue en mayo de 1997 fue un evento histórico en la historia de la inteligencia artificial, ampliamente cubierto a nivel internacional como un hito simbólico en la capacidad de las máquinas para superar la destreza intelectual humana en una tarea considerada durante mucho tiempo un sello del pensamiento estratégico y analítico.
Desarrollo y el encuentro de 1996
Deep Blue surgió de un proyecto de investigación de ajedrez por computadora llamado ChipTest y su sucesor Deep Thought, desarrollados por Feng-hsiung Hsu y sus colegas en la Universidad Carnegie Mellon antes de que el equipo se trasladara a IBM para continuar el proyecto. IBM enfrentó por primera vez a Deep Blue contra Kasparov en un encuentro de seis partidas en febrero de 1996, que Kasparov ganó 4 juegos a 2, incluyendo una derrota ante Deep Blue en la primera partida, marcando la primera vez que una computadora había derrotado a un campeón mundial en condiciones de torneo en una sola partida, aunque Kasparov ganó el encuentro en general.
La revancha de 1997
IBM mejoró sustancialmente el sistema, duplicando aproximadamente su capacidad de búsqueda, y organizó una revancha celebrada en la ciudad de Nueva York en mayo de 1997. El Deep Blue mejorado ganó la revancha de seis partidas por 3.5 a 2.5, incluyendo una victoria decisiva en la partida final, convirtiéndose en la primera computadora en derrotar a un campeón mundial reinante en un encuentro completo bajo las condiciones estándar de torneo de ajedrez. Kasparov y algunos comentaristas expresaron sospechas durante y después del encuentro de que los ingenieros de IBM habían realizado intervenciones humanas ilegales entre partidas, dado un movimiento en la segunda partida que Kasparov encontró inusualmente fuerte y difícil de hallar para una computadora de esa época; IBM negó la acusación y rechazó la solicitud de Kasparov de una nueva revancha, retirando a Deep Blue de la competición poco después.
Arquitectura
A diferencia de los sistemas de juego posteriores basados en aprendizaje profundo como AlphaGo y AlphaZero, Deep Blue se basaba en búsqueda por fuerza bruta combinada con funciones de evaluación de ajedrez diseñadas manualmente en lugar de reconocimiento de patrones aprendido, un enfoque de estilo sistema experto que codificaba el conocimiento humano del ajedrez directamente en reglas en lugar de aprenderlo a partir de datos. Utilizaba hardware especializado de procesamiento paralelo, incluidos chips de ajedrez VLSI personalizados, para evaluar hasta aproximadamente 200 millones de posiciones de ajedrez por segundo, buscando muchos movimientos en profundidad mediante el algoritmo minimax con poda alfa-beta, y su función de evaluación fue ajustada en parte con la aportación de maestros de ajedrez consultores, incluido Joel Benjamin, para codificar el conocimiento posicional del ajedrez.
Significado
La victoria de Deep Blue se cita con frecuencia en las historias de la IA como una demostración del poder de la búsqueda exhaustiva y el hardware especializado para juegos bien definidos y totalmente observables, un enfoque fundamentalmente diferente de los métodos de reconocimiento de patrones y aprendizaje por autojuego que más tarde impulsaron la derrota de Lee Sedol por parte de AlphaGo en 2016 en el espacio de búsqueda mucho más amplio del Go. Los comentaristas suelen contrastar los dos hitos para ilustrar un cambio en la estrategia de investigación de la IA: Deep Blue tuvo éxito principalmente mediante la fuerza bruta computacional aplicada a un dominio lo suficientemente pequeño para la búsqueda de estilo exhaustivo, mientras que AlphaGo y AlphaZero tuvieron éxito mediante la intuición aprendida en un dominio demasiado vasto para que funcionaran los métodos de fuerza bruta. IBM no comercializó Deep Blue directamente, pero el talento de ingeniería y las técnicas del proyecto informaron las iniciativas posteriores de IA de IBM, incluido IBM Watson.