¿Por qué la IA es tan buena al ajedrez?

Deep Blue venció a Kaspárov en 1997. AlphaZero, dos décadas después, aprendió sola a jugar a nivel sobrehumano. Hoy motores como Stockfish o Leela Chess Zero superan a cualquier humano. Esto ya lo sabemos, pero deja una pregunta abierta cuya respuesta no es tan evidente: ¿qué hacen exactamente distinto estas máquinas cuando juegan al ajedrez?

Un artículo reciente ofrece una respuesta. Sus autores abordan el ajedrez como físicos de sistemas complejos. Su conclusión: los mejores programas sostienen durante mucho más tiempo posiciones con las piezas densamente interconectadas, mientras que los grandes maestros simplifican antes. No es que los humanos no sepan jugar posiciones complicadas (de hecho, en algún momento pueden alcanzar niveles de complejidad incluso superiores a los de una máquina) la diferencia está en la resistencia, no en el pico. La IA está entrenada para correr maratones a ritmo de récord mundial, un jugador de élite es un corredor de 1 500 m bueno que se atreve con carreras más largas, y la partida de ajedrez es una carrera de 5 000 o 10 000 m.

Un tablero convertido en red

Imaginemos una posición: una torre amenaza una pieza, esa pieza está protegida por un caballo, el caballo podría caer ante un alfil, y ese alfil depende de otra pieza. Incluso casillas vacías importan si varias piezas se las disputan. Los autores convierten esa telaraña de relaciones en una red (piezas y casillas como nodos, amenazas, defensas y controles como enlaces), un tipo de representación habitual en la ciencia de redes, disciplina que también estudia epidemias o redes eléctricas.

Para resumir toda esa estructura en un solo número usan el radio espectral, una herramienta clásica del álgebra de redes que indica hasta qué punto una red permite encadenar caminos entre sus elementos. Cuanto mayor es ese valor, más «abierta» y potencialmente explosiva es la posición. A esta magnitud la llaman «tensión estratégica»: no se refieren a la ansiedad ante el tablero, sino a una medida objetiva de cuán interconectadas (y por tanto inestables) están las piezas.

Una cuestión de tensión sostenida

Los autores analizaron unas 1.200 partidas de grandes maestros y otras tantas entre motores de primer nivel (Stockfish y Leela Chess Zero, en torneos de la TCEC), además de partidas de Stockfish contra sí mismo a distinta profundidad de cálculo y partidas humanas a distintos ritmos de tiempo.

En todos los casos la partida sigue una secuencia similar: desarrollo, aumento de tensión, pico, simplificación. La diferencia es cuándo llega ese pico y qué ocurre después. En humanos llega antes y cae deprisa; en las máquinas llega más tarde y se disuelve mucho más despacio. Por eso, aunque el pico instantáneo pueda ser mayor en partidas humanas, la tensión acumulada a lo largo de toda la partida resulta claramente superior en las máquinas: en nuestro símil del atletismo, un0 de los dos corredores tiene más velocidad punta, pero el otro aguanta un ritmo muy alto durente mucho más tiempo.

Esa capacidad de sostener tensión crece con la potencia de cálculo: a más profundidad de búsqueda en Stockfish, más tensión acumulada, con un estancamiento claro cuando la profundidad es baja. En humanos ocurre algo parecido con el nivel de juego, con saltos notables hacia los 1.600 y los 2.100 puntos Elo. El tiempo también influye: en partidas clásicas, con más tiempo para pensar, los humanos sostienen posiciones complejas más tiempo que en partidas rápidas.

Necesitamos simplificar

Simplificar reduce lo que hay que vigilar. Para un humano, incapaz de examinar todas las variantes posibles, esa reducción es valiosa: desde los estudios clásicos de Adriaan de Groot sobre el pensamiento ajedrecístico se sabe que saber descartar líneas es tan importante como calcular bien. Una máquina, en cambio, puede explorar enormes cantidades de variantes sin fatiga, así que una posición cognitivamente abrumadora para nosotros puede ser precisamente la que un motor prefiere conservar: mientras las relaciones sigan abiertas, también siguen abiertas las oportunidades.

No conviene extrapolar

Los propios autores advierten de que el ajedrez tiene información perfecta y reglas cerradas, muy distinto de los conflictos reales, con información incompleta y sucesos inesperados. Estos resultados no prueban nada, por ejemplo, sobre relaciones internacionales, aunque sí apuntan a un mecanismo general: simplificamos porque solo podemos sostener una cantidad limitada de complejidad en la cabeza. Esto tampoco implica que simplificar sea un error: con ventaja material, cualquier jugador algo iniciado sabe que intercambiar piezas suele ser la jugada correcta. Por otra parte los ritmos de tiempo de las partidas humanas de la muestra están peor documentados que los de los torneos de IA, lo que aconseja cierta cautela.

Lo que el estudio sí muestra es que humanos y máquinas alcanzan decisiones muy sólidas con estrategias distintas frente a la complejidad: pero nosotros pagamos un precio por nuestros límites cognitivos, mientras que la máquina puede permitirse dejar el conflicto sin resolver durante más tiempo.

Referencia:

Adamo Cerioli, Edward D. Lee, and Vito D. P. Servedio (2026) Artificial intelligence sustains higher strategic tension than humans in chess APS Open Sci. doi: 10.1103/63cv-52fj

Sobre el autor: César Tomé López es divulgador científico y editor de Mapping Ignorance