What Happened to Google DeepMind AlphaGo?

Google DeepMind AlphaGo surgió como un innovador programa de inteligencia artificial, desarrollado por la empresa londinense DeepMind Technologies (filial de Google), para dominar el antiguo juego chino del Go. El Go, con su enorme número de configuraciones posibles del tablero (estimadas en 10^170), se consideró durante mucho tiempo un gran reto para la IA, ya que requería una intuición y una previsión estratégica que parecían exclusivamente humanas.

El gran avance de AlphaGo se produjo al combinar redes neuronales profundas con algoritmos de búsqueda avanzados, en concreto la búsqueda en árbol Monte Carlo (MCTS). Inicialmente, se entrenó con millones de partidas de expertos humanos (aprendizaje supervisado) y luego mejoró significativamente mediante el autoaprendizaje (aprendizaje por refuerzo), en el que jugó contra sí mismo millones de veces, aprendiendo de sus errores y descubriendo nuevas estrategias. Este enfoque innovador permitió a AlphaGo superar las capacidades humanas mucho antes de lo previsto por los expertos. Su primera gran victoria pública fue una barrida por 5-0 contra el campeón europeo Fan Hui en octubre de 2015.

El programa obtuvo reconocimiento mundial en marzo de 2016, cuando derrotó por 4-1 al legendario Lee Sedol, 18 veces campeón del mundo, en un partido de cinco partidas muy publicitado en Seúl (Corea del Sur). Este acontecimiento marcó un antes y un después para la IA, al demostrar que las máquinas podían dominar dominios complejos, intuitivos y creativos. El "movimiento 37" de AlphaGo en la segunda partida contra Lee Sedol, una jugada poco convencional, asombró a los comentaristas y demostró la capacidad de la IA para desarrollar estrategias más allá de la sabiduría convencional humana.

Tras su triunfo sobre Lee Sedol, una versión aún más potente, AlphaGo Master, derrotó al número uno del mundo, Ke Jie, por 3-0 en mayo de 2017. Tras esta decisiva victoria, DeepMind anunció la retirada de AlphaGo del juego competitivo, afirmando que el proyecto había logrado su objetivo principal. La atención se centró entonces en generalizar las técnicas de IA subyacentes. Esto llevó al desarrollo de AlphaGo Zero en octubre de 2017, una versión que aprendió a jugar al Go completamente desde cero, sin ningún dato de juego humano, y superó rápidamente a todas las versiones anteriores de AlphaGo. Los principios de AlphaGo Zero se generalizaron aún más en AlphaZero en diciembre de 2017, un algoritmo capaz de dominar el ajedrez, el shogi y el Go a un nivel sobrehumano en cuestión de horas, puramente a través del autojuego.

Las consecuencias del éxito de AlphaGo han sido profundas, inspirando una nueva era de investigación en IA y demostrando el potencial del aprendizaje por refuerzo y las redes neuronales profundas en diversos campos. Su legado técnico es evidente en los avances posteriores de Google DeepMind, como AlphaFold, que revolucionó la predicción de la estructura de las proteínas en 2020 y valió a sus creadores, entre ellos Demis Hassabis, el Premio Nobel de Química en 2024. En marzo de 2026, Google DeepMind sigue aprovechando estos principios fundacionales de la IA en su búsqueda de la Inteligencia Artificial General (IAG) y para abordar problemas complejos del mundo real. Entre los últimos avances se incluye el anuncio en diciembre de 2025 de un nuevo laboratorio de investigación automatizado en el Reino Unido para 2026, centrado en el descubrimiento de nuevos materiales superconductores utilizando IA y robótica. Además, en febrero de 2026, Demis Hassabis, CEO de Google DeepMind, expresó su optimismo ante la posibilidad de que la AGI surja en los próximos cinco años, destacando las asociaciones e investigaciones en curso de DeepMind en áreas como el descubrimiento científico, la innovación médica y las soluciones al cambio climático.