Para ganar, primero debes aprender
La nueva versión 18 de ChessBase ofrece posibilidades completamente nuevas para el entrenamiento y el análisis de partidas: análisis del estilo de juego, búsqueda de temas estratégicos, acceso a 6.000 millones de partidas de Lichess, preparación del oponente tras una exploración de sus partidas en Lichess, descarga de partidas de Chess.com con API incorporada, motor de análisis en la nube y mucho más.
En el mundo del ajedrez y de los videojuegos en general, Demis Hassabis ha sido celebrado muchas veces en los últimos años por los esfuerzos revolucionarios y pioneros de DeepMind en ajedrez, Go e incluso shogi. Si hubiera un premio Nobel o similar en ajedrez, ya lo habría recibido, eso es seguro. Las revolucionarias redes neuronales que son la base de los motores de ajedrez surgieron gracias al innovador artículo y los consecuentes resultados de AlphaZero.
Demis Hassabis es también un auténtico prodigio del ajedrez. A la joven edad de 13 años era el segundo joven mejor clasificado de su categoría, con 2300 puntos FIDE, solo superado por la legendaria Judit Polgar.
Between 2004 and 2007 the 13th World Champion Garry Kasparov recorded a large 3-volume Najdorf video course. ChessBase is publishing this great classic in a complete edition in the current ChessBase Media format. Look forward to this classic of chess!
Lawrence Cooper, Demis Hassabis, Cathy Haslinger y Dharshan Kumaran en 1986 | Fuente: British Chess News
Por supuesto, cuando AlphaGo apareció por primera vez, asombrando al mundo entero con su partida contra la leyenda del Go Lee Sedol, se habló mucho entre bastidores sobre si no sería posible algo similar en el ajedrez. Admito sin rubor que yo estaba entre los escépticos. Pensaba que la naturaleza intrínsecamente táctica del ajedrez lo convertirían en un proyecto científico interesante en el mejor de los casos, pero que era poco probable que produjera un resultado revolucionario. Por supuesto que estaba completamente equivocado, aunque no fui el único que cometió ese error.
Más tarde, estas innovaciones se convirtieron en el tema de un brillante documental
No obstante, también quedó claro que, a diferencia de esfuerzos anteriores por vincular el ajedrez a la IA, como las inolvidables partidas de Deep Blue, AlphaZero y compañía nunca pretendieron ser las metas finales, la cumbre del Everest de la IA de los videojuegos. Eran peldaños que ayudaban a demostrar que la IA podía aprender y dominar temas con un mínimo de información. En otras palabras, por muy revolucionarios que fueran para nuestros mundos confinados, solo pretendían ser pruebas conceptuales.
Era obvio que la IA, y más concretamente el aprendizaje automático, acababa de despertar y podía lograr maravillas, pero ¿cuáles serían? DeepMind, impulsada por su fundador y CEO Demis Hassabis, apuntó sus miras hacia el plegamiento de proteínas. Un poco como SETI, el plegamiento de proteínas había sido durante mucho tiempo un proyecto unicornio enormemente subdesarrollado en el que el mundo nerd en general instalaba un programa para permitir que sus ordenadores domésticos analizaran datos libremente siempre que sus máquinas estuvieran inactivas, y luego reenviaban los resultados. Era una idea noble, pero parecía manifestarse más como un sueño que como una realidad en desarrollo. El número de combinaciones descodificadas correctamente era ridículamente pequeño, pero ¿cuál era la alternativa? En estas condiciones nació AlphaFold.
Una pequeña introducción a AlphaFold por DeepMind
Las proteínas sustentan todos los procesos biológicos de todos los seres vivos. Formadas por largas cadenas de aminoácidos, cada una tiene una compleja estructura tridimensional única. Pero descifrar una sola de ellas puede llevar varios años y cientos de miles de dólares.
Podría imaginarse, correctamente, que esto tendrá increíbles ramificaciones en medicina y biología, pero va mucho más allá de tales posibilidades reductoras, por poderosas que sean. Pensemos que el 91% de todo el plástico que se ha producido en la historia nunca se ha reciclado. AlphaFold podría ayudarnos a afrontar el reto de limpiar nuestro mundo. El 40% de las cosechas del mundo se pierden cada año por enfermedades. AlphaFold podría ayudar a evitar la contaminación de los alimentos. Y la lista de aplicaciones es enorme.
En 2020, AlphaFold resolvió este problema, con la capacidad de predecir estructuras de proteínas en minutos, con un grado de precisión notable. Ahora propiedad de Google, uno podría temer qué ataduras podrían venir unidas al indiscutible coste de desarrollar y potenciar esta tecnología, pero no había ninguna.
Master Class Vol.15 - Viktor Korchnoi and My life for chess
In this video course, experts (Pelletier, Marin, Müller and Reeh) examine the games of Viktor Korchnoi. Let them show you which openings Korchnoi chose to play, where his strength in middlegames were, or how he outplayed his opponents in the endgame.
El artículo sobre AlphaFold2 fue pionero y ha sido uno de los más citados de la historia: se puede consultar gratuitamente en la revista Nature
Los equipos de DeepMind no solo publicaron artículos compartiendo el trabajo para que todos pudieran utilizarlo y beneficiarse de él, sino que han alojado un servidor gratuito con más de 200 millones de combinaciones de proteínas en 3D, casi todas las conocidas por la ciencia hasta la fecha, para que investigadores de todo el mundo puedan acceder a los resultados y beneficiarse de ellos. Hasta la fecha, unos dos millones de investigadores de 190 países de todo el mundo acceden a esos datos y los utilizan.
La amplia base de datos, con más de 200 millones de combinaciones modeladas, está a disposición de todos los usuarios
Sin dormirse en los laureles, un esfuerzo más reciente y potente dio lugar a un artículo sobre AlphaFold2, un artículo que desde entonces se ha convertido en uno de los más citados de la historia de la ciencia.
La concesión del premio Nobel de Química a Demis Hassabis y John Jumper, uno de los principales investigadores de este trabajo en particular, no podría ser más merecida, y en ChessBase celebramos sus merecidos elogios y fanfarrias.
En una declaración hecha pública tras ser informado de la noticia, Demis Hassabis declaró:
Recibir el Premio Nobel es el honor más grande de mi vida. Gracias a la Real Academia Sueca de las Ciencias, a John Jumper y al equipo de AlphaFold, a los equipos de DeepMind y Google, y a todos los colegas que han hecho posible este momento. He dedicado mi carrera al avance de la IA por su incomparable potencial para mejorar la vida de miles de millones de personas. AlphaFold ya ha sido utilizado por más de dos millones de investigadores para avanzar en trabajos críticos, desde el diseño de enzimas hasta el descubrimiento de fármacos. Espero que recordemos a AlphaFold como la primera prueba del increíble potencial de la IA para acelerar los descubrimientos científicos.
Master Class Vol.8 - Magnus Carlsen
Let our authors show you how Carlsen tailored his openings to be able to outplay his opponents strategically in the middlegame or to obtain an enduring advantage into the endgame.
