DeepCubeA: IA resuelve cubo de Rubik al instante sin conocimiento previo del dominio

El nuevo enfoque de aprendizaje por refuerzo profundo llamado DeepCubeA puede resolver el cubo de Rubik en pocos segundos.

El modelo de aprendizaje profundo puede aplicarse a otros campos, incluyendo robótica y ciencias naturales.

Combinación de tres enfoques de vanguardia

La IA ya ha probado éxito en ajedrez y Go, pero puzzles más difíciles como el cubo de Rubik no se habían resuelto con inteligencia de máquina. Es un puzzle combinacional clásico que plantea desafíos únicos e intrigantes para el aprendizaje automático.

Aunque técnicas de aprendizaje automático se usaron previamente para resolver el cubo, fallaron en resolverlo eficiente y confiablemente. Además, estas técnicas dependían de conocimiento específico del dominio.

Ahora, investigadores de la Universidad de California, Irvine, han construido un enfoque de aprendizaje por refuerzo profundo llamado DeepCubeA que resuelve un puzzle increíblemente complejo sin conocimiento específico del dominio. Resuelve un cubo de Rubik en pocos segundos sin entrenamiento humano durante el juego.

A medida que aumentan dimensiones, la complejidad del puzzle combinacional subyacente aumenta dramáticamente. Encontrar solución óptima al puzzle 15, por ejemplo, toma fracción de segundo en computadora convencional, mientras que solución óptima al puzzle 24 podría tomar días en la misma máquina.

En este estudio, investigadores intentaron desarrollar un modelo de aprendizaje automático que aprenda a resolver variedad de puzzles sin depender de conocimiento humano específico del dominio. Combinaron tres enfoques de vanguardia para desarrollar DeepCubeA:

1. Aprendizaje profundo
2. Refuerzo clásico (iteración de valor aproximada)
3. Métodos de búsqueda de camino (búsqueda A* ponderada)

Consiste en un algoritmo de aprendizaje por refuerzo profundo que usa una función de política y valor combinada con Búsqueda de Árbol Monte Carlo para resolver el Cubo de Rubik.

Los investigadores usaron el marco TensorFlow para entrenar la red —se entrenó con unas 10.000 millones de simulaciones del puzzle desordenado y completado. Todo el proceso se realizó unas 1.000.000 iteraciones tomando 36 horas.

Referencia: Nature | DOI:10.1038/s42256-019-0070-z | UCI | Demo Online

Una vez entrenado, DeepCubeA logró 100% precisión en cada configuración de prueba, encontrando el camino más corto al estado final el 60,3% de las veces.

DeepCubeA usa una función heurística que nunca sobreestima el coste de un camino más corto. La búsqueda A* ponderada tiene ciertos límites sobre cuánto puede variar la longitud de la solución de la longitud de una solución óptima.

Aplicaciones más allá de puzzles combinacionales

El equipo también entrenó DeepCubeA en otros puzzles, incluyendo puzzle 24, Lights Out y Sokoban. Encontró el camino más corto en la mayoría de casos verificables.

El objetivo final de estudios [como este] es desarrollar modelos de aprendizaje profundo de próxima generación aplicables en campos más allá de puzzles combinacionales, desde robótica hasta ciencias naturales.

Ya interactuamos con IA diariamente mediante buscadores y apps como Alexa y Siri. Sin embargo, estos sistemas no son realmente inteligentes: pueden manipularse o engañarse fácilmente.

Necesitamos construir IA más robusta, inteligente y capaz de entender, razonar y planificar. El estudio es un pequeño paso hacia esta meta masiva.