EXPERIENCIAS REALES EN DATA SCIENCE: El Impacto de la Inteligencia Artificial en el Ajedrez: Un Análisis Histórico

Javier Losada, exalumno del Máster en Estadística Aplicada para Data Science con R, ha aprovechado su pasión por el ajedrez y la IA para desarrollar un Trabajo de Fin de Máster (TFM) que explora la influencia de la inteligencia artificial en uno de los juegos más antiguos y estratégicos del mundo. Su trabajo, titulado "El Impacto de la Inteligencia Artificial en la Ciencia de Datos: Un Análisis Histórico del Ajedrez como Campo de Experimentación", no solo analiza cómo la IA ha cambiado el ajedrez, sino que también aporta lecciones valiosas sobre su aplicación en otros campos.

Motivación Personal

Javier siempre ha estado fascinado tanto por el ajedrez como por la IA. El ajedrez ha sido un campo clave para el desarrollo y la prueba de algoritmos de IA durante décadas, y esto despertó su curiosidad por explorar cómo la interacción entre ambos ha evolucionado con el tiempo. Decidió que su TFM sería la oportunidad perfecta para profundizar en esta conexión y evaluar el impacto de la IA en un juego que, a primera vista, parece completamente dominado por el intelecto humano.

Objetivos del Trabajo

El principal objetivo del TFM de Javier fue analizar la influencia que la IA ha tenido en el ajedrez, especialmente en la forma en que los jugadores abordan el juego y toman decisiones. Además de entender cómo ha mejorado la precisión de los jugadores a lo largo de los años, Javier también buscó extraer lecciones aplicables a otros campos donde la IA se está integrando de manera rápida y disruptiva.

Metodología Utilizada

Para llevar a cabo su análisis, Javier utilizó un conjunto de datos de partidas de campeonatos mundiales de ajedrez que abarcan desde 1907 hasta 2023. Aplicó la métrica de CPLM (Pérdida de Centipawn Media, Figura 1 y 2) para medir la precisión de los jugadores en cada partida, comparando épocas anteriores y posteriores a la introducción de la IA. También calculó la Complejidad (normalizada, Figura 3) de las partidas en función de tres variables: las veces que una apertura ha sido utilizada con anterioridad, el número de movimientos totales realizados y el número de piezas que quedan sobre el tablero en la jugada 40. Utilizando el año 1997 como referencia (año en que una máquina derrotó por primera vez a un campeón mundial de ajedrez), se dividió el Dataset en dos periodos, "Pre-IA" (antes de 1997) y "Pos-IA" (después de 1997). Luego, Javier utilizó análisis exploratorios, análisis de correlación, modelos de regresión, inferencia estadística para evaluar, etc., para comparar los cambios en el CPLM y la Complejidad de las jugadas y los jugadores, con el fin de detectar cambios significativos en el desempeño histórico del ajedrez.

Figura 1. Diagrama de cajas del desempeño, CPLM, por años de los campeonatos del mundo.

Figura 2. Diagrama de cajas con el desempeño de cada jugador.

Figura 3. Diagrama de cajas de la complejidad por años de los campeonatos del mundo.

Resultados y Hallazgos Claves

El análisis de Javier reveló que, la IA ha mejorado significativamente la precisión de los jugadores (Figura 4). Sin embargo, descubrió que la complejidad estratégica de las partidas no ha cambiado de manera considerable. Esto indica que, aunque los jugadores juegan de manera más precisa gracias a la IA, las estrategias fundamentales del ajedrez se han mantenido estables.

Figura 4. Porcentajes de éxito para cada apertura, en los campeonatos per y post-IA.

Desafios Superados

Uno de los mayores obstáculos que enfrentó Javier fue trabajar con grandes volúmenes de datos históricos y desarrollar una metodología que permitiera sacar conclusiones precisas y válidas. Otro reto fue aislar el impacto directo de la IA, dado que el ajedrez ha evolucionado en muchos aspectos. Sin embargo, su enfoque detallado y su persistencia lo llevaron a superar estos desafíos.

Lecciones Aprendidas

A lo largo de su trabajo, Javier aprendió lo valioso que es el análisis de datos históricos para comprender el impacto de la IA. También adquirió una nueva perspectiva sobre la importancia de las herramientas estadísticas para analizar fenómenos complejos. Su consejo para futuros estudiantes es ser pacientes en la exploración de datos y estar siempre dispuestos a ajustar el enfoque cuando sea necesario.

Impacto Profesional del TFM

El TFM de Javier no solo le permitió profundizar en sus conocimientos de ciencia de datos e inteligencia artificial, sino que también le abrió nuevas puertas en su carrera. Actualmente, trabaja como desarrollador de IA generativa y analista de datos, aplicando modelos de vanguardia en proyectos innovadores. Su trabajo en el TFM fue clave para fortalecer sus habilidades y expandir sus oportunidades profesionales.

Recomendaciones para Futuros Estudiantes

Para aquellos que deseen seguir un camino similar, Javier aconseja no apresurarse en los fundamentos. Dominar los conceptos matemáticos y estadísticos básicos es esencial para comprender y aprovechar el poder de la IA. Al igual que aprender a tocar un instrumento, estos cimientos son las "escalas" que te permitirán dominar el lenguaje de la IA y abordar problemas complejos con confianza.

Conclusión

El trabajo de Javier en su TFM es un claro ejemplo de cómo el Máster en Ciencia de Datos e Inteligencia Artificial ofrece la oportunidad de aplicar el conocimiento teórico en proyectos significativos y reales. Su experiencia no solo le ha permitido profundizar en el mundo de la IA y el ajedrez, sino que también lo ha preparado para enfrentar nuevos retos profesionales con una visión crítica y analítica.

Contacto

Si deseas conocer más sobre el trabajo de Javier y su experiencia profesional, puedes ponerte en contacto con él a través de su perfil de LinkedIn: www.linkedin.com/in/javier-losada-fernández-61b856252