Las tácticas anticomputadoras son métodos utilizados por los humanos para intentar vencer a oponentes informáticos en varios juegos, generalmente juegos de mesa como el ajedrez y Arimaa . Están más asociados con competiciones contra IA informáticas que juegan al máximo para ganar, en lugar de IA simplemente programadas para ser un desafío interesante al que el programador puede dar debilidades y peculiaridades intencionales (como en muchas IA de videojuegos ). Estas tácticas están más asociadas con la época en la que las IA buscaban en un árbol de juegos con una función de evaluación movimientos prometedores, a menudo con poda alfa-beta u otros algoritmos minimax utilizados para limitar la búsqueda. Contra tales algoritmos, una táctica común es jugar de manera conservadora buscando una ventaja a largo plazo. La teoría es que esta ventaja se manifestará con suficiente lentitud como para que la computadora no pueda darse cuenta en su búsqueda y no pueda sortear la amenaza correctamente. Esto puede resultar, por ejemplo, en una ventaja sutil que eventualmente se convierta en un final de ajedrez ganador con un peón pasado . (Por el contrario, intentar atraer a una IA a una " trampa " a corto plazo, invitando a realizar un movimiento que parece razonable para los humanos pero que en realidad es desastroso, esencialmente nunca funcionará contra una computadora en juegos de información perfecta).
Este campo está más asociado con la década de 1990 y principios de la de 2000, cuando las computadoras eran muy fuertes en juegos como el ajedrez, pero aún eran vencibles. Incluso entonces, la eficacia de tales tácticas era cuestionable, y varias tácticas, como realizar movimientos inusuales o subóptimos para sacar rápidamente a la computadora de su libro de apertura, resultaron ineficaces en torneos entre humanos y computadoras. El auge del aprendizaje automático también ha afectado la aplicabilidad de las tácticas anticomputadoras, ya que los algoritmos de aprendizaje automático tienden a jugar a largo plazo igual de bien, si no mejor, que los jugadores humanos.
Un aspecto del diseño de una IA clásica para juegos de información perfecta es el efecto horizonte . Las IA de las computadoras examinan un árbol de juego de posibles movimientos y contramovimientos, pero a menos que haya una victoria forzada en el árbol, eventualmente deben dejar de explorar nuevas posibilidades. Cuando esto sucede, se llama a una función de evaluación en el estado del tablero, que a menudo utiliza heurísticas aproximadas para determinar qué lado favorece el tablero. En el ajedrez, esto podría ser cosas como ventaja material (piezas adicionales), control del centro, seguridad del rey y estructura de peones. Los jugadores humanos pueden explotar el efecto horizonte mediante el uso de una estrategia cuyos frutos sólo son evidentes más allá de las capas examinadas por la IA. Por ejemplo, si la IA está examinando 10 capas por delante y una estrategia "dará frutos" en 12 a 20 capas (6 a 10 turnos), la IA no jugará con la amenaza inminente que no puede "ver". , similar a una persona que no puede ver "más allá del horizonte" donde un barco podría estar escondido por la curvatura natural de la tierra. De manera similar, para mantener el horizonte corto, los jugadores humanos pueden querer mantener un estado del tablero lo más complicado posible. Simplificar el tablero mediante el intercambio de piezas permite a la IA mirar "más lejos" hacia el futuro, ya que hay menos opciones a considerar y, por lo tanto, se evita cuando se intenta explotar el efecto horizonte.
Una táctica que funciona mejor con IA que son muy "deterministas" y que se sabe que actúan de una manera específica en respuesta a una amenaza es forzar una situación en la que el humano sepa exactamente cómo responderá la IA. Si el humano elige una situación que cree que la IA maneja mal, esto puede llevar a atraer de manera confiable a la IA a tales situaciones. Incluso si la IA puede manejar bien ese estilo de juego en particular, si el humano confía en que la IA siempre lo elegirá, esto simplifica la preparación para el jugador humano: puede aprender esta situación muy de cerca, sabiendo que la IA siempre aceptará. una invitación a jugar en ese tipo de tablero.
En el duelo entre Deep Blue y Garry Kasparov de 1997, Kasparov realizó un movimiento táctico anti-computadora al comienzo del juego para sacar a Deep Blue de su libro de apertura . [1] Kasparov eligió la inusual Apertura de Mieses y pensó que la computadora jugaría mal la apertura si tuviera que jugar ella misma (es decir, confiar en sus propias habilidades en lugar de usar su libro de aperturas). [2] Kasparov jugó aperturas anti-computadoras similares en las otras partidas del partido, pero la táctica fracasó. [3] Sobre las dos partidas, Kasparov escribió después de la segunda partida, donde eligió la Ruy López : “Decidimos que usar la misma estrategia pasiva anti-computadora con negras sería demasiado peligroso. Con blancas pude controlar mucho mejor el ritmo del juego y esperar mis oportunidades. Con negras sería más seguro jugar una apertura conocida incluso si estuviera en el libro de Deep Blue, especialmente si fuera una apertura cerrada donde tendría dificultades para encontrar un plan. Lo malo de esta estrategia como en todos los juegos fue que tampoco era mi estilo. Mientras jugaba al ajedrez anti-ordenador, también jugaba al ajedrez anti-Kasparov”.
The Brains in Bahréin fue una partida de ajedrez de ocho partidas entre el gran maestro de ajedrez humano y entonces campeón mundial , Vladimir Kramnik , y el programa informático Deep Fritz 7 , celebrada en octubre de 2002. La partida terminó en un empate 4-4, con dos victorias para cada participante y cuatro sorteos , por valor de medio punto cada uno. [4]
Arimaa es un derivado del ajedrez diseñado específicamente para resultar difícil para las IA de poda alfa-beta, inspirado en la derrota de Kasparov ante Deep Blue en 1997. Permite 4 acciones por "movimiento" para un jugador, lo que aumenta considerablemente el tamaño del espacio de búsqueda y puede terminar razonablemente con un tablero casi lleno y pocas piezas capturadas, evitando posiciones "resueltas" al estilo de la tabla final debido a la escasez de unidades. Si bien los jugadores humanos de Arimaa resistieron más que el ajedrez, ellos también cayeron ante IAs informáticas superiores en 2015. [5]