Hace treinta años, participé en un torneo internacional de ajedrez en Eastburn, Inglaterra. En la cuarta ronda, me encontré sentado frente a un ordenador. Fue la primera y última vez que jugué contra un ordenador en un torneo. Gané la partida de una manera sorprendente: el ordenador realizó un movimiento «erróneo» que le hizo perder su torre frente a mi alfil. Me sorprendió porque pensaba que tendría que ganar la partida utilizando mi inteligencia y mi comprensión estratégica del ajedrez. Sin embargo, acabé utilizando mis tácticas rudimentarias: el pan de cada día de los ordenadores. Por supuesto, no olvidemos que era un ordenador «débil» y que los tiempos han cambiado mucho desde entonces.
El ajedrez por ordenador es muy diferente del ajedrez profesional. Mientras que el ordenador puede calcular millones de jugadas por segundo utilizando la fuerza bruta, los humanos solo calculan las jugadas más «lógicas». La mayor ventaja de los ajedrecistas profesionales es su capacidad para comprender los aspectos estratégicos del juego, las mejores posiciones en el tablero y las jugadas irrelevantes.
Las limitaciones de la fuerza bruta
El enfoque de la fuerza bruta es el mejor para resolver problemas en los que el número de opciones es limitado. Un buen ejemplo es el cubo de Rubik: incluso cuando crees que has visto el mejor intento humano, la máquina seguirá superándolo.
Sin embargo, en el ajedrez, el número de jugadas posibles es infinito: hay 400 opciones diferentes después de que cada jugador haga una jugada. 72 084 posiciones después de que cada jugador haga dos jugadas. Más de 9 millones de posiciones únicas después de la tercera jugada. Después de la cuarta jugada, son posibles más de 288 millones de posiciones diferentes. Hay más árboles de juego de ajedrez que el número de galaxias (más de 100 000 millones) y más aperturas, defensas, gambitos, etc. que el número de quarks en el universo.
Por lo tanto, en el caso del ajedrez, la fuerza bruta no ganará la partida, ni siquiera para un ordenador monstruoso que pueda calcular cientos de millones de movimientos por segundo.
Una capa de inteligencia
Todo esto cambió hace unos 25 años. El 10 de febrero de 1996, por primera vez, un ordenador ganó una partida de ajedrez contra un campeón mundial. El ordenador era el Deep Blue de IBM y el campeón mundial era Garry Kasparov, considerado por muchos (yo incluido) como el mejor jugador de ajedrez de la historia. Esta fue la primera partida de una serie al mejor de seis, que Kasparov finalmente ganó por 4:2.
Después del encuentro, los ingenieros de IBM pidieron la revancha. Antes de la partida, se centraron en los aspectos de inteligencia artificial de su software: «enseñar al ordenador a pensar» alimentándolo con partidas que Kasparov había jugado anteriormente. Famosos grandes maestros de ajedrez del equipo Deep Blue ayudaron a los ingenieros a desarrollar la inteligencia y comprender el juego: un sustituto para calcular todos los movimientos posibles.
La revancha se fijó para mayo de 1997. Kasparov ganó la primera partida jugando estratégicamente basándose en tácticas «antiordenador». El punto de inflexión se produjo durante la segunda partida de la serie. El ordenador ganó esta partida jugando de forma «inteligente». En uno de sus movimientos, incluso prefirió no obtener el «beneficio» inmediato de capturar un peón, lo que Kasparov pensó que le daría alguna ventaja estratégica. En su lugar, jugó un movimiento que mejoró su posición estratégica.
El encuentro continuó con tres empates, pero en la partida final el ordenador venció a Kasparov, que todavía estaba frustrado por la segunda partida, y finalmente ganó el encuentro. Después del encuentro, Kasparov acusó a IBM de hacer trampa porque no podía entender cómo el ordenador era capaz de pensar de esa manera.
Los avances tecnológicos han mejorado considerablemente los motores de ajedrez. Los avances cuantitativos no se produjeron en el ámbito de la potencia computacional, sino más bien en los factores «inteligentes» del software. Al igual que un jugador humano, un motor no analiza todos los movimientos con la misma profundidad. Los movimientos potencialmente buenos se examinan exhaustivamente, mientras que los movimientos más débiles solo se analizan de forma rápida y rudimentaria. Es similar al instinto y la experiencia de un jugador de ajedrez humano fuerte: examinar solo unos pocos movimientos en una posición y descartar los demás casi instantáneamente.
En mi juventud, era capaz de ganar al ordenador de ajedrez más rudimentario, aunque las versiones más «inteligentes» que salieron en los años siguientes me dejaron muy atrás. Por suerte, mis intereses pasaron del ajedrez al software. Hoy en día, puedo implementar la lógica del software de ajedrez que me ganó y crear tecnología de marketing que supere a la competencia. Esto es lo que sabemos:
-
Hay infinitas personalidades de clientes. Cada cliente puede tener cientos de atributos diferentes. Hay una cantidad infinita de ofertas disponibles en el mundo del comercio electrónico: cualquier tipo de descuento en cualquier tipo de artículo, envío gratuito, 1+1, etc.
-
Hay muchas formas de medir el éxito de cada campaña: impresiones, pedidos, días de pedido, tiempo pasado en el sitio, etc. También hay muchos canales de comunicación con el cliente: correo electrónico, SMS, notificaciones push, canales sociales, etc. El enfoque de probar todos los incentivos posibles para cada atributo del cliente en cada canal de comunicación es muy similar al antiguo enfoque informático del ajedrez, que examinaba todos los movimientos legales en el tablero, desperdiciando el 99 % de su potencia de cálculo. Si utilizáramos un algoritmo ingenuo de fuerza bruta en un escenario de marketing, la cantidad combinatoria de posibilidades diferentes haría que el ordenador tardara una eternidad y acabara sin llegar a ninguna conclusión o con la pérdida de clientes.
-
Hay muchas posibilidades que un profesional del marketing ni siquiera consideraría. Por ejemplo: enviar a un aficionado al fútbol europeo un incentivo para un partido de fútbol australiano de cuarta división el día de la final del Mundial, o enviar un descuento del 2 % durante el Black Friday. Aunque el ordenador tendrá que probar estas opciones para comprender si funcionan o no, a un profesional del marketing típico ni siquiera se le ocurriría.
Por lo tanto, la fuerza computacional bruta no nos dará ninguna ventaja en marketing. Creo que la forma de ganar es que el profesional del marketing instruya a la máquina basándose en un grupo objetivo de clientes: esto mostrará su etapa del ciclo de vida, atributos específicos, historial de actividad, etc. El profesional del marketing también limitará la frecuencia, los incentivos y los canales, y la máquina se encargará del resto.
La magia del aprendizaje automático
Esta es la receta precisa de Optibot, el bot de optimización de marketing de Optimove. Una vez que el profesional del marketing define los grupos objetivo y una serie de posibles ofertas, Optibot se encarga de hacer la magia. Ejecuta las ofertas para diferentes grupos del segmento, mide las tasas de éxito y vuelve a dividir los grupos en consecuencia, hasta que un incentivo supera al resto, lo que significa que hemos encontrado la mejor acción estadísticamente significativa para este grupo. A esto lo llamamos «campaña autooptimizada».
Durante el proceso, Optibot puede decidir cómo dividir aún más el segmento en varios subsegmentos más pequeños (por ejemplo, utilizando cuatro niveles diferentes de actividad del cliente (RFM): actividad pasada muy alta, muchos pedidos pasados altos, pocos pedidos pasados medios y varios pedidos pasados bajos). Basándonos en estas campañas, podemos encontrar qué acción funcionará mejor para cada subsegmento.
Por supuesto, esto es algo que sería casi imposible de hacer para un profesional del marketing, ya que hay demasiadas pequeñas decisiones que tomar, innumerables variaciones sobre cómo dividir la proporción de los incentivos para cada grupo y un número infinito de frecuencias para ejecutar la campaña.
Sin embargo, para Optibot es pan comido, ya que utiliza algoritmos de aprendizaje automático y mecanismos de autoaprendizaje que le permiten predecir la tasa de éxito de cualquier incentivo, aprender de los resultados reales y ajustar el algoritmo en consecuencia. Esto es precisamente lo que hacen los programas avanzados de ajedrez cuando evalúan la posición antes del movimiento, valoran cada posible respuesta y luego examinan si la predicción del contraataque era correcta y si la evaluación de la nueva posición ha cambiado.
Para ganar en mundos con infinitas opciones, se necesita lo mejor de ambos: la inteligencia humana para limitar la primera selección de posibilidades y crear un «entorno cerrado» para la máquina, y un algoritmo de autoaprendizaje que pueda ejecutar, calcular y analizar mucho mejor que cualquier humano.
