En un experimento que combina nostalgia y vanguardia, científicos del MIT han convertido al icónico juego de mesa Battleship en un laboratorio de pruebas para la próxima generación de agentes de inteligencia artificial. La idea, aparentemente sencilla, es que una IA aprenda a formular preguntas más precisas y útiles al intentar localizar los barcos enemigos en el tablero. Lo sorprendente es que, bajo estas condiciones, un modelo de IA de menor escala ha logrado rendir mejor que los gigantes de la industria, consumiendo apenas el 1 % del coste computacional.

El porqué del juego

Battleship, o "Hundir la flota", es un juego de estrategia por turnos donde cada jugador dispone de una cuadrícula oculta con barcos de distintas longitudes. El objetivo consiste en adivinar las coordenadas de los barcos del adversario mediante preguntas del tipo "¿Hay un barco en la casilla B4?". Cada respuesta es binaria: "tocado" o "agua". Este formato convierte al juego en un problema de inferencia bayesiana, ideal para evaluar la capacidad de una IA de generar hipótesis y refinar sus conjeturas a partir de información parcial.

Los investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT vieron en Battleship una oportunidad para abordar una limitación crítica de los sistemas actuales: la calidad de las preguntas que hacen. En diálogos con usuarios, los modelos de lenguaje a menudo generan consultas ambiguas o redundantes, lo que reduce la eficiencia y la satisfacción del cliente. Al entrenar a la IA en un entorno controlado donde cada pregunta tiene un costo directo, se obliga al agente a optimizar su estrategia de interrogación.

Arquitectura y entrenamiento

El equipo diseñó dos tipos de agentes: uno basado en un modelo de gran escala, comparable con los últimos GPT‑4 o Claude, y otro construido sobre un modelo compacto de apenas 30  millones de parámetros, similar a los llamados "tiny LLMs". Ambos fueron alimentados con datos de partidas simuladas y se les permitió aprender mediante refuerzo: recibir una recompensa positiva por cada acierto y una penalización por cada disparo fallido.

Sorprendentemente, el modelo pequeño aprendió a priorizar preguntas que maximizaran la información ganada, como apuntar a zonas donde la probabilidad de encontrar un barco era mayor según la distribución posterior. En contraste, el modelo grande tendía a formular preguntas más genéricas, gastando recursos en disparos que aportaban poca información.

Resultados y métricas

Después de 10 000 partidas de prueba, el agente compacto alcanzó una tasa de éxito del 87 % en encontrar todos los barcos antes de agotar sus turnos, mientras que el gigante se quedó en un 78 %. En términos de coste, el modelo pequeño consumió apenas 0,2 kWh de energía por partida frente a los 20 kWh del modelo grande, lo que representa una diferencia de 1 % del gasto total.

Estos números no sólo demuestran una superioridad en eficiencia, sino que también ponen de relieve la importancia de la alineación de objetivos: un modelo grande, aunque más poderoso en términos de capacidad de lenguaje, no está necesariamente optimizado para la toma de decisiones bajo restricción de recursos.

Implicaciones para la IA generativa

El hallazgo sugiere que, para aplicaciones donde la interacción es iterativa y costosa —como asistentes de soporte técnico, sistemas de diagnóstico médico o agentes de ventas— los modelos compactos, bien entrenados en tareas de inferencia, pueden superar a sus contrapartes más voluminosas. Además, al reducir el consumo energético, se avanza hacia una IA más sostenible, un aspecto cada vez más crítico frente a la creciente preocupación por la huella de carbono de los centros de datos.

Otro punto a considerar es la capacidad de los pequeños modelos para ser desplegados en dispositivos de borde (edge), como smartphones o routers, sin necesidad de conexión constante a la nube. Esto abre la puerta a asistentes de IA que puedan operar offline, manteniendo la privacidad de los datos del usuario.

Desafíos y futuro

A pesar del éxito, el experimento plantea preguntas abiertas. ¿Podrán los modelos compactos escalar su desempeño en dominios más complejos que un tablero de 10 × 10? ¿Cómo garantizar que la optimización de preguntas no sacrifique la diversidad y creatividad que caracterizan a los grandes modelos de lenguaje? Los investigadores planean extender el enfoque a juegos como "Mastermind" y a entornos de simulación de negocios, donde la calidad de la interrogación es igualmente vital.

En última instancia, la lección es clara: más grande no siempre equivale a mejor. La combinación de un entorno de prueba bien definido, como Battleship, y un entrenamiento enfocado en la eficiencia de la información, puede revelar el verdadero potencial de los modelos de IA ligeros.

Conclusión

El proyecto del MIT nos recuerda que la innovación a veces surge de los lugares más inesperados. Un juego de mesa de mediados del siglo XX se ha convertido en la arena donde se forjan los próximos avances en inteligencia artificial. Al enseñar a las máquinas a preguntar mejor, no sólo mejoramos la interacción humano‑máquina, sino que también damos pasos concretos hacia una IA más económica, sostenible y accesible para todos los sectores tecnológicos.