¿Cómo venció Shin Jin-seo a KataGo en el gran duelo entre humano e IA?

Shin Jin-seo hizo algo que, visto desde la evolución reciente del go, parecía reservado a las nostalgias de otra época: ganó una serie a una inteligencia artificial de primer nivel. El nueve dan surcoreano, considerado uno de los mejores jugadores del mundo, derrotó a KataGo por 2-1 después de perder la primera partida y encadenar dos victorias consecutivas en Seúl. La tercera, decisiva, terminó después de 221 movimientos con una ventaja de 11,5 puntos para Shin.

Hay, eso sí, una precisión que evita convertir una gran noticia en una fábula tecnológica: Shin jugó las tres partidas con dos piedras de hándicap. Es decir, comenzó con una ventaja deliberadamente concedida para compensar la enorme diferencia de fuerza que existe entre los mejores humanos y los motores modernos de go. No fue otro Lee Sedol contra AlphaGo en igualdad de condiciones. Fue un experimento distinto y, precisamente por eso, bastante más interesante que el simple titular de humanos contra máquinas.

La serie, disputada los días 17, 19 y 21 de julio de 2026, acabó demostrando algo más concreto: incluso frente a un programa capaz de analizar miles de posibilidades en segundos, un profesional extraordinario puede construir una estrategia competitiva cuando las reglas equilibran suficientemente el tablero. Ni rebelión de las máquinas ni reconquista de la especie humana. Un tablero de 19 por 19, dos piedras negras colocadas de antemano y una pequeña grieta en esa sensación, tan contemporánea, de que el algoritmo siempre termina teniendo razón.

Shin Jin-seo remontó después de una primera derrota

La historia empezó mal para Shin. En la primera partida, KataGo utilizó desde el comienzo una secuencia que el surcoreano no esperaba. El humano disponía de la ventaja inicial de las dos piedras, pero fue perdiendo el control a medida que la posición se complicaba.

Los problemas aparecieron especialmente alrededor de los movimientos 70 y 76. Después llegó otro error importante en el movimiento 90 y KataGo aprovechó la oportunidad con esa desagradable eficacia de las máquinas: no celebra, no duda, no necesita recuperar la confianza. Simplemente calcula. Tras 245 movimientos, Shin abandonó.

Aquella derrota también dejó una pista. Intentar discutir con KataGo en posiciones tácticas extremadamente complejas era meterse voluntariamente en el bosque llevando una linterna mientras el adversario disponía de satélite. Shin necesitaba otra partida.

Y la encontró.

La segunda partida cambió el guion

Dos días después, Shin ganó por 4,5 puntos tras 290 movimientos. Fueron cerca de cinco horas de juego y una partida bastante más áspera de lo que sugiere el resultado final.

El surcoreano mantuvo durante largos tramos una posición favorable, aunque su estimación de victoria llegó a caer hasta aproximadamente el 89%. El momento más delicado apareció en una batalla en el centro del tablero. KataGo tensó la posición; Shin respondió sacrificando tres piedras y logró recuperar el control. Después vino una fase final mucho más estable.

Aquello colocó el marcador en 1-1. Lo que inicialmente parecía un evento concebido para comprobar cuánto podía resistir el mejor jugador humano frente a una máquina se convirtió, de pronto, en una serie con una partida definitiva. Y Shin había aprendido algo de la primera: contra una IA tan poderosa no siempre gana quien encuentra la jugada más espectacular. A veces gana quien consigue que la posición deje de pedirlas.

Dos piedras de ventaja: el detalle que cambia la historia

Conviene detenerse aquí porque el hándicap no es una nota a pie de página. Es parte central del experimento.

En el go, conceder dos piedras significa permitir que el jugador más débil comience con dos piedras negras colocadas sobre el tablero antes de que el rival desarrolle normalmente su juego. Es una ventaja considerable. En la tercera partida, Shin partió con una estimación favorable equivalente a unos 18,5 puntos y una probabilidad de victoria cercana al 99% según el análisis utilizado durante el encuentro.

Puede sonar paradójico que el número uno humano necesite semejante colchón. En realidad, dice mucho más sobre la evolución de la inteligencia artificial que sobre Shin Jin-seo. Desde la aparición de AlphaGo, los programas de go han avanzado hasta alcanzar un nivel que supera ampliamente al de los profesionales.

Por eso la victoria no demuestra que el ser humano haya vuelto a ser mejor que la IA. No lo es. Demuestra otra cosa, menos cinematográfica pero más relevante: es posible diseñar una ventaja suficientemente equilibrada para producir partidas auténticamente competitivas, y un jugador humano excepcional puede aprovecharla sin derrumbarse cuando la máquina comienza a recortar diferencias.

La tercera partida fue la mejor demostración.

La partida decisiva: ganar evitando el terreno favorito de KataGo

Shin había anunciado antes del encuentro que trataría de reducir las grandes peleas y jugar una partida basada en territorio. Es fácil decirlo. Ejecutarlo contra KataGo durante cientos de movimientos es otra historia.

La IA abrió de manera diferente respecto a las dos partidas anteriores. Shin tardó alrededor de dos minutos en responder a la primera jugada, quizá recordando demasiado bien lo ocurrido en el encuentro inicial. Después construyó una posición prudente y territorial, sin precipitar las grandes batallas.

Llegado el movimiento 80, atacó unas piedras blancas y consiguió levantar una extensa zona negra desde la parte superior hacia el centro. La ventaja inicial empezó a transformarse en territorio real, no solo en una compensación teórica concedida por las reglas.

Eso era justo lo que necesitaba.

La partida entró relativamente pronto en una fase final de cálculo territorial. Shin contó una y otra vez. Había aprendido la lección: en las partidas anteriores, posiciones aparentemente ganadas habían empezado a estrecharse cuando KataGo encontraba pequeños recursos que un humano difícilmente ve con tanta regularidad.

Esta vez no hubo desplome. Después de 221 movimientos y unas tres horas y veinte minutos, Shin ganó por 11,5 puntos y cerró la remontada: dos victorias consecutivas, marcador final de 2-1.

Qué máquina había realmente al otro lado del tablero

KataGo no es un robot sentado frente al goban ni una especie de descendiente comercial de AlphaGo. Es un sistema de inteligencia artificial especializado en go, desarrollado como proyecto abierto y utilizado desde hace años tanto para jugar como para analizar partidas y entrenar a profesionales.

Para este enfrentamiento se preparó una configuración específica mediante la plataforma Tygem con cuatro tarjetas gráficas Nvidia RTX 3090 funcionando en paralelo. KataGo debía seleccionar cada movimiento en unos 20 segundos. Shin, por contraste, disponía de cinco horas de tiempo principal más un periodo de 30 segundos. Las jugadas elegidas por el programa eran colocadas físicamente sobre el tablero por la profesional Lee Dan-bi, de primer dan.

La diferencia resulta curiosa. El humano tenía tiempo para levantarse, pensar, volver a mirar el tablero y sospechar de sí mismo. La máquina recibía veinte segundos y devolvía una jugada. No estaba cansada en el movimiento 200 ni recordaba con pesar el error del 90. Ventajas de no tener sistema nervioso.

Shin señaló después precisamente una característica interesante de KataGo: su búsqueda de la jugada objetivamente óptima puede convertirse, bajo determinadas condiciones, en una limitación competitiva. Una IA no necesita lanzar una jugada desesperada simplemente porque vaya perdiendo; puede continuar escogiendo movimientos que considera matemáticamente mejores aunque no aumenten suficientemente las posibilidades prácticas de provocar un error humano.

El jugador de carne y hueso hace otra cosa. Arriesga. Engaña, complica, improvisa. A veces empeora deliberadamente una posición porque sabe que la alternativa correcta conduce tranquilamente a la derrota. La imperfección también forma parte del juego humano.

Diez años después de AlphaGo, la comparación era inevitable

El precedente sigue proyectando una sombra enorme. En marzo de 2016, Lee Sedol disputó cinco partidas contra AlphaGo, el sistema desarrollado por DeepMind. Perdió la serie 4-1, pero ganó la cuarta partida con una jugada que terminó convertida en uno de los símbolos de aquel enfrentamiento.

Hay una diferencia esencial: Lee Sedol jugó sin hándicap. El duelo de Shin contra KataGo se organizó diez años después precisamente aceptando que la brecha entre humanos y máquinas había crecido tanto que un enfrentamiento directo ya no ofrecía demasiado interés deportivo. Los organizadores optaron por dos piedras para recuperar cierta incertidumbre.

Y funcionó.

No porque Shin haya demostrado que los humanos vuelven a dominar el go. Más bien al contrario: que el mejor jugador humano necesite una ventaja inicial considerable para competir con una IA explica hasta qué punto ha cambiado este juego en una década.

Pero existe otra lectura menos deprimente. Los profesionales actuales también son mejores gracias a esas mismas máquinas. Shin ha reconocido el papel de KataGo en su evolución como jugador. La IA que amenaza con convertir al humano en un actor secundario es, al mismo tiempo, una de sus principales herramientas de entrenamiento. Profesor, rival y verdugo dentro del mismo programa. Muy siglo XXI.

Una victoria humana que no necesita convertirse en leyenda

Después de derrotar a KataGo, Shin Jin-seo recibió una recompensa total de 250 millones de wones, incluida la remuneración por las partidas, además de un Genesis G90 previsto como premio por conseguir al menos dos victorias.

El dinero quedará como una anécdota. Lo relevante fue el tablero.

Durante años, la conversación sobre inteligencia artificial ha tendido a construirse alrededor de una competición algo infantil: qué cosas puede hacer una máquina mejor que nosotros. Ajedrez, go, imágenes, textos, programación, diagnóstico, cálculo. Una interminable clasificación olímpica entre silicio y neuronas.

La serie de Shin ofrece una escena bastante más útil. El humano no derrotó a KataGo porque descubriera de pronto una superioridad intelectual perdida. Ganó porque entendió las condiciones del enfrentamiento, aprovechó una ventaja concedida, corrigió su estrategia después de perder y llevó la partida hacia posiciones donde podía administrar mejor el riesgo.

No es la reconquista del go por la humanidad. Eso sería exagerar bastante y el tablero, por desgracia para los titulares épicos, sabe contar.

Es algo más sobrio: frente a uno de los sistemas más fuertes jamás creados para este juego, Shin Jin-seo recibió una oportunidad razonable y supo convertirla en dos victorias. En una época empeñada en presentar la inteligencia artificial como una fuerza casi sobrenatural, recordar que las reglas, el contexto y las decisiones humanas todavía importan tampoco está mal.