En Drop7 el jugador solo tiene siete opciones por turno, pero el azar en los discos que reparte el juego convierte el problema en algo difícil: búsqueda, información oculta, planificación a largo plazo y azar. El autor escribió hace dieciséis años un programa en Java que intentaba elegir la mejor jugada y ha vuelto a investigarlo este fin de semana. Se pregunta si existe una estrategia autónoma que promedie más de un millón de puntos por partida. Según cuenta, un jugador humano experimentado puede lograr ese millón con pensamiento estratégico a largo plazo, mientras que sus mejores estrategias automáticas rondaban los 300.000-400.000 puntos.
El sitio de investigación organiza el trabajo en 116 enfoques agrupados en 12 familias, 27 teorías registradas, 41 experimentos preregistrados y 40 resultados. Explica catorce técnicas, entre ellas expectimax, evaluación heurística, Q-learning, redes n-tuple, evaluadores NNUE, gradientes de política, optimización evolutiva, Monte Carlo tree search, destilación desde oráculos, objetivos de supervivencia y planificación constructiva.
El mejor candidato actual son tablas de consulta aprendidas (n-tuple) usadas como evaluación de hojas dentro de una búsqueda de profundidad 4. Promedia 516.155 puntos en 512 partidas que no había visto, frente a los 382.567 del mismo expectimax de profundidad 4 con su evaluación escrita a mano. Las tablas cubren cada fila y columna completas del tablero, más ventanas pequeñas, condicionadas al reloj de subida, y se entrenaron por diferencias temporales durante cuatro mil millones de jugadas en un motor en Rust.
El registro detalla varias réplicas. En un segundo bloque de 512 partidas, las tablas lograron 487.066 puntos frente a 326.717 con la evaluación base en profundidad 3. Un evaluador seis veces más ancho no mejoró de forma concluyente. Pasar de profundidad 3 a 4 con las mismas tablas sumó unos 50.000 puntos, con un coste lógico unas 36 veces mayor. El autor subraya que el nivel de evidencia es de cribado (screen) sobre semillas de desarrollo, no una cualificación, y que la media sigue por debajo de la mitad del objetivo. Un cuarto experimento, con tablas condicionadas al llenado del tablero, no dio un resultado concluyente.
El autor describe además el proyecto como un experimento de uso de agentes como colaboradores de investigación y recolectores de evidencia. Invita a competir en la clasificación global enviando estrategias humanas y pide opinión a quien sepa de teoría de juegos, planificación estocástica, funciones de valor aprendidas o evaluación de colas pesadas, sobre cómo abordar la ordenación de acciones a largo plazo. También quiere saber si la investigación se entiende para quien llega por primera vez.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.