Muchos problemas pueden plantearse como búsqueda: hay un estado inicial, operaciones que llevan de un estado a otro y una meta. Como explorar todas las alternativas es imposible, se usan heurísticas: reglas prácticas o funciones que estiman qué caminos prometen. Para Newell y Simon, esa búsqueda guiada era la esencia de la inteligencia (Newell y Simon, 1976; Buckner, 2024, p. 51), y su Logic Theorist la usó para demostrar teoremas de los Principia Mathematica (Newell y Simon, 1956). Es el núcleo técnico de la GOFAI.
Árboles de juego. En un juego, la raíz del árbol es la posición actual y cada rama una jugada posible. El programa mira unas jugadas hacia adelante, asigna a las posiciones finales un puntaje con una función de evaluación y lo propaga hacia arriba con minimax: maximiza en sus turnos y supone que el rival minimizará en los suyos (M. Mitchell, 2019, ch. 9). La poda alfa-beta descarta ramas que ya no pueden cambiar la decisión; fue esencial en el programa de damas de Samuel y en Deep Blue (M. Mitchell, 2019, ch. 9, n. 10).
La explosión combinatoria. En las damas hay unas seis o siete jugadas por posición y partidas de unas cincuenta: una computadora que revisara un billón de posiciones por segundo tardaría más de 10¹⁹ años en recorrer el árbol (M. Mitchell, 2019, ch. 9). Deep Blue ganó al ajedrez con fuerza bruta refinada: más de 200 millones de jugadas por segundo y heurísticas escritas a mano, como «controlar el centro» (Buckner, 2024, p. 51). En el Go, con unas 300 jugadas posibles por turno, eso no alcanzaba (Buckner, 2024, p. 52).
Búsqueda con intuición aprendida. AlphaGo combinó la búsqueda de árbol Monte Carlo (simular muchas partidas al azar desde la posición y contar victorias) con redes neuronales que sugieren jugadas y evalúan posiciones (M. Mitchell, 2019, ch. 9; Silver et al., 2016). Sin la búsqueda, sus redes igual jugaban a nivel de gran maestro (Buckner, 2024, pp. 52–53).
Un ángulo filosófico. ¿Dónde está la inteligencia: en buscar mucho o en saber qué no buscar? Buckner (2024) objeta que la búsqueda de AlphaGo es clásica e innata, no aprendida, y sirve solo en espacios bien definidos (2024, p. 230). El debate reaparece con el cómputo en inferencia de los modelos de razonamiento: gastar más cálculo en pensar antes de responder.