En el juego contra sí mismo, el oponente es el propio sistema. Cada partida produce datos nuevos y, como el rival mejora al mismo ritmo, la dificultad se ajusta sola: un currículo automático. Es una variante del aprendizaje por refuerzo en la que la recompensa es ganar.
Genealogía. El programa de damas de Arthur Samuel (1959) ya aprendía jugando contra sí mismo; M. Mitchell (2019) lo usa para presentar tres conceptos fundamentales: el árbol de juego, la función de evaluación y el autojuego (2019, ch. 9). TD-Gammon (Tesauro, 1995) llegó así cerca del nivel de los mejores jugadores de backgammon. AlphaGo combinó partidas humanas con una fase de autojuego contra versiones anteriores de sí mismo (Silver et al., 2016, pp. 485–486). AlphaGo Zero prescindió de los datos humanos y de todo conocimiento del go salvo las reglas: el programa «becomes its own teacher» (se vuelve su propio maestro) y le ganó 100 a 0 a la versión que había derrotado a Lee Sedol (Silver et al., 2017, p. 354).
Qué muestra y qué no. Para Buckner (2024), que un sistema entrenado solo por autojuego supere al que usaba bibliotecas humanas sugiere que su fuerza viene de extraer patrones abstractos de la experiencia, no de la fuerza bruta ni del conocimiento experto (2024, p. 53). DeepMind habló de aprender tabula rasa; Gary Marcus objetó la búsqueda Monte Carlo y los hiperparámetros fijados de antemano para el go, y Buckner solo encuentra sospechoso lo segundo (2024, pp. 4, 20). Queda la ineficiencia: unos 30 millones de partidas contra sí mismo, frente a las menos de 50 000 que pudo jugar Lee en su vida (2024, p. 144).
El método exige un mundo cerrado: reglas conocidas, simulación barata y un criterio inequívoco de victoria. Por eso cuesta trasladarlo al lenguaje, donde nadie «gana» una conversación; lo más cercano son las recompensas verificables en matemática y programación de los modelos de razonamiento (Guo et al., 2025). ¿Cuánto del éxito se debe al aprendizaje y cuánto a que las reglas venían dadas?