En mi opinión, la razón por la que la IA no entiende una regla tan sencilla, que cualquier persona puede comprender, es que todo el aprendizaje de la IA se basa en la recompensa futura. Como dije antes, hay que poner la casilla vacía después del número y girar el bucle. Pero si el número recibe una recompensa por moverse a la casilla vacía, la próxima vez ocurre lo mismo, y el número intenta volver a la casilla vacía anterior para conseguir la recompensa. A partir de ahí, como ya hemos visto, cae en un bucle infinito.

Este problema no existe para la heurística. Una heurística es una combinación de sentencias IF, así que la recompensa futura ni siquiera existe para ella. Por eso la heurística supera este obstáculo con facilidad.

La ventaja de la heurística sobre la IA es que, aunque depende del hardware, hoy por hoy la heurística es muchísimo más rápida y precisa. Como la IA se mueve basándose en probabilidades, es probable que, cuando la tecnología avance y el hardware mejore, algún día dé resultados más rápido que cualquier heurística. Pero de vez en cuando hay problemas que la heurística puede resolver y la IA no puede resolver jamás.

El método de entrenamiento actual de la IA es la codicia. Si la IA llega a acercarse a la inteligencia humana, o la supera en un futuro cercano, cualquier error que cometa se deberá a la codicia humana. Si los métodos actuales de entrenamiento de la IA reflejaran los resultados de las buenas intenciones en lugar de la codicia, el entrenamiento llevaría más tiempo, pero la IA no haría trampas ni traicionaría a sus compañeros por codicia como hace ahora.

Creo que este problema es un buen ejemplo de cómo entrenar una IA tomando como profesora a una heurística sin codicia.

El código fuente completo y los modelos utilizados están en la entrada "4. El código fuente completo y los modelos utilizados".