L’intelligenza artificiale ha fatto un enorme passo avanti, su un tabellone di gioco

Tra i breakthrough of the iyear 2016: in gennaio aveva vinto il campione europeo, a marzo ha vinto il campione mondiale: AlphaGo, un sistema di intelligenza artificiale di Google, è riuscire a superare un confine che molti ricercatori ritenevano impossibile, tanto da essere menzionato da Nature come uno dei risultati scientifici del 2016. Un confine posto da un gioco vecchio di 2500 anni.

Il gioco del Go ha poche regole e risulta quindi particolarmente adatto a sviluppare un pensiero e un’azione di gioco strategica. Crediti immagine: HermanHiddema, Pixabay

ATTUALITÀ – Da almeno 2500 anni, in Estremo Oriente, le persone si sfidano a Go, un gioco che, malgrado le sue regole semplici, è molto complesso dal punto di vista strategico. Proprio queste sue caratteristiche lo hanno reso per tanti anni il “sacro Graal” dell’intelligenza artificiale: non bastava un algoritmo che applicasse le regole, serviva un algoritmo capace di pensare strategicamente come un uomo. Molti ritenevano che un computer non sarebbe mai riuscito ad avere una tale raffinatezza di pensiero e a marzo di quest’anno si sono dovuti ricredere. AlphaGo, un programma di intelligenza artificiale del laboratorio di ricerca DeepMind di Google, ha battuto a marzo il campione mondiale di Go, il coreano Lee Sedol, per 4 a 1. L’intelligenza artificiale, dunque, ha fatto un altro enorme passo avanti, tanto che Nature e Science l’hanno inserita tra i risultati scientifici più rilevanti dell’anno passato.

Già nel gennaio del 2016 AlphaGo aveva vinto il campione europeo di Go (vittoria per 5 a 0), preannunciando in un certo senso quello che sarebbe successo a marzo.
Non è la prima volta che un computer vinceva un umano ad un gioco di strategia. Venti anni prima di AlphaGo, il celebre
Deep Blue della IBM aveva vinto il campione mondiale di scacchi Garry Kasparov. Fu uno shock. Vi fu chi festeggiò, vedendo nella vittoria un passo fondamentale per la tecnologia, vi fu chi ne fu profondamente terrorizzato, pensando che il futuro distopico alla Blade Runner non fosse ormai così lontano. Tuttavia quella di Deep Blue fu una vittoria abbastanza “semplice”: gli scacchi sono sì un gioco complesso, ma gran parte della complessità deriva dall’insieme di regole.

Go, invece, è diverso. Come abbiamo accennato le regole sono poche. Sostanzialmente, si tratta di disporre delle pietre (bianche o nere) su una griglia. Chi riesce a circondare la pietra di un avversario la cattura, eliminandola dal tabellone. Vi sono poi una serie di regole minori (poche, in realtà) per evitare ad esempio che alcune mosse possano essere ripetute all’infinito. Vince chi conquista più area o “territorio” nel tabellone di gioco. Stop. Tuttavia, grazie a questa libertà data al giocatore, Go risulta particolarmente adatto a sviluppare un pensiero e un’azione di gioco strategica. La fortuna ha un ruolo quasi nullo in Go, tutto dipende dalla mente di chi gioca. Per questo rappresenta una sfida per l’intelligenza artificiale.

Come ha fatto AlphaGo a vincere? Innanzitutto, AlphaGo non è stato creato esplicitamente per vincere al gioco. Anzi, una delle prime sfide è stato proprio il fatto che il programma doveva capire e imparare da solo le regole. Lo ha fatto egregiamente, come ha dimostrate con la prima vittoria contro il campione europeo. La seconda vittoria non ha fatto altro che confermare che l’intelligenza artificiale sviluppata da Google è riuscita a emulare, superandola, la capacità di intuizione e di pianificazione strategica umana. “AlphaGo ha due sistemi “neuronali”, ha spiegato David Silver, ricercatore in robotica alla Google DeepMind, “il primo è quello che noi chiamiamo “sistema di scelta” [policy network] e il secondo è invece il “sistema di valori”. Il compito di AlphaGo è quello di ridurre l’enorme complessità delle relazioni tra i due sistemi, per trasformarlo in un qualcosa di più semplice e maneggevole. Ad esempio, invece di considerare le centinaia di mosse possibili rispetto a una posizione, AlphaGo si concentra solo su un ristretto numero di azioni che sembrano più promettenti, selezionate dal sistema di scelta. Il sistema di valori, invece, è utilizzato per ridurre la profondità della ricerca. Questo significa che invece di considerare le possibilità fino alla fine del gioco, diciamo 300 mosse, considera solo le possibilità fino alle prossime 20 mosse”. La combinazione di questi due sistemi, quindi, non dà un sistema predittivo in senso classico, ma riproduce un qualcosa di simile alla nostra capacità di immaginazione.

Tuttavia, AlphaGo ha qualcosa che nemmeno il giocatore più esperto del mondo potrà mai avere. Nelle parole di Silver: “gli esseri umani hanno delle debolezze. Possono sbagliare, si stancano dopo ore di gioco. Soprattutto, un essere un umano può giocare mille partite di Go in un anno, AlphaGo può giocare 3 milioni di partite al giorno, imparando e praticando il gioco oltre i livelli consentiti all’uomo”. In altre parole, AlphaGo ha vinto gli esseri umani per il semplice fatto che questi ultimi sono, appunto, esseri umani. Un qualcosa che su cui dovremmo riflettere in profondità negli anni a venire.

@gia_destro

Leggi anche: I miti e i fatti sull’intelligenza artificiale

Pubblicato con licenza Creative Commons Attribuzione-Non opere derivate 2.5 Italia.   

4 Commenti su L’intelligenza artificiale ha fatto un enorme passo avanti, su un tabellone di gioco

  1. Riccardo Cassinis // 27 dicembre 2016 alle 11:12 // Rispondi

    Il guaio però è che, se gli cade una pedina per terra, non è capace di raccoglierla. Cosa che un bambino di due anni sa fare benissimo, senza che nessuno glie lo debba insegnare. Il paradosso di Moravec è sempre valido: il tallone di Achille dell’A.I. non è nel ragionamento ad alto livello, che riesce a fare (abbastanza) bene, ma nell’incapacità di confrontarsi efficientemente con la complessità del mondo reale, quello non strutturato che dobbiamo affrontare tutti i giorni, e per cui, come diceva anche Minsky, occorrono capacità di elaborazione e di inferenza infinitamente superiori. Questo è stato, a mio parere, il grande fallimento dell’A.I. “pura”, tant’è vero che i progressi derivano più che altro dalla robotica, che si confronta di più con la realtà fisica, o da altre discipline scientifiche che mirano più all’emulazione di cose già esistenti in natura che alla creazione di sistemi intelligenti originali. Il test di Turing si regge ancora ben saldo in piedi, con buona pace di Eugene Goostman…

  2. Sono d’accordo.
    Nelle cose facili, l’intelligenza artificiale dimostra limiti notevolissimi.

3 Trackbacks / Pingbacks

  1. L’intelligenza artificiale ha fatto un enorme passo avanti, su un tabellone di gioco – ReportNews
  2. Come dipinge una intelligenza artificiale? – OggiScienza
  3. Una nuova arma nella diagnosi del cancro: l’intelligenza artificiale – OggiScienza

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...

%d blogger hanno fatto clic su Mi Piace per questo: