Google sta sviluppando un’intelligenza artificiale che ha imparato a giocare ai classici arcade Atari

Console Atari 2600
Console Atari 2600

DeepMind Technologies, un’azienda che si occupa di intelligenza artificiale acquistata da Google poco più di un anno fa, sta sviluppando una macchina in grado di usare con 49 classici videogiochi della console Atari 2600. Questo sistema, chiamato Deep Q-network (DQN), ha raggiunto una grande abilità nel giocare, tanto da superare le capacità degli esseri umani. Fin qui nulla di strano dato che ormai i computer sono in grado di battere gli umani anche in giochi complessi ma il fatto importante è che quest’intelligenza artificiale ha imparato a giocare da sola.

Demis Hassabis, uno dei fondatori di DeepMind, è un nome conosciuto nel campo dei videogiochi. Nello sviluppo di questa nuova intelligenza artificiale, ha deciso di farla giocare con 49 classici arcade Atari come BreakOut. Normalmente, i sistemi usati per giocare vengono programmati con le regole e le strategie necessarie, DQN invece ha cominciato senza avere alcuna conoscenza dei giochi Atari.

DQN è stato creato ispirandosi ai meccanismi di apprendimento naturali. Nel caso dei videogiochi, si è trovato nella stessa situazione di un giocatore umano che si trova per la prima volta di fronte ad un nuovo arcade senza aiuto e cerca di capire da sé come funzioni.

La Q nel nome del sistema di intelligenza artificiale sviluppando da DeepMind significa Q-learning. Si tratta di un algoritmo per rinforzo, una tecnica di apprendimento basata sui premi che vengono dati per un comportamento corretto. Nel caso dei videogiochi, si tratta delle giuste strategie, che portano a ottenere punti.

I videogiochi della console Atari 2600 erano grandi classici negli anni ’80. Sono molto semplici per gli standard odierni ma diventare esperti è ancora difficile anche per gli esseri umani. Le strategie per ottenere molti punti a Space Invaders o a BreakOut sono piuttosto complesse e un giocatore ci mette del tempo per scoprirle se nessuno gliele insegna.

DQN ha dovuto imparare a giocare da solo e pian piano, tentativo dopo tentativo, ci è riuscito. Le sue strategie di gioco sono migliorate lentamente ma sono diventate sempre più sofisticate. Ad esempio, nel caso di BreakOut, DQN ha scoperto da solo la strategia conosciuta dai giocatori esperti di scavare un buco sul lato del muro per mandare la pallina sul suo lato posteriore.

I risultati di quest’addestramento di DQN è stato pubblicato sulla rivista “Nature” nei giorni scorsi. L’idea di Google è di applicare questo tipo di apprendimento ad altri lavori che abbiano un uso pratico. L’interesse può essere in varie tecnologie sviluppate dall’azienda direttamente o tramite sussidiarie, anche tra quelle acquistate negli ultimi anni. Robot e automobili che si guidano da sole sono tra i candidati all’uso di queste tecniche di apprendimento.



Leave a Reply

Your email address will not be published. Required fields are marked *