Nel 2017, l'intelligenza artificiale ha battuto gli umani in ogni gioco progettato dagli umani

Per gran parte del XX secolo, gli scacchi sono stati un punto di riferimento per i ricercatori nel campo dell'intelligenza artificiale. Già all'inizio degli anni '50 John McCarthy coniò il termine "intelligenza artificiale". Una volta definì gli scacchi "il moscerino della frutta nel campo dell'intelligenza artificiale", in riferimento all'impatto delle prime ricerche sui moscerini della frutta nel campo della genetica.

Verso la fine degli anni '90, Deep Blue della IBM giocò una serie di partite a scacchi contro il campione del mondo Garry Kasparov.

Nel 1997, Deep Blue sconfisse definitivamente Kasparov: fu la prima volta che una macchina sconfisse un campione del mondo in un gioco. Tra l'inizio e la metà del secolo, la tecnologia era progredita al punto che le macchine battevano sistematicamente i grandi maestri di scacchi in quasi tutte le varianti del gioco.

Naturalmente, gli sviluppatori di intelligenza artificiale hanno iniziato a rivolgersi ad altri giochi più complessi per testare i loro algoritmi sempre più sofisticati. Negli ultimi 12 mesi, l'intelligenza artificiale ha superato una serie di nuove soglie, culminando nella vittoria sui giocatori umani in una varietà di giochi diversi, dall'antico gioco del Go al dinamico gioco di carte interattivo Texas Hold'em.

Dagli scacchi al viaggio

Verso la fine degli anni Novanta, dopo che le macchine avevano finalmente e clamorosamente sconfitto i grandi maestri di scacchi, un astrofisico di Princeton commentò che "potrebbero volerci cento anni prima che i computer battano gli umani a Go, forse anche di più".

Così gli informatici hanno rivolto la loro attenzione al Go, un antico gioco di strategia originario della Cina, molto facile da imparare ma difficile da padroneggiare.

Negli ultimi dieci anni, i progressi nell'apprendimento automatico hanno reso i giocatori AI Go davvero competitivi. Nel 2014 Google ha iniziato a sviluppare una rete neurale di apprendimento profondo chiamata AlphaGo. Dopo alcuni anni di avvicinamento al successo, il team di sviluppo ha provato qualcosa di diverso.

Verso la fine del 2016, un misterioso giocatore di Go online chiamato "Master" è apparso sul popolare server di gioco asiatico Tygem. Nei giorni successivi, il misterioso giocatore dominò le partite contro molti campioni del mondo. Il 4 gennaio 2017 è stato ufficialmente confermato che "Master" era in realtà l'ultima versione dell'intelligenza artificiale AlphaGo di DeepMind.

Nel maggio 2017, AlphaGo “Master” ha sconfitto Ke Jie, il giocatore di Go più quotato al mondo. Nelle tre partite che AlphaGo e Ke Jie si sono affrontati, la macchina si è sempre trovata in una posizione di vantaggio, ma la cosa più sorprendente è stata che a ottobre Google aveva sviluppato una versione di AlphaGo più avanzata di "Master".

Secondo un articolo della rivista Nature, AlphaGo Zero è un algoritmo rivoluzionario in grado di imparare rapidamente a giocare a Go. Il sistema gioca contro se stesso ripetutamente, imparando come giocare in situazioni diverse. Dopo 21 giorni di apprendimento, AlphaGo Zero ha raggiunto il livello "Master". Dopo 40 giorni, aveva superato il livello di difficoltà di tutte le versioni precedenti.

Nel dicembre 2017, DeepMind ha presentato una versione più avanzata del suo sistema. La nuova IA, chiamata AlphaZero, è in grado di padroneggiare più giochi nel giro di poche ore. Dopo otto ore di auto-allenamento, il sistema non solo è riuscito a battere il precedente AlphaGo Zero, ma è riuscito anche a padroneggiare appieno gli scacchi e lo shogi.

Padroneggia l'arte dell'imbroglio nel poker

Sebbene la complessità del gioco del Go sia già molto elevata, per l'intelligenza artificiale, il Go e il poker adottano due modelli completamente diversi. Per vincere a poker è necessario padroneggiare alcune tecniche di imbroglio. Per avere successo a poker, saper barare e riconoscere gli imbrogli altrui sono abilità fondamentali.

Dopo oltre un decennio di tentativi, nel 2017 due studi indipendenti hanno dimostrato che l'intelligenza artificiale aveva finalmente battuto i migliori professionisti del poker. I ricercatori dell'Università di Alberta in Canada hanno presentato un sistema di intelligenza artificiale, DeepStack, in grado di superare in astuzia i giocatori di poker umani utilizzando una forma di "intuizione" basata sull'intelligenza artificiale.

Dopo una massacrante maratona di 20 giorni, la macchina ha completamente distrutto tutti e quattro i giocatori di poker professionisti

Un team di ricerca della Carnegie Mellon University ha organizzato un evento più pubblico nel gennaio 2017, quando il suo sistema di intelligenza artificiale Libratus ha trascorso 20 giorni giocando 120.000 round di Texas Hold'em no-limit contro quattro giocatori di poker professionisti. Mentre i professionisti dibattono ogni notte su quali debolezze dell'IA possano sfruttare, la macchina migliora ogni giorno, rattoppando i buchi nel suo gameplay e affinando le sue strategie.

Il cervello umano non era all'altezza della macchina e, dopo quasi un mese di gioco ininterrotto, la macchina aveva vinto un totale di 1,7 milioni di dollari, mentre ciascuno dei quattro professionisti aveva perso migliaia di dollari in valuta virtuale. Uno dei giocatori professionisti ha dichiarato alla rivista Wired: "Durante questa intensa competizione, mi sono sentito come se stessi giocando contro un imbroglione, come se le mie carte potessero essere viste da lui. Non sto accusando di imbrogliare. In realtà è una cosa positiva".

La ricerca sull'intelligenza artificiale di Elon Musk

Nel 2015, Elon Musk e un piccolo gruppo di investitori hanno fondato un progetto chiamato OpenAI. Il progetto mira a esplorare lo sviluppo di sistemi di intelligenza artificiale, in particolare nell'apprendimento per rinforzo. In questo tipo di sistema, una macchina può imparare da sola come migliorare le proprie capacità in un compito specifico.

Nell'agosto 2017, il team di OpenAI si è prefissato l'obiettivo di conquistare Dota 2, il gioco principale in un importante torneo di eSport chiamato "The International". Dota 2 è un gioco di combattimento multigiocatore online molto popolare e complesso, che rappresenta una vera e propria sfida nel mondo dei videogiochi competitivi.

Dopo appena due settimane di apprendimento, il bot OpenAI si è unito al torneo e ha sconfitto molti dei migliori giocatori del mondo. Attualmente, i sistemi di intelligenza artificiale sono stati addestrati solo su versioni più semplici del gioco uno contro uno, ma il team di OpenAI sta studiando come consentire all'IA di padroneggiare i giochi "a squadre" cinque contro cinque.

L'intelligenza artificiale gioca a "Pac-Man" dividendo il lavoro

Qualche anno fa, Google DeepMind ha addestrato la sua intelligenza artificiale su 49 giochi per Atari 2600. Con gli stessi input di un giocatore umano, l'intelligenza artificiale scoprirà come giocare a questi giochi e come vincerli. A quanto pare alcuni giochi sono effettivamente più difficili da padroneggiare di altri e, tra questi classici e notoriamente difficili, un videogioco degli anni '80, Pac-Man, è particolarmente impegnativo.

Nel 2017, Google ha acquisito una startup di deep learning chiamata Maluuba e l'ha fusa con DeepMind. Il nuovo approccio di apprendimento automatico di Maluuba è chiamato architettura di ricompensa ibrida (HRA). Applicando questo approccio al sistema Pac-Man, sono stati creati più di 150 agenti individuali, ognuno con un obiettivo specifico, come trovare un fagiolo specifico o evitare i fantasmi.

L'approccio HRA produce un agente senior, simile a un manager senior. Questo agente senior valuta tutti i suggerimenti degli agenti subordinati prima di prendere la decisione finale a ogni passaggio. Questo approccio è eufemisticamente chiamato "dividi et impera", che consiste nel suddividere i compiti complessi in parti più piccole.

Dopo aver applicato questo metodo a Pac-Man, l'intelligenza artificiale ha rapidamente imparato a ottenere un punteggio elevato di 999.990, che nessun essere umano o intelligenza artificiale aveva mai raggiunto prima.

L'intelligenza artificiale inizierà a progettare giochi

Se l'intelligenza artificiale può batterci in quasi tutti i giochi, cosa dovremmo fare adesso?

Un ricercatore della Falmouth University ha recentemente svelato un algoritmo di apprendimento automatico che, a suo dire, è in grado di creare giochi personalizzati per noi, giocandoci partendo da zero. Il sistema di intelligenza artificiale, chiamato Angelina, continua a migliorarsi ogni giorno, ma è già in grado di creare giochi utilizzando set di dati provenienti da diverse fonti, da Wikipedia Commons ai giornali online e ai social media.

Cosa significa tutto questo?

Forse lo sviluppo più grande e terrificante del 2017 sono stati gli enormi progressi nei sistemi di apprendimento per rinforzo. Questi programmi possono insegnare in modo efficace agli utenti come acquisire nuove competenze. Ad esempio, l'iterazione più recente di AlphaZero è in grado di raggiungere una super competenza in alcuni giochi dopo appena pochi giorni di apprendimento autonomo.

Un sondaggio su larga scala condotto da oltre 350 ricercatori di intelligenza artificiale suggerisce che l’intelligenza artificiale non è ancora abbastanza efficace per sconfiggerci. L'indagine prevede che entro 10 anni l'intelligenza artificiale sarà migliore di noi, entro il 2049 sarà in grado di scrivere un romanzo best-seller e entro il 2053 sarà più brava degli esseri umani nell'eseguire interventi chirurgici. Infatti, l’indagine ha concluso che entro il 2060 ci sono 50-50 possibilità che l’intelligenza artificiale sia in grado di fare tutto ciò che sappiamo fare noi, solo meglio.

Il 2017 è stato senza dubbio un anno fondamentale per l'intelligenza artificiale, che ha superato gli esseri umani in giochi sempre più complessi. Anche se può sembrare un risultato modesto, le sue implicazioni sono enormi. Molte di queste aziende che sviluppano intelligenza artificiale stanno rapidamente rivolgendo la loro attenzione alle sfide del mondo reale.

Google DeepMind ha applicato il sistema AlphaGo Zero ad altri campi e ha condotto uno studio approfondito sul ripiegamento delle proteine ​​nella speranza di scoprire cure per malattie come l'Alzheimer e il Parkinson.

"In definitiva, speriamo di utilizzare innovazioni algoritmiche come questa per aiutare a risolvere problemi urgenti in una vasta gamma di problemi del mondo reale", ha affermato Demis Hassabis, co-fondatore e CEO di DeepMind. "Se tecniche simili possono essere applicate ad altri problemi strutturali, come il ripiegamento delle proteine, la riduzione del consumo di energia o la scoperta di nuovi materiali rivoluzionari, le scoperte raggiunte avranno il potenziale per migliorare la comprensione del mondo da parte dell'umanità e avere un impatto positivo su tutte le nostre vite".

Vincitore del Qingyun Plan di Toutiao e del Bai+ Plan di Baijiahao, del Baidu Digital Author of the Year 2019, del Baijiahao's Most Popular Author in the Technology Field, del Sogou Technology and Culture Author 2019 e del Baijiahao Quarterly Influential Creator 2021, ha vinto numerosi premi, tra cui il Sohu Best Industry Media Person 2013, il China New Media Entrepreneurship Competition Beijing 2015, il Guangmang Experience Award 2015, il China New Media Entrepreneurship Competition Finals 2015 e il Baidu Dynamic Annual Powerful Celebrity 2018.