Fin dai primi giorni degli scacchi virtuali e dei solitari, i videogiochi sono stati un terreno di gioco per lo sviluppo dell'intelligenza artificiale (AI). Ogni vittoria della macchina contro l'uomo ha contribuito a rendere gli algoritmi più intelligenti ed efficienti. Ma per affrontare i problemi del mondo reale, come l'automazione di attività complesse tra cui la guida e la negoziazione, questi algoritmi devono navigare in ambienti più complessi rispetto ai giochi da tavolo, e imparare il lavoro di squadra. Insegnare all'IA come lavorare e interagire con altri giocatori per avere successo era stato un compito insormontabile, fino ad ora.

In un nuovo studio, i ricercatori hanno descritto un modo per addestrare gli algoritmi di intelligenza artificiale a raggiungere livelli di prestazioni umani in un popolare gioco multiplayer 3D, una versione modificata di Quake III Arena in modalità Capture the Flag.

Anche se il compito di questo gioco è semplice:due squadre avversarie competono per catturare le bandiere l'una dell'altra navigando su una mappa, vincere richiede un processo decisionale complesso e la capacità di prevedere e rispondere alle azioni degli altri giocatori.

Questa è la prima volta che un'intelligenza artificiale raggiunge abilità simili a quelle umane in un videogioco in prima persona. Allora come hanno fatto i ricercatori?

La curva di apprendimento del robot

Nel 2019, diverse pietre miliari nella ricerca sull'IA sono state raggiunte in altri giochi di strategia multiplayer. Cinque "bot, giocatori controllati da un'intelligenza artificiale, hanno sconfitto una squadra di e-sport professionisti in una partita di DOTA 2. Anche giocatori umani professionisti sono stati battuti da un'intelligenza artificiale in una partita di StarCraft II. In tutti i casi, è stata applicata una forma di apprendimento per rinforzo, per cui l'algoritmo apprende per tentativi ed errori e interagendo con il suo ambiente.

I cinque robot che hanno battuto gli umani a DOTA 2 non hanno imparato dal gioco degli umani:sono stati addestrati esclusivamente giocando partite contro i loro cloni. Il miglioramento che ha permesso loro di sconfiggere i giocatori professionisti è venuto dal ridimensionamento degli algoritmi esistenti. A causa della velocità del computer, l'intelligenza artificiale potrebbe giocare in pochi secondi a un gioco che richiede minuti o addirittura ore per essere giocato dagli umani. Ciò ha permesso ai ricercatori di addestrare la loro intelligenza artificiale con 45, 000 anni di gioco in dieci mesi di tempo reale.

Anche il bot Capture the Flag del recente studio ha iniziato a imparare da zero. Ma invece di giocare contro il suo identico clone, una coorte di 30 bot è stata creata e addestrata in parallelo con il proprio segnale di ricompensa interno. Ogni bot all'interno di questa popolazione giocherebbe quindi insieme e imparerebbe l'uno dall'altro. Come osserva David Silver, uno dei ricercatori coinvolti, L'intelligenza artificiale sta iniziando a "rimuovere i vincoli della conoscenza umana... e creare la conoscenza stessa".

La velocità di apprendimento per gli esseri umani è ancora molto più veloce dei più avanzati algoritmi di apprendimento per rinforzo profondo. Sia i bot di OpenAI che AlphaStar di DeepMind (il bot che gioca a StarCraft II) hanno divorato migliaia di anni di gameplay prima di essere in grado di raggiungere un livello umano di prestazioni. Si stima che tale formazione costi diversi milioni di dollari. Tuttavia, un'IA autodidatta in grado di battere gli umani nel loro stesso gioco è un'entusiasmante svolta che potrebbe cambiare il modo in cui vediamo le macchine.

Il futuro di uomini e macchine

L'intelligenza artificiale è spesso raffigurata in sostituzione o integrazione delle capacità umane, ma raramente come membro del team a tutti gli effetti, svolgere lo stesso compito degli esseri umani. Poiché questi esperimenti sui videogiochi implicano la collaborazione uomo-macchina, offrono uno sguardo al futuro.

I giocatori umani di Capture the Flag hanno valutato i robot come più collaborativi di altri umani, ma i giocatori di DOTA 2 hanno avuto una reazione mista ai loro compagni di squadra AI. Alcuni erano piuttosto entusiasti, dicendo che si sentivano supportati e che hanno imparato giocando al loro fianco. Sheever, un giocatore professionista di DOTA 2, ha parlato della sua esperienza di collaborazione con i robot:"In realtà è stato bello; [il compagno di squadra di intelligenza artificiale] ha dato la vita per me a un certo punto. Ha cercato di aiutarmi, pensando "Sono sicuro che lei sa cosa sta facendo" e poi ovviamente non l'ho fatto. Ma, sai, ha creduto in me. Non capisco molto con i compagni di squadra [umani]".

Altri erano meno entusiasti, ma poiché la comunicazione è un pilastro di ogni relazione, il miglioramento della comunicazione uomo-macchina sarà cruciale in futuro. I ricercatori hanno già adattato alcune funzionalità per rendere i bot più "umani, " come far aspettare artificialmente i bot prima di scegliere il loro personaggio durante il draft della squadra prima della partita, per evitare di mettere sotto pressione gli umani.

Ma l'intelligenza artificiale dovrebbe imparare da noi o continuare a insegnare da sola? L'autoapprendimento senza imitare gli umani potrebbe insegnare all'IA maggiore efficienza e creatività, ma questo potrebbe creare algoritmi più appropriati per compiti che non implicano la collaborazione umana, come i robot di magazzino.

D'altra parte, si potrebbe obiettare che avere una macchina addestrata dagli umani sarebbe più intuitivo:gli umani che usano tale intelligenza artificiale potrebbero capire perché una macchina ha fatto quello che ha fatto. Man mano che l'intelligenza artificiale diventa più intelligente, siamo tutti in attesa di altre sorprese.

Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.