blogtecaolivelli

Il programma Alpha Go

Fonte: Le Scienze

Nel 2016 per la prima volta il programma

d'intelligenza artificiale AlphaGo ha sconfitto

un campione umano nel gioco tradizionale di

strategia Go. Ma i creatori del programma

hanno da poco lanciato AlphaGo Zero che,

oltre a surclassare le prestazioni il suo

predecessore, non ha bisogno di un addestra-

mento umano perché impara da zero giocando

contro se stesso, trovando mosse originali e

vincenti mai viste prima

di Larry Greenemeier/Scientific American

computer scienceintelligenza artificiale

All'inizio di quest'anno il programma di intelligenza

artificiale AlphaGo ha messo fine a 2500 anni di

supremazia dell'umanità nel giochi da scacchiera.

Non soddisfatta della vittoria 3-0 contro il più forte

giocatore al mondo, DeepMind Technologies, la

società che ha creato AlphaGo, ha annunciato

mercoledì una versione migliorata, AlphaGo Zero,

che ha surclassato il suo predecessore in un

confronto di IA, vincendo tutte e 100 le partite

giocate.

Ma forse ancora più significativo di queste vittorie

è il modo in cui AlphaGo Zero è diventato così

dominante.

A differenza dell'originale AlphaGo, che DeepMind

ha addestrato nel tempo usando conoscenze e

supervisioni umane a profusione, l'algoritmo del

nuovo sistema si è autoaddestrato a padroneggiare

il gioco.

L'IA consente ai computer di riconoscere i volti, di

dare consigli per gli acquisti online e anche di

parcheggiare l'auto in modo corretto.

I computer acquisiscono queste abilità grazie ad

"algoritmi di apprendimento" scritti da esseri umani

che inseriscono enormi quantità di dati di addestra-

mento in una rete neurale artificiale

(così chiamata per la sua capacità di elaborare le

informazioni in un modo liberamente ispirato alla

struttura delle cellule nervose del cervello).

Credit: age Fotostock/AGF

Questo processo è chiamato apprendimento automatico.

AlphaGo ha dovuto analizzare milioni di mosse

fatte da esperti umani e giocare molte, molte partite

contro se stesso per afforzare ciò che apprendeva.

A maggio AlphaGo ha sconfitto Ke Jie, il miglior

giocatore umano del mondo.

Nel marzo del 2016 ha battuto un altro giocatore

top, Lee Sedol, con l'ausilio di reti neurali multiple,

i cui computer richiedevano 48 unità di elaborazione

tensoriale (TPU), microchip specializzati appositamente

progettati per la realizzazione di reti neurali.

L'addestramento di AlphaGo Zero ha coinvolto

quattro TPU e un'unica rete neurale che inizialmente

non sapeva nulla di Go. L'IA ha imparato senza

supervisione: ha semplicemente giocato contro

se stesso e presto è stato in grado di anticipare

le proprie mosse e la loro possibile influenza sul

risultato di una partita.

"Questa tecnica è più potente delle versioni

precedenti di AlphaGo perché non è più vincolata

dai limiti della conoscenza umana", secondo un

post scritto in un blog da Demis Hassabis,

co-fondatore di DeepMind e da David Silver, che

guida il gruppo di ricerca sull'apprendimento

mediante rinforzo dell'azienda. (DeepMind è

una divisione di Alphabet, Inc., casa madre di Google).

Un problema dell'IA basata sempre sulla

conoscenza umana è che le informazioni possono

essere troppo costose, troppo inaffidabili o

semplicemente inesistenti in determinate situazioni.

"Se tecniche simili potessero essere applicate ad

altri problemi strutturati come il ripiegamento

delle proteine, la riduzione del consumo di energia

o la ricerca di nuovi materiali rivoluzionari, i

risultati ottenuti potrebbero avere un impatto

positivo sulla società", dice il blog.

AlphaGo Zero ha anche ideato proprie strategie

non convenzionali. Il Go viene giocato usando

"pietre" colorate bianche e nere su una scacchiera

con una griglia di 19 x 19 caselle.

Ogni giocatore colloca le pietre con l'obiettivo di

circondare un avversario.

"Durante l'addestramento, AlphaGo Zero ha scoperto,

giocato e infine imparato a preferire una serie

di nuove varianti di joseki, sequenze locali di

mosse, precedentemente sconosciute", afferma il

portavoce di DeepMind Jon Fildes.

Le partite di Go iniziano tipicamente negli angoli

della griglia, poiché ciò permette a un giocatore

di guadagnare una migliore posizione complessiva

sulla scacchiera. "Così come la mossa 37 della

seconda partita contro Lee Sedol, questi momenti

di ispirazione algoritmica ci danno un'idea della

creatività di AlphaGo e del potenziale dell'IA",

aggiunge Fildes. An Young-gil, giocatore

professionista sudcoreano all'ottavo dan

(il nono dan è il più alto), ha definito la mossa 37

come una giocata "rara e intrigante" poco dopo

la partita del marzo 2016.

SPL/AGFLo studio di DeepMind descrive

"un risultato tecnico veramente impressionante;

la loro capacità di ottenerlo e la loro capacità di

addestrare il sistema in 40 giorni con quattro

TPU sono notevoli", spiega Oren Etzioni, direttore

generale dell'Allen Institute for Artificial Intelligence (AI2),

che il co-fondatore di Microsoft Paul Allen ha istituito

nel 2014 per concentrarsi sui potenziali vantaggi

dell'IA. "Molti hanno usato l'apprendimento per

rinforzo in precedenza, ma gli aspetti tecnici del

lavoro sono innovativi".

Il successo di AlphaGo Zero è di buon auspicio

per la padronanza dei giochi da parte dell'IA, dice

Etzioni. Nonostante ciò, "penso che sarebbe un

errore credere di aver imparato qualcosa di generale

sul pensiero e sull'apprendimento per l'intelligenza

generale", aggiunge.

"Questo approccio non funzionerà su problemi non

così ben strutturati, come la comprensione del linguaggio

naturale o la robotica, dove lo spazio degli stati è più

complesso e non esiste una chiara funzione obiettivo".

L'addestramento senza supervisione è la chiave per

creare, in ultima analisi,

l'IA che può pensare autonomamente,

dice Etzioni, "ma occorrono più ricerche oltre i confini

dei giochi da scacchiera e funzioni oggettive predefinite"

prima che i computer possano davvero iniziare a pensare

al di fuori dagli schemi.

(L'originale di questo articolo è stato pubblicato su

"Scientific American" il 18 ottobre 2017 .

Traduzione ed editing a cura di Le Scienze.

Riproduzione autorizzata, tutti i diritti riservati)