Quello che è certo è che attualmente molti ricercatori sono impegnati a testare gli algoritmi alla base dei nuovi computer con i giochi. Esatto i videogame, ma anche giochi più tradizionali e che gli esperti di informatica distinguono, sulla base dei dati in possesso del giocatore, in giochi a informazione perfetta e giochi a informazione imperfetta.
Nulla di complicato, per carità. È sufficiente immaginare gli scacchi, la dama o il gioco del go per farsi un’idea di quello che i matematici intendono con la definizione di giochi a informazione perfetta. Come giocatori abbiamo infatti tutti i dati a disposizione per effettuare le nostre mosse: i pezzi così come le pedine sono sul tabellone. E per molto tempo i ricercatori hanno impiegato questi giochi per testare le intelligenze artificiali. Da Deep Blue che batté il campione di scacchi Gary Kasparov nel Gennaio del 1996, fino al più recente AlphaGo sviluppato in collaborazione con Google che ha sconfitto lo scorso anno uno dei più forti giocatori al mondo di go: il sudcoreano Lee Sedol.
Altro discorso è invece quello che riguarda quei giochi in cui il partecipante non dispone di tutte le informazioni necessarie al fine della vittoria. Un tipico esempio è il poker sia nelle sua versione classica sia in quella online. Piattaforme di gaming come www.sportpesa.it/poker offrono ad esempio numerosi varianti del gioco del poker, ma a meno di non partecipare a una sessione live avrete a disposizione un numero minore di informazioni: i classici tells degli avversari per intenderci. Questo fa del poker online un esempio perfetto di gioco a informazione imperfetta e i ricercatori della Carnegie Mellon University hanno deciso di concentrare su questo gioco i loro sforzi. L’obiettivo è stato quello di sviluppare un’AI in grado di pensare in maniera molto simile a un essere umano e capace di imitarne la strategia.
L’algoritmo che sta alla base del successo di Deep Stack, il computer che lo scorso anno ha battuto ben dieci campioni di poker, è infatti molto diverso da quello dei suoi predecessori. Le informazioni limitate e asimmetriche caratteristiche del gioco del poker lo rendono un modello molto più realistico di quei problemi che l’AI affronterà nella vita reale. Deep Stack non analizza come i suoi predecessori Deep Blue o AlphaGo tutte le possibili combinazioni di gioco per valutare quella che lo danneggerebbe meno in termini di vittoria; ma grazie all’algoritmo Libratus impara dall’esperienza e valuta ogni situazione di gioco in maniera a sé stante, adottando soluzioni contingenti indipendentemente dall’apparente forza delle carte sul tavolo.
Si tratta di un’evoluzione importantissima per il futuro delle AI visto che possiamo in qualche maniera parlare di “intuizione”, un concetto che ha molto più a che vedere con gli esseri umani che con le macchine. Almeno prima dell’avvento di Deep Stack.
L’entrata in scena di AI sviluppate attraverso le esperienze in giochi a informazione imperfetta potrebbe infatti avere, al di là di facili sogni di vittoria nei casinò di mezzo mondo, ripercussioni fondamentali in settori come la sicurezza, la finanza e la mobilità. La capacità della auto del futuro, quelle a guida autonoma, risiederà nella loro capacità di imparare dall’esperienza e valutare le informazioni ricevute proprio come farebbe un essere umano.
E per fare questo c’è già chi sta facendo giocare i computer a GTA. Un modo come un altro per rendere sicure e affidabili le auto del futuro.
