211service.com
Cosa deve imparare l'IA per padroneggiare la guerra aliena
I giocatori giocano a StarCraft alla Gamescom di Colonia, in Germania, nel 2015.
Per scoprire come gli esseri umani e i sistemi di intelligenza artificiale possono convivere al meglio, potremmo aver bisogno di uccidere molti Zerg.
DeepMind, l'unità di Alphabet incentrata sull'intelligenza artificiale, e la società di giochi Blizzard Entertainment stanno rilasciando una serie di strumenti che consentiranno ai programmatori di liberare tutti i tipi di algoritmi di intelligenza artificiale all'interno del gioco a tema spaziale StarCraft.
Il gioco è più impegnativo della maggior parte di quelli affrontati dai programmi di intelligenza artificiale fino ad oggi. Non solo StarCraft è estremamente complesso, ma richiede anche una pianificazione molto avanzata e cercare di indovinare cosa sta combinando il tuo avversario. Ciò significa che lo sviluppo di programmi di intelligenza artificiale in grado di abbinare gli esseri umani dovrebbe aiutare i ricercatori a esplorare nuove sfaccettature dell'intelligenza umana con le macchine. Un altro potenziale vantaggio, secondo le persone coinvolte, sarà l'esplorazione di modi in cui umani e agenti artificiali possono giocare insieme.
StarCraft è interessante per molte ragioni, dice Oriol Vinali , il ricercatore di DeepMind che guida il progetto. Il fatto che i giocatori spesso abbiano solo un assaggio delle attività dei loro avversari, ad esempio, significa che gli algoritmi dovranno sviluppare modi migliori per archiviare le informazioni nella memoria. La memoria è fondamentale, dice Vinyals. Quello che vedi ora non è quello che hai visto qualche tempo fa, e qualcosa di specifico che potrebbe essere successo un minuto fa potrebbe farti [volere] agire diversamente.
DeepMind ha costruito una reputazione impressionante sulla creazione di programmi di intelligenza artificiale in grado di giocare a vari tipi di giochi con abilità sovrumane. L'azienda ha iniziato conquistando vari giochi Atari e, più recentemente, ha affrontato il gioco da tavolo estremamente complesso e astratto Go (vedi AI Masters the Game of Go di DeepMind di DeepMind un decennio prima del previsto).
Per padroneggiare questi giochi, i ricercatori di DeepMind hanno utilizzato una tecnica di apprendimento automatico chiamata apprendimento per rinforzo. L'apprendimento automatico consente a un computer di capire come fare qualcosa da solo, senza richiedere istruzioni esplicite. L'apprendimento per rinforzo, che si ispira al modo in cui gli animali sembrano apprendere, consente l'apprendimento attraverso la sperimentazione con feedback positivo (vedi 10 Breakthrough Technologies 2017: Reinforcement Learning). Tuttavia, Vinyals afferma che applicare l'apprendimento per rinforzo a StarCraft sarà più difficile perché ci vuole così tanto tempo prima che ogni gioco si svolga. Un'azione che intraprendo ora ha conseguenze solo molto più tardi, dice.
All'interno di StarCraft, i giocatori competono come una delle tre razze: i terrestri simili agli umani, i cyborg Protoss o gli insettoidi Zerg. Le battaglie coinvolgono azioni strategiche complesse come l'estrazione di risorse e la costruzione di basi, nonché sequenze di battaglia prolungate. StarCraft è anche l'e-sport per spettatori più popolare e, in particolare in Corea del Sud, i tornei vengono spesso giocati in stadi enormi e trasmessi in diretta televisiva. Giocatori di spicco hanno accolto con favore la prospettiva di confrontarsi con i programmi di intelligenza artificiale, ma DeepMind non ha ancora detto quando ciò potrebbe accadere (vedi I professionisti di StarCraft sono pronti a combattere l'IA).
Gli strumenti sviluppati da DeepMind e Blizzard renderanno molto più facile per i ricercatori di intelligenza artificiale implementare e testare algoritmi di apprendimento automatico all'interno di StarCraft. Gli strumenti forniranno agli agenti dell'IA la stessa visuale del gioco e dell'interfaccia dei giocatori umani. Consentono inoltre di limitare la velocità con cui un programma può eseguire le sue azioni. Ciò può garantire che un programma debba fare affidamento sugli stessi strumenti intellettuali di una persona.
StarCraft è stato utilizzato come piattaforma di ricerca per un po' di tempo, ma è stato relativamente difficile da sfruttare. Vinyals, lui stesso un esperto giocatore di StarCraft, ha svolto un lavoro pionieristico nella costruzione di robot per StarCraft quando era studente all'Università della California, Berkeley (vedi 35 Innovators Under 35, 2016: Oriol Vinyals). Squadre a Facebook e la società cinese Alibaba hanno anche pubblicato la ricerca su StarCraft. DeepMind sta pubblicando un documento in un'importante conferenza sull'apprendimento automatico questa settimana che mostra come gli algoritmi esistenti si comportano con il gioco.
Tuttavia, è possibile che siano necessari approcci abbastanza diversi per padroneggiare un gioco come StarCraft. Alcuni altri ricercatori hanno riscontrato successo utilizzando approcci presi dalla teoria dei giochi per fare progressi in altri giochi di informazioni imperfette e dove il bluff è importante. All'inizio di quest'anno, Tuomas Sandholm, professore alla Carnegie Mellon University, e uno dei suoi studenti, Noam Brown, hanno creato un programma, chiamato Libratus, che ha battuto diversi giocatori professionisti all'heads up, o due giocatori, no-limit Texas hold' em. Libratus ha impiegato un algoritmo molto sofisticato per calcolare la strategia ottimale durante un gioco (vedi Perché il poker è un grosso problema per l'intelligenza artificiale). E guarda caso, quest'estate Brown ha svolto un tirocinio presso DeepMind.
Storia correlata
Storia correlata Giocare a poker implica gestire informazioni imperfette, il che rende il gioco molto complesso e più simile a molte situazioni del mondo reale.Jacob Repp, uno dei principali ingegneri di Blizzard, afferma che la sua azienda è interessata a vedere se sofisticati agenti di intelligenza artificiale potrebbero rendere il gioco più interessante, giocando contro le persone o collaborando con loro. È già possibile creare agenti nel gioco che seguono comandi con script. Repp afferma che sarebbe interessante che anche quegli agenti utilizzino l'apprendimento automatico in una certa misura. E dice che l'azienda sta esplorando questo tipo di idee. Stiamo scoprendo che questi strumenti sono molto utili per il processo di creazione di giochi e la progettazione di funzionalità nei giochi, afferma.