Il machine learning sta per rivoluzionare lo studio dei giochi antichi

Un'immagine dal libro dei giochi Wikimedia Commons | Libro dei giochi

Nel 1238, il sovrano spagnolo medievale Alfonso X di Castiglia pubblicò un tomo intitolato libro dei giochi, o Il libro dei giochi . Consisteva di 97 pagine di pergamena, molte con bellissime illustrazioni a colori, e contiene le prime descrizioni di giochi come scacchi, dadi e backgammon.

Alfonso ha poi classificato i giochi in tre categorie: giochi giocati a cavallo, giochi giocati smontati (come scherma e lotta) e giochi giocati seduti. Ha diviso ulteriormente questa terza categoria in giochi che si basano sul cervello, giochi d'azzardo e giochi che si basano su entrambi.

Nel fare queste distinzioni, Alfonso è il fondatore non ufficiale di un campo della scienza noto come ludologia, lo studio dei giochi, che ha suscitato molto interesse tra matematici, informatici, sociologi e altri.

Ma c'è un'area della ludologia che è stata trascurata. Ovvero lo studio dei giochi antichi, quelli praticati da Alfonso e da altri personaggi storici, che non si è mai evoluto in una disciplina autonoma.

Oggi, questo sembra destinato a cambiare grazie al lavoro di Cameron Browne all'Università di Maastricht nei Paesi Bassi e ai suoi colleghi. Stanno sperimentando una nuova area dell'archeologia incentrata esclusivamente sui giochi. L'obiettivo è comprendere meglio questi giochi antichi e il loro ruolo nelle società umane, ricostruire le loro regole e determinare come si inseriscono nell'albero evolutivo dei giochi che ha portato ai giochi che giochiamo oggi. Chiamano questa disciplina archeologia.

I ricercatori hanno piani ambiziosi per la loro scienza incipiente. Dicono che le nuove tecniche di visione artificiale, intelligenza artificiale e data mining forniscano un modo completamente nuovo di studiare i giochi antichi e di costruire una migliore comprensione del modo in cui si sono evoluti.

Il primo compito in archeologia è definire le attività di interesse. Browne e compagni sono interessati ai giochi di strategia tradizionali in cui le buone decisioni sconfiggono quelle cattive e ai giochi che premiano l'abilità mentale piuttosto che fisica. In altre parole, niente sport. Sono anche particolarmente interessati ai giochi che hanno rilevanza storico-culturale.

Tuttavia, non escludono del tutto i giochi di pura fortuna. Un buon esempio è la famiglia di giochi legati a Snakes and Ladders. Sebbene siano basati sul puro caso, il team afferma che i giochi sono culturalmente importanti e possono far luce sullo sviluppo di altri giochi di strategia nella società.

I giochi di squadra modellano come entità matematiche che si prestano allo studio computazionale. Ciò si basa sull'idea che i giochi siano composti da unità di informazioni chiamate ludemi, come il lancio dei dadi o la forma distintamente obliqua della mossa di un cavaliere negli scacchi.

I ludemi sono equivalenti ai geni negli esseri viventi o ai meme come elementi di eredità culturale. Possono essere trasmessi da un gioco all'altro, oppure possono morire, per non essere mai più visti. Ma una chiave è che possono essere combinati in edifici più grandi che formano i giochi stessi.

Il processo di modellazione tenta di catturare le forme in cui si combinano i ludemi. Ad esempio, l'approccio della squadra è quello di creare un albero di ludemi per ogni gioco che studiano. Ciò consente di registrare e confrontare il gioco in modo obiettivo.

Dovrebbe essere un progresso importante. Un problema significativo per chi studia i giochi antichi è che le regole non sono sempre note o chiare. Ciò può portare a uno strano gioco.

Un buon esempio è il gioco nordico Hnefatafl, dicono Browne e co. Per molti anni la regola 'definitiva' stabilita per Hnefatafl è stata prevenuta per essere fortemente a favore della parte del re a causa di un errore di traduzione, dicono. Quando l'errore è stato individuato e corretto, il gioco è diventato molto più simmetrico.

Quindi questo tipo di asimmetria nel gioco è un indizio che tutto potrebbe non andare bene con l'attuale comprensione del gioco. Suggerisce che le prove dovrebbero essere controllate per errori di traduzione e altri problemi. Ma ovviamente, il gioco potrebbe essere stato giocato in questo modo asimmetrico.

Questo approccio può anche raccogliere altri problemi. Ad esempio, i giochi sono meno plausibili quando si trascinano quando il risultato è chiaro, o quando spesso finiscono in pareggio o sono troppo lunghi o troppo corti. Tutti i giochi che rientrano in queste categorie possono essere studiati in modo più dettagliato

L'altro vantaggio dell'approccio ludeme è che consente ai ricercatori di pensare all'evoluzione dei giochi in modo simile all'evoluzione degli esseri viventi. Ad esempio, gli aspetti migliori di un gioco possono essere combinati con le parti migliori di un altro per formare un nuovo gioco. È come una ricombinazione sessuale. Oppure una regola può essere tradotta in modo errato, il che equivale a una mutazione puntiforme nella genetica.

Il processo di divisione dei giochi in ludemi è equivalente al sequenziamento genico. Consente ai ricercatori di studiare le famiglie di giochi in modo diverso e di elaborare i collegamenti tra di loro. Possono persino elaborare ipotetici alberi genealogici per suggerire come i giochi potrebbero essersi evoluti l'uno dall'altro.

Naturalmente, è probabile che alcune regole o ludemi siano così ovvi che molti giochi si siano evoluti indipendentemente con regole simili. Questo farà parte della sfida per questa disciplina emergente.

È qui che le tecniche di machine learning, data mining e intelligenza artificiale sono tutte pronte per fare importanti progressi. Aumenta persino la possibilità di utilizzare algoritmi evolutivi per inventare nuovi giochi.

Ciò inizierebbe con sequenze di ludemi selezionate casualmente che il sistema verifica per il gioco. Naturalmente, la maggior parte di questi sarebbe senza senso. Ma per caso alcuni di essi potrebbero contenere interessanti funzionalità di gioco.

Questi giochi di successo vengono quindi riprodotti preferenzialmente in una nuova generazione di sequenze ludemi ma anche modificati tramite mutazioni puntiformi e ricombinazione sessuale. Il meglio di questa generazione viene selezionato per la riproduzione e così via. I tipi di giochi che emergono da un tale sistema potrebbero essere interessanti.

Quindi questo campo sembra ben impostato per svilupparsi bene. Questo è in parte grazie a questo documento, che esamina una conferenza organizzata per rilanciare il campo. Nuovi campi di studio non sono così rari, ma la loro evoluzione è sempre qualcosa da guardare con interesse. Alfonso X ne sarebbe sicuramente affascinato.

Rif: arxiv.org/abs/1905.13516 : Fondamenti di archeologia digitale

nascondere