L'IA di DeepMind ha ora superato quasi tutti i giocatori umani di StarCraft II

AlphaStar (Zerg, in rosso) difende un'aggressione iniziale in cui l'avversario ha costruito parte della base vicino alla base di AlphaStar. per gentile concessione di DeepMind

Nel gennaio di quest'anno, DeepMind ha annunciato di aver raggiunto una pietra miliare nella sua ricerca dell'intelligenza artificiale generale. Aveva progettato un sistema di intelligenza artificiale, chiamato AlphaStar, che ha battuto due giocatori professionisti in StarCraft II, un popolare videogioco sulla guerra galattica. Questa è stata una vera impresa. StarCaft II è molto complesso, con 1026 scelte per ogni mossa. È anche un gioco di informazioni imperfette e non ci sono strategie definitive per vincere. Il risultato ha segnato un nuovo livello di intelligenza artificiale.

Ora DeepMind, una sussidiaria di Alphabet, sta rilasciando un aggiornamento. AlphaStar ora supera la stragrande maggioranza dei giocatori attivi di StarCraft, dimostrando una capacità molto più solida e ripetibile di elaborare strategie al volo rispetto a prima. I risultati, pubblicato su Natura oggi, potrebbe avere importanti implicazioni per applicazioni che vanno dalla traduzione automatica agli assistenti digitali o persino alla pianificazione militare.

StarCraft II è un gioco di strategia in tempo reale, giocato spesso uno contro uno. Un giocatore deve scegliere una delle tre razze umane o aliene - Protoss, Terran o Zerg - e alternare tra raccogliere risorse, costruire infrastrutture e armi e attaccare l'avversario per vincere la partita. Ogni gara ha set di abilità e limiti unici che influenzano la strategia vincente, quindi i giocatori comunemente scelgono e padroneggiano giocando con uno.

AlphaStar ha utilizzato l'apprendimento per rinforzo, in cui un algoritmo impara attraverso tentativi ed errori, per padroneggiare il gioco con tutte le razze. Questo è davvero importante perché significa che lo stesso tipo di metodi può in linea di principio essere applicato ad altri domini, ha affermato David Silver, il principale ricercatore di DeepMind, in una conferenza stampa. L'IA ha anche raggiunto un rango superiore al 99,8% dei giocatori attivi nel campionato online ufficiale.

AlphaStar, giocando come Protoss (in verde), contrastando un attacco di un giocatore Zerg. per gentile concessione di DeepMind

Per ottenere tale flessibilità, il team di DeepMind ha modificato una tecnica comunemente usata nota come self-play, in cui un algoritmo di apprendimento per rinforzo gioca contro se stesso per apprendere più velocemente. DeepMind ha notoriamente utilizzato questa tecnica per addestrare AlphaGo Zero, il programma che ha imparato da solo senza alcun input umano a battere i migliori giocatori nell'antico gioco di Go. Il laboratorio lo ha utilizzato anche nella versione preliminare di AlphaStar.

Convenzionalmente nel self-play, entrambe le versioni dell'algoritmo sono programmate per massimizzare le loro possibilità di vincita. Ma i ricercatori hanno scoperto che ciò non si traduceva necessariamente negli algoritmi più robusti. Per un gioco così aperto, rischiava di incasellare l'algoritmo in strategie specifiche che avrebbero funzionato solo in determinate condizioni.

Prendendo ispirazione dal modo in cui i giocatori professionisti di StarCraft II si allenano tra loro, i ricercatori hanno invece programmato uno degli algoritmi per esporre i difetti dell'altro piuttosto che massimizzare le proprie possibilità di vincita. È come chiedere a un amico di giocare contro di te, ha detto Oriol Vinyals, il ricercatore capo del progetto, alla chiamata. Questi amici dovrebbero mostrarti quali sono i tuoi punti deboli, così alla fine potrai diventare più forte. Il metodo ha prodotto algoritmi molto più generalizzabili che potrebbero adattarsi a una gamma più ampia di scenari di gioco.

I ricercatori ritengono che le capacità di coordinamento e sviluppo della strategia di AlphaStar potrebbero essere applicate a molti altri problemi. Abbiamo scelto StarCraft [...] perché ritenevamo che rispecchiasse molte sfide che effettivamente emergono nelle applicazioni del mondo reale, ha affermato Silver. Queste applicazioni potrebbero includere assistenti digitali, auto a guida autonoma o altre macchine che devono interagire con gli esseri umani, ha affermato.

La complessità [di StarCraft] ricorda molto di più le scale che vediamo nel mondo reale, ha affermato Silver.

Ma AlphaStar dimostra anche i limiti significativi dell'IA. Ad esempio, ha ancora bisogno di ordini di grandezza in più di dati di allenamento rispetto a un giocatore umano per raggiungere lo stesso livello di abilità. Tale software di apprendimento è anche ancora molto lontano dall'essere tradotto in robotica sofisticata o applicazioni del mondo reale.

Per ricevere più storie come questa direttamente nella tua casella di posta, iscriviti alla nostra newsletter AI nominata da Webby The Algorithm. È gratis.

nascondere