L'anno scorso, un programma di intelligenza artificiale chiamato AlphaGo creato dal team DeepMind di Google ha battuto un campione umano a Go, un antico gioco di strategia cinese che è per molti versi più complesso degli scacchi. Come Emily Matchar riferì per Smithsonian.com a quel tempo, fu un risultato straordinario, dal momento che nel 1997 alcune persone prevedevano che ci sarebbero voluti 100 anni perché un computer battesse un essere umano su Go.
Mentre l'impresa è impressionante, AlphaGo ha imparato a giocare analizzando i giochi precedenti giocati dagli umani. Ma come riporta Merrit Kennedy alla NPR, una nuova versione dell'intelligenza artificiale chiamata AlphaGo Zero ha capito come padroneggiare il gioco da solo, senza input o manipolazione umana, un progresso che ha grandi implicazioni per il futuro sviluppo dell'IA.
Secondo un comunicato stampa di DeepMind, le versioni precedenti di AlphaGo hanno imparato a giocare studiando le partite tra giocatori professionisti e dilettanti, assorbendo le regole del gioco e le strategie di successo del gioco. AlphaGo Zero, tuttavia, non ha esaminato i giochi giocati dagli umani. Invece, è stato dato le regole del gioco e poi giocato contro se stesso, usando l'apprendimento per rinforzo per insegnare a se stesso mosse giuste e sbagliate e strategie a lungo termine. Mentre l'IA giocava, aggiornava la sua rete neurale avanzata per prevedere meglio le mosse del suo avversario.
I ricercatori hanno guardato mentre l'IA ha dominato il gioco in tempo reale. Dopo tre giorni è stato in grado di sconfiggere una versione precedente chiamata AlphaGo Lee, che ha battuto Lee Sedol, maestro coreano Go in 4 partite su 5 nel 2016. Dopo 21 giorni ha superato AlphaGo Master, la versione che ha battuto 60 migliori giocatori di Go online e il il miglior giocatore del mondo Ke Jie all'inizio di quest'anno. L'ultima versione ha superato i giochi AlphaGo Master 100 a 0. Dopo 40 giorni, ha raggiunto livelli di gioco che nessuno ha mai visto prima. La ricerca appare sulla rivista Nature.
"In un breve lasso di tempo, AlphaGo Zero ha compreso tutta la conoscenza di Go che è stata accumulata dagli umani nel corso di migliaia di anni di gioco", afferma il ricercatore capo David Silver di DeepMind di Google in un video di Youtube. "A volte in realtà è stato scelto di andare oltre e ha scoperto qualcosa che gli umani non avevano nemmeno scoperto in questo periodo di tempo e hanno scoperto nuove conoscenze che sono creative e innovative in molti modi."
Come riporta Agence France-Presse, AlphaGo Zero ha raggiunto questo livello di padronanza in modo molto più efficiente rispetto ai suoi predecessori. Mentre la precedente iterazione aveva 48 unità di elaborazione dati e ha giocato 30 milioni di giochi di allenamento nel corso di diversi mesi, Zero ha avuto solo 4 unità di elaborazione e ha giocato 4, 9 milioni di giochi di allenamento in tre giorni. "Le persone tendono a supporre che l'apprendimento automatico sia basato sui big data e su enormi quantità di calcolo, ma in realtà ciò che abbiamo visto con AlphaGo Zero è che gli algoritmi contano molto di più", afferma Silver ad AFP.
Ma la ricerca non riguarda solo la padronanza di un gioco da tavolo. Come riporta Ian Sample presso The Guardian, questo tipo di tabula rasa, o tabula rasa, l'apprendimento potrebbe portare a una nuova generazione di intelligenza artificiale per scopi generali che potrebbe aiutare a risolvere problemi in campi che possono essere ben simulati in un computer, come la composizione dei farmaci, ripiegamento proteico o fisica delle particelle. Sviluppando le sue conoscenze da zero senza pregiudizi o limitazioni umane, gli algoritmi potrebbero andare in direzioni che gli umani non hanno ancora pensato di guardare.
Mentre molte persone nella comunità dell'intelligenza artificiale vedono AlphaGo Zero come un grande traguardo, Gary Marcus, professore di psicologia alla New York University specializzato in intelligenza artificiale, dice a Kennedy della NPR che non pensa che l'algoritmo sia davvero tabula rasa perché la conoscenza umana precedente è andata nella costruzione dell'algoritmo. Inoltre, non ritiene che l'intelligenza artificiale di Tabula rasa sia importante come sembra. "[In] biologia, i cervelli umani reali non sono tabula rasa ... Non vedo il principale motivo teorico per cui dovresti farlo, perché dovresti abbandonare molta conoscenza che abbiamo sul mondo", dice.
Anche così, la rapida padronanza del gioco di Alpha Go è impressionante - e un po 'spaventosa.
