Un nuovo sviluppo nell’ambito dell’intelligenza artificiale, proveniente dai ricercatori che un tempo facevano parte del team di DeepMind di Google, sta sollevando interrogativi sulla possibilità di avanzare ulteriormente verso l’Intelligenza Artificiale Generale (AGI). Questo nuovo sistema algoritmico, noto come “Student of Games” (SoG), è stato presentato in un articolo pubblicato sulla rivista Science e potrebbe aprire nuove porte nell’ambito delle decisioni automatizzate.
Il SoG è stato creato con l’obiettivo di padroneggiare una vasta gamma di giochi, dai “perfetti” come gli scacchi e il Go, dove ogni giocatore ha accesso a tutte le informazioni necessarie, ai giochi “imperfetti” come il poker e Scotland Yard, dove le informazioni sono limitate. La sua versatilità sta nell’essere stato progettato per unificare diversi approcci all’apprendimento dei giochi in un unico algoritmo, a differenza dei precedenti sistemi come Deep Blue o AlphaGo, che erano progettati per giochi specifici.
L’applicazione potenziale di SoG va oltre l’intrattenimento. Questo sistema potrebbe diventare una risorsa preziosa nell’ambito delle decisioni automatizzate, compresi i sistemi di trading algoritmico. Alcuni membri del team di sviluppo di SoG stanno attualmente lavorando su EquiLibre Technologies, una startup che si propone di utilizzare la teoria dei giochi per migliorare gli strumenti di trading.
Gli sviluppatori stanno anche cercando di ottimizzare il sistema per ridurre le risorse computazionali necessarie per affrontare sfide più complesse. Si chiedono se sia possibile ottenere risultati di alto livello con una quantità inferiore di risorse, un’interessante sfida da affrontare.
Cos’è il “Student of Games” e Come Funziona?
Il “Student of Games” utilizza un albero di gioco, un modello grafico che rappresenta le possibili mosse in un gioco. Il sistema apprende e perfeziona le strategie attraverso le sue reti neurali, utilizzando una tecnica chiamata “Growing-Tree Counterfactual Regret Minimization” (GT-CFR). Questo permette al sistema di adattarsi dinamicamente alle opzioni disponibili nel gioco, migliorando costantemente le sue strategie. Inoltre, il sistema utilizza il “Sound Self-Play,” una pratica che consiste nel giocare contro se stesso per imparare dagli errori e migliorare ulteriormente.
In termini più semplici, il processo è analogo a giocare a un videogioco e sperimentare diverse strategie per cercare di ottenere un risultato migliore. Il “Student of Games” trae insegnamenti dalle sue esperienze passate per migliorare costantemente le sue prestazioni.
Un Passo in Avanti verso l’AGI?
L’obiettivo finale dell’intelligenza artificiale è l’Intelligenza Artificiale Generale (AGI), ossia la capacità di eseguire qualsiasi compito in modo autonomo, simile agli esseri umani. Anche se l’AGI rimane un obiettivo ambizioso, la ricerca sugli agenti autonomi e sulla capacità di eseguire compiti di routine potrebbe rappresentare un passo significativo verso questo obiettivo.
Per anni, DeepMind ha sperimentato con agenti autonomi come Sparrow, progettato per evitare risposte sbagliate, e più recentemente, il “Multiagent Society,” sviluppato in collaborazione con il MIT, che coinvolge più sistemi di intelligenza artificiale in discussioni per ottenere risultati migliori.
Mentre l’AGI potrebbe essere ancora lontano, i progressi nella ricerca sugli agenti come il “Student of Games” potrebbero avvicinarci un passo più vicino a questo ambizioso obiettivo.
In un’era in cui l’intelligenza artificiale continua a stupire con le sue capacità, il laboratorio DeepMind di Google ha svelato una nuova IA nota come “Student of Games” (SoG), con il potere di superare l’intelletto umano in giochi che vanno dalla profondità strategica degli scacchi all’intelligenza artificiale. la natura imprevedibile del poker. Questa intelligenza artificiale segna un chiaro passo avanti verso lo sviluppo di un’intelligenza artificiale generale, una tecnologia che aspira a superare le capacità umane in una vasta gamma di compiti.
Raccontando le radici evolutive di SoG, è evidente come il progetto attinga all’eredità di due fondamentali attività di intelligenza artificiale: DeepStack e AlphaZero. DeepStack, nato da una collaborazione tra cui Martin Schmid dell’Università di Alberta, è stata la prima IA a trionfare sui giocatori di poker professionisti. AlphaZero, un’altra creazione di DeepMind, ha infranto i record sconfiggendo giocatori umani di alto livello negli scacchi e nel Go. La distinzione tra i due era la gestione dei giochi con diversi livelli di informazioni accessibili al giocatore: il poker, un gioco di informazioni nascoste, contro la completa trasparenza vista negli scacchi.
Con le sue diverse abilità di gioco, SoG si distingue unendo questi approcci, ottenendo competenza in entrambi i tipi di giochi. Schmid, che è passato da DeepMind a EquiLibre Technologies, descrive lo stato iniziale di SoG come un “progetto” di apprendimento, pronto a evolversi attraverso il gioco personale in giochi che vanno dagli scacchi alle varie versioni di Scotland Yard e oltre.
Attraverso il gioco autonomo, SoG affina le proprie abilità, esplorando un labirinto di potenziali scenari di gioco per migliorare la propria strategia. Nonostante un accenno di efficienza ridotta rispetto ai suoi predecessori specializzati, la versatile architettura di apprendimento di SoG gli consente di eliminare prontamente anche i giocatori umani d’élite. Questa natura adattiva, secondo Schmid, è cruciale per affrontare le sfide opache che si trovano nei giochi a conoscenza imperfetta, dove anticipare le informazioni nascoste di un avversario è fondamentale.
Le implicazioni delle capacità di SoG, tuttavia, incontrano realismo da prospettive esterne a Google DeepMind. Michael Rovatsos dell’Università di Edimburgo sottolinea il netto contrasto tra i giochi con parametri definiti e i regni imprevedibili al di fuori del tabellone digitale, avvertendo di non confondere i complessi trionfi del gioco con l’intelligenza pratica del mondo reale. Questo discernimento serve a ricordare che la strada verso un’autentica intelligenza artificiale generale si estende ben oltre la padronanza dei giochi.
Sezione FAQ basata sull’articolo:
Cos’è lo “Student of Games” (SoG)?
Student of Games è una nuova intelligenza artificiale sviluppata dal laboratorio DeepMind di Google, progettata per eccellere in una varietà di giochi, dagli scacchi al poker.
In cosa differisce SoG dalle precedenti IA come DeepStack e AlphaZero?
SoG integra i punti di forza sia di DeepStack che di AlphaZero, riuscendo a comportarsi bene in giochi con diversi livelli di informazioni accessibili al giocatore, dalle informazioni nascoste nel poker alle impostazioni completamente trasparenti di scacchi e Go.
Chi è stato coinvolto nella creazione di DeepStack e qual è il loro ruolo attuale?
Martin Schmid, uno dei collaboratori nella creazione di DeepStack, è passato da DeepMind a EquiLibre Technologies ma è stato coinvolto nell’evoluzione di SoG.
Cosa distingue il processo di apprendimento di SoG?
SoG utilizza un modello di apprendimento sviluppato attraverso il gioco autonomo per migliorare le sue prestazioni in una varietà di giochi, rendendolo adattabile sia ai giochi con conoscenza perfetta che a quella imperfetta.
SoG è più efficiente dei suoi predecessori?
SoG potrebbe avere un’efficienza leggermente ridotta a causa della sua versatilità rispetto ai predecessori specializzati, ma conserva il potere di surclassare i giocatori umani d’élite nei giochi.
Perché Michael Rovatsos mette in guardia dal sopravvalutare le capacità di SoG?
Michael Rovatsos sottolinea che il successo in ambienti di gioco controllati non equivale all’intelligenza pratica nel mondo reale, che è molto più imprevedibile.
Che cos’è l’intelligenza generale artificiale (AGI) e in che modo la SoG si relaziona con essa?
L’intelligenza artificiale generale è un tipo di tecnologia che cerca di svolgere una vasta gamma di compiti al livello umano o superiore. SoG rappresenta un passo verso lo sviluppo dell’AGI dimostrando adattabilità e competenza in più giochi.
Definizioni dei termini chiave e del gergo:
– Intelligenza Generale Artificiale (AGI): Una macchina con la capacità di comprendere, apprendere e applicare l’intelligenza per risolvere qualsiasi problema, molto come un essere umano.
– Deep Learning: un sottoinsieme dell’apprendimento automatico nell’intelligenza artificiale (AI) che dispone di reti in grado di apprendere senza supervisione da dati non strutturati o senza etichetta.Deep Learning: a> giochi in cui tutti i giocatori hanno accesso a tutte le informazioni sullo stato del gioco, come gli scacchi e il Go.Giochi a conoscenza perfetta: – giochi in cui i giocatori hanno informazioni nascoste che potenzialmente influiscono sulla strategia e sui risultati, come il poker.Giochi con conoscenza imperfetta: – un metodo mediante il quale i sistemi di intelligenza artificiale imparano giocando contro se stessi, perfezionando le proprie tattiche e strategie nel tempo.Gioco autonomo:
