La macchina batte l’uomo. Ma è solo un gioco.

L’evoluzione in pochi anni: da AlphaGo a MuZero

L’azienda britannica DeepMind, società controllata da Google, era già balzata agli onori della cronaca nel 2016 con l’introduzione di AlphaGo. Il software era in grado di battere l’uomo per la prima volta all’antico gioco di strategia del Go, sulla base dei dati inseriti e della conoscenza di ambiente e regole. Nei due anni successivi, è stata sviluppata una versione evoluta chiamata AlphaZero, che padroneggiava anche gli scacchi e lo shogi a partire dalla sola comprensione delle regole.

L’ultimo progresso in materia è rappresentato oggi da MuZero, che ha rivoluzionato il classico modello di apprendimento perché, a differenza dei suoi predecessori, riesce a pianificare strategie vincenti in ambienti totalmente sconosciuti. In pratica, MuZero vince senza nemmeno conoscere le regole del gioco. Inoltre, ha ottenuto risultati stupefacenti anche nel contesto più complesso dei videogiochi Atari, come per esempio Pac-Man.

Come ci riesce? L’intelligenza artificiale studia l’ambiente mediante un processo di tentativi giusti e sbagliati, ottenendo una ricompensa nel caso in cui le azioni abbiano successo. In questo modo, modella soltanto gli aspetti utili per il processo decisionale, con un sistema di correzione degli errori che diventa sempre più efficiente. In estrema sintesi, possiamo affermare che MuZero si affida alla propria esperienza, acquisita nel contesto.

AI sempre più simile all’uomo, ma esistono dei limiti.

Il caso MuZero è una dimostrazione di come le ultime evoluzioni dell’intelligenza artificiale siano orientate all’emulazione di meccanismi simili a quelli della mente umana. Questo nuovo modello di apprendimento, infatti, utilizza un processo decisionale basato sulla capacità di pianificare azioni in base alla comprensione di come funziona il mondo e all’anticipazione di potenziali scenari, senza bisogno di analizzare completamente l’ambiente che genera il problema da risolvere.

Per spiegare meglio il concetto, DeepMind utilizza questo esempio: se vediamo delle nuvole scure in cielo, possiamo prevedere che pioverà e decidere di prendere l’ombrello per uscire. Per farlo non abbiamo bisogno di sapere perché si sono formate quelle nuvole o di comprendere a pieno quali sono i fenomeni atmosferici che generano la pioggia.

Al netto di facili entusiasmi, pensare che un software possa un domani essere considerato alla stregua di un essere umano in ogni sua caratteristica intellettuale resta soltanto un’utopia. Sebbene i progressi di DeepMind in materia di Machine Learning siano eccezionali e aprano nuovi orizzonti nella concezione dell’intelligenza artificiale, non è realistico pensare a un futuro in cui le macchine possano sostituire del tutto le persone o simulare ogni aspetto del loro intelletto, per diverse ragioni.

In primo luogo, come teorizzato in questo articolo del nostro Blog, esistono peculiarità umane non replicabili attraverso algoritmi, come ad esempio la creatività. L’intelligenza artificiale non può essere un artista, perché l’innovazione e l’approvazione sociale alla base del processo creativo non implicano il ricorso a calcoli matematici.

Inoltre, il mondo reale è molto più vasto e imprevedibile rispetto a un contesto limitato come quello di un gioco. Le decisioni che gli esseri umani prendono nella vita quotidiana non si riducono al binomio vittoria o sconfitta, ma prevedono numerose variabili tra cui l’aspetto emozionale. Per questo, l’uomo deve restare al centro del processo di machine learning e la tecnologia deve limitarsi a risolvere problemi concreti con soluzioni innovative.

Possibili scenari e applicazioni del sistema MuZero

L’avveniristico modello di apprendimento basato sulla cosiddetta ricerca “lookahead” (letteralmente, che guarda avanti) potrebbe rappresentare uno strumento di accelerazione del progresso, specialmente nei settori in cui non si possiede un quadro completo di tutti i fattori che intervengono nell’ambiente di riferimento, ovvero le regole del gioco. Si pensi che un'intelligenza artificiale meno avanzata come AlphaZero era già stata impiegata per risolvere complessi problemi di chimica e di fisica quantistica.

La stessa DeepMind ha affermato di essere già alla ricerca di modi in cui applicare MuZero ai problemi del mondo reale. Un progetto per la piattaforma YouTube è già in fase di sperimentazione, che permetterebbe di ideare un sistema innovativo di compressione video. Si possono anche immaginare ambiti di utilizzo dalla forte connotazione sociale, come quello della salute o dei trasporti.

Da parte della collettività è lecito sperare che queste tecnologie, invece di soppiantare l’uomo nel compimento di qualsiasi attività intellettuale, svolgano invece una funzione di supporto laddove sia necessario. Per esempio, fantasticando ma non troppo, MuZero potrebbe aiutare gli scienziati a progettare un nuovo farmaco per sconfiggere una malattia poco nota, anche grazie agli effettivi risultati già ottenuti in materia di biologia, oppure fornire soluzioni avanzate per la mobilità sostenibile e i trasporti pubblici.

Sulla scia di tali sviluppi, anche Injenia ambisce a sviluppare progetti di Intelligenza Artificiale basati sull’esperienza di contesto e delle persone, per continuare a offrire alle aziende sistemi in grado di portare innovazione orientata al business.