Skip to main content

Un’intelligenza artificiale potrebbe aiutarvi a dominare tutti quei videogiochi che avreste voluto completare da giovani.

di Will Knight

La fine dei giochi: La nuova libreria Pythonhttps://github.com/M-J-Murray/MAMEToolkit/blob/master/README.md offre una soluzione per addestrare un algoritmo di apprendimento per rinforzo nell’arte dei videogiochi di culto. Lo strumento è in grado di portare a termine i giochi caricati all’interno dell’emulatore MAME. https://www.mamedev.org Le istruzioni per l’uso illustrano i passaggi necessari per costruire un programma capace di vincere a Street Fighter 3. Fight!

Avanti tutta: L’apprendimento per rinforzo prende spunto dal processo di apprendimento degli animali in risposta a feedback positivi. DeepMind, la sussidiaria di Google impegnata nella creazione di una “intelligenza artificiale generale”, ha sfruttato questa tecnica per addestrare programmi su giochi Atari.

L’apprendimento per rinforzo è anche la base degli sviluppi di AlphaGo, il programma che ha dimostrato di saper sconfiggere giocatori umani nell’antico gioco da tavolo Go. Il suo successo ha rappresentato un traguardo rivoluzionario per la scienza dell’IA proprio per la complessità del gioco.

La teoria del gioco: L’intersezione fra giochi ed IA è sicuramente interessante. Laddove DeepMind ha contribuito alla diffusione dell’approccio come strategia per conseguire importanti progressi nel campo dell’IA, la sua teoria è ancor più vecchia. Uno dei primi programmi di “IA” (per quanto avesse l’intelletto di un mattone), ad opera del pioniere Arthur Samuel, utilizzava una forma semplificata di apprendimento automatico per giocare a scacchi.

Avanti con l’apprendimento: L’apprendimento per rinforzo richiede enormi quantità di dati e non funziona sempre. Si spiega la carenza di applicazioni pratiche per questa tecnologia. Ciononostante, è buffo pensare che una IA possa imparare giocando agli stessi videogames che ci hanno intrattenuto da giovani.

(MO)