Il nuovo agente di Google DeepMind è in grado di affrontare una serie di giochi che non ha mai visto prima osservando i giocatori umani.
Vola, capra, vola! Un nuovo agente AI di Google DeepMind è in grado di giocare a diversi giochi, compresi quelli che non ha mai visto prima, come Goat Simulator 3, un divertente gioco d’azione con una fisica esagerata. I ricercatori sono riusciti a fargli seguire dei comandi testuali per giocare a sette giochi diversi e per muoversi in tre diversi ambienti di ricerca 3D. Si tratta di un passo avanti verso un’intelligenza artificiale più generalizzata, in grado di trasferire le proprie capacità in più ambienti.
Google DeepMind ha avuto un enorme successo nello sviluppo di sistemi di intelligenza artificiale in grado di giocare. Il suo sistema AlphaGo, che nel 2016 ha battuto il miglior giocatore professionista Lee Sedol nel gioco del Go, è stato un’importante pietra miliare che ha dimostrato la potenza del deep learning. Ma a differenza dei precedenti sistemi di IA per il gioco, che padroneggiavano un solo gioco o potevano seguire solo singoli obiettivi o comandi, questo nuovo agente è in grado di giocare a una varietà di giochi diversi, tra cui Valheim e No Man’s Sky. Si chiama SIMA, acronimo di “scalable, instructable, multiworld agent”.
Nell’addestramento dei sistemi di intelligenza artificiale, i giochi sono un buon test per i compiti del mondo reale. “Un agente che gioca in generale potrebbe, in linea di principio, imparare molto di più su come navigare nel nostro mondo di quanto potrebbe mai fare qualsiasi cosa in un singolo ambiente”, afferma Michael Bernstein, professore associato di informatica all’Università di Stanford, che non ha partecipato alla ricerca.
“Si potrebbe immaginare che un giorno, invece di avere agenti sovrumani contro cui si gioca, potremmo avere agenti come SIMA che giocano al tuo fianco nei giochi con te e con i tuoi amici”, dice Tim Harley, un ingegnere ricercatore di Google DeepMind che ha fatto parte del team che ha sviluppato l’agente.
Il team ha addestrato SIMA su molti esempi di esseri umani che giocano ai videogiochi, sia individualmente che in collaborazione, insieme a input da tastiera e mouse e annotazioni di ciò che i giocatori hanno fatto nel gioco, dice Frederic Besse, un ingegnere ricercatore di Google DeepMind.
Poi ha usato una tecnica di intelligenza artificiale chiamata apprendimento per imitazione per insegnare all’agente a giocare come farebbero gli esseri umani. SIMA è in grado di seguire 600 istruzioni di base, come “Gira a sinistra”, “Sali la scala” e “Apri la mappa”, ciascuna delle quali può essere completata in meno di 10 secondi circa.
Il team ha scoperto che un agente SIMA addestrato su molti giochi era migliore di un agente che aveva imparato a giocare a uno solo. Questo perché è stato in grado di sfruttare i concetti condivisi tra i giochi per apprendere migliori abilità e migliorare l’esecuzione delle istruzioni, spiega Besse.
“Anche in questo caso si tratta di una proprietà chiave davvero entusiasmante, in quanto abbiamo un agente che può giocare a giochi che non ha mai visto prima, essenzialmente”, afferma.
Vedere questo tipo di trasferimento di conoscenze tra i giochi è una pietra miliare significativa per la ricerca sull’intelligenza artificiale, afferma Paulo Rauber, docente di intelligenza artificiale alla Queen Mary University di Londra.
L’idea di base di imparare a eseguire istruzioni sulla base di esempi forniti dall’uomo potrebbe portare a sistemi più potenti in futuro, soprattutto con set di dati più grandi, dice Rauber. A frenare le prestazioni di SIMA è il suo set di dati relativamente limitato.
Sebbene il numero di ambienti di gioco su cui è stato addestrato sia ancora esiguo, SIMA è sulla strada giusta per crescere, afferma Jim Fan, ricercatore senior di Nvidia che gestisce la sua AI Agents Initiative.
Ma il sistema di IA non è ancora vicino al livello umano, dice Harley. Ad esempio, nel gioco No Man’s Sky, l’agente AI era in grado di svolgere solo il 60% dei compiti che gli esseri umani potevano svolgere. E quando i ricercatori hanno eliminato la possibilità per gli esseri umani di dare istruzioni a SIMA, hanno scoperto che l’agente aveva prestazioni molto peggiori rispetto a prima.
Il team sta lavorando per migliorare le prestazioni dell’agente. I ricercatori vogliono farlo lavorare in quanti più ambienti possibili e imparare nuove abilità, e vogliono che le persone siano in grado di chattare con l’agente e ottenere una risposta. Il team vuole anche che SIMA abbia competenze più generalizzate, che gli permettano di imparare rapidamente giochi che non ha mai visto prima, proprio come un essere umano.
Gli esseri umani “sono in grado di adattarsi molto bene ad ambienti e situazioni non visti”, afferma Besse. “E noi vogliamo che i nostri agenti siano altrettanto bravi”.
SIMA ci avvicina a un “momento ChatGPT” per gli agenti autonomi, afferma Roy Fox, professore assistente presso l’Università della California, Irvine.
Ma è molto lontano dall’IA autonoma vera e propria. Sarebbe “un gioco completamente diverso”, dice.
