Computer batte umano 4-1. In sintesi è questo il risultato finale delle cinque partite a GO, un gioco cinese vecchio di 3000 anni, disputate dal campione del mondo Lee Sedol e AlphaGO, il super calcolatore di Google.L’evento è particolarmente rilevante perché dimostra i passi da gigante che i ricercatori stanno compiendo nel campo dell’Intelligenza Artificiale.
Il GO, infatti, è un gioco di strategia con regole semplici, ma molto più complesso degli scacchi. Se per ogni posizione sulla scacchiera si possono avere in media 20 possibili mosse, nel Go se ne possono avere dieci volte di più. “Ci sono più posizioni possibili in Go che atomi nell’universo”, secondo Demis Hassabis, responsabile di AlphaGo e fondatore di Deep Mind, l’azienda che Google ha acquisito nel 2014.
Ma come funziona Go?I giocatori, a turno, dispongono le proprie pietre (bianche o nere) nelle interesezioni vuote di una griglia 19 x 19, in modo da evitare che vengano circondate da quelle dell’altro colore. Quindi metterle vicine evita la cattura, ma questa tattica va bilanciata con quella di posizionarle anche in altri punti del tabellone. Infatti l’obiettivo finale è il controllo di un’area più grande di quella dell’avversario. Questo delicato equilibrio alla base del gioco è, di fatto, un problema strategico-matematico, risolvibile solo con il ricorso all’intelligenza artificiale.
Cos’è l’intelligenza artificiale?
In questi anni abbiamo imparato che i computer sono efficaci ed efficenti quando si tratta di eseguire una lista di istruzioni e calcoli più velocemente dell’uomo. Ma quando una, seppur lunga, lista di condizioni definite a priori non basta a risolvere un problema, per esempio il riconoscimento della scrittura umana o della voce, si ricorre a tecniche più avanzate.
Tra queste il Machine Learning (apprendimento automatico), una branca dell’Intelligenza Artificiale, che consiste nella creazione di algoritmi tali da portare il software ad imparare dall’esperienza. Lo si fa non partendo da una lista di regole, ma da un modello e da istruzioni attraverso le quali modificare il modello iniziale qualora non permetta di risolvere il problema dato (qui un’infografica dinamica per approfondire).
Gli algoritmi di apprendimento automatico sono tradizionalmente divisi in cinque principali tipologie: apprendimento supervisionato, non supervisionato, con rinforzo, con apprendimento continuo, con addestramento preventivo. Le prime due sono quelle più largamente utilizzate.
Apprendimento supervisionato: in questo caso si parte fornendo alla macchina esempi di input con output desiderato; l’obiettivo è ottenere regole generali che consentano di ottenere l’output voluto quando si incontrano dati di input nuovi.
Apprendimento non supervisionato: qui non vengono forniti dati già pre classificati al computer e quindi il suo compito sarà di individuare autonomamente strutture nascoste di interesse, basandosi solo su criteri generali.
I modi di procedere nella pratica sono molteplici, ma, ai nostri fini, due quelli più interessanti, che provo a sintetizzare.L’albero decisionale è un metodo di apprendimento per approssimazione basato su un insieme di regole “se-allora” in successione. E’ il metodo seguito dal supercomputer di IBM, DeepBlue, per sconfiggere a scacchi il campione mondiale Garry Kasparov nel 1997 e i concorrenti di Jeopardy nel 2011.
La rete neurale artificiale, invece, è un sistema adattivo che cambia la sua struttura sulla base di informazioni interne ed esterne, che vengono scambiate attraverso una rete di calcolatori (in sostanza simulando il comportamento dei neuroni biologici).
AlphaGo di Google combina entrambe le tecniche, usando due reti neurali artificiali.
La prima detta “policy network” predice la mossa successiva. La seconda rete, detta “value network” è usata per ridurre la profondità dell’albero decisionale, valutando ogni posizione per individuare quella che con più probabilità porterà alla vittoria finale (qui il paper pubblicato su Nature per approfondire).
Quali sono i campi d’applicazione dell’Intelligenza Artificiale?Già oggi i sistemi di intelligenza artificiale vengono usati dalle più grandi aziende tecnologiche con risultati che sono i nostri occhi, anche se non lo sappiamo. Sono utilizzati per combattere lo spam e le frodi, per operare previsioni finanziarie, per il riconoscimento vocale e della scrittura manuale, per la classificazione automatica delle immagini (provatelo scaricando Google Foto), per migliorare i risultati dei motori di ricerca, i consigli di acquisto (Amazon) o di ascolto (Spotify) e tanto altro ancora.
I campi di applicazione più avanzati sono quelli che riguardano il funzionamento dei veicoli senza conducente (il pilota automatico nelle auto Tesla e le Google Car), il comportamento dei robot (Boston Dynamics), la previsione dei rischi ambientali e delle malattie, l’individuazione di novità scientifiche sepolte in “big data” non analizzabili da un umano.
Quello che ci possiamo attendere nel breve periodo è che i progressi in tale ambito andranno ad incrementare l’utilità dei nostri smartphone. Il sistema operativo e le applicazioni potrebbero diventare dei veri e propri assistenti personali in grado di comprendere meglio il contesto specifico delle nostre domande oppure di attivarsi anche in assenza di una domanda specifica, sulla base delle nostre abitudini.Scenari da incubo per alcuni e da sogno per altri, le cui traiettorie saranno comunque definite dagli esseri umani.
