I ricercatori della DeepMind, azienda di Londra attiva nell’intelligenza artificiale, ha comunicato di essere riuscita a insegnare a un computer il sistema per imparare a giocare con 49 semplici videogame. Non gli hanno insegnato “come giocare”, ma come imparare a giocare a quei videogame. E’ una differenza sostanziale. Giocare a un videogioco, sia pur semplice come il classico Pong degli anni 70, richiede un insieme di abilità percettive, previsionali e cognitive. Una dozzina d’anni fa non c’era un algoritmo che potesse svolgere questi compiti, ma oggi questi codici sono embeddati in gran parte dei giochi per computer. Quando oggi si gioca con un un videogioco, si gioca di solito contro raffinati algoritmi messi a punto da sviluppatori umani geniali.

Ma, piuttosto che programmare una nuova serie di questi algoritmi, il team di intelligenza artificiale di DeepMind ha programmato le macchine per imparare a giocare. L’algoritmo (una rete neurale complessa) ha iniziato senza ottenere alcun successo nel gioco e senza riuscire a mettere a punto una strategia di gioco, ma poi ha costruito un proprio codice di condotta con una serie di incentivi per i miglioramenti. Il termine è quello di “apprendimento non controllato”. Alla fine di cnetinaia di partite, la rete neurale era in grado di giocare alla stregua ci esseri umani, a volte anche meglio. Aveva imparato a giocare al gioco.

Questo apprendimento non deve essere parificato con l'”intelligenza umana”. I meccanismo dl suo apprendimento sono di gran lunga diversi da quelli dell’apprendimento umano. Non riuscirà a soppiantare l’umano o impadronirsi del mondo. In opgni caso questo tipo di apprendiemnto sintetico migliorerà nelle sue capacità. La notizia significativa è che l’apprendimento – un apprendimento realmente senza controlli – può essere sintetizzato. Una volta sintetizzato, l’apprendimento può essere distribuito in qualsiasi genere di apparecchio e di funzionalità. Può essere utilizzato nelle automobili a guida autonoma per migliorare o per i sistemi diagnostici medici per affinarsi con l’uso.

Alla stregua di tante qualità che pensavamo appartenessero solo agli esseri umani, si è dimostrato che l’apprendimento può essere anche programmato nelle macchine, può essere automatizzato. Mentre il semplice apprendimento di secondo grado – imparare a imparare – era una prerogativa rara e preziosa, potrà diventare adesso comune e diffusa. Cos’ì come motori potenti e comunicazioni rapide un secolo fa, l’apprendimento diventerà la norma nel mondo del futuro. Anche gli oggetti più semplici potranno imparare. L’apprendimento sintetico non renderà il vostro forno intelligente come voi, ma migliorerà il pane che fate con quel forno.

Molto presto gli oggetti intelligenti non saranno sufficienti. Ora che sappiamo come sintetizzare l’apprendimento, ci aspettiamo che tutti gli oggetti migliorino allo stesso modo, così come è successo per i ricercatori di DeepMind. Quello che ci sorprenderà nei prossimi anni sarà vedere la quantità di luoghi improbabili in cui adottare l’apprendimento automatico.

La domanda 2016 di Edge

edge_logo

L’intervento di Kevin Kelly rappresenta la sua risposta alla domanda dell’anno di Edge.org: Quale ritieni sia la notizia scientifica recente più interessante? Che cosa la rende rilevante?

Vai alle risposte