Dalle intelligenze artificiali che giocano a Super Mario a quelle che apprendono come guidare un’auto su Grand Theft Auto V, sembra che le AI siano completamente innamorate dei videogiochi.

Per poter addestrare un algoritmo da introdurre in applicazioni reali sono necessarie numerose simulazioni, effettuate grazie a notevoli quantità di dati che permettono all’algoritmo di essere calibrato alla perfezione: i videogiochi sono l’ambiente adatto.

Immaginiamo di voler sviluppare un robot in grado di apprendere autonomamente come muoversi negli spazi interni: dovremmo prima costruire e posizionare gli ostacoli lungo il percorso in modo che il robot possa esercitarsi nel percorrere un tragitto da un punto iniziale ad uno finale evitando collisioni e, successivamente, modificare la posizione degli oggetti per ricreare un altro scenario fino ad ottenere un numero sufficiente di simulazioni — tenendo sempre in considerazione il fatto che gli ostacoli devono essere soffici e non arrecare danni al robot, altrimenti dovremmo spendere tempo e denaro nel ripararlo.

L’apprendimento per rinforzo cerca di sviluppare dei sistemi in grado di apprendere ed adattarsi alle mutazioni dell'ambiente sfruttando un meccanismo di ricompense — proprio come nei videogiochi.

Tutto questo processo di simulazione, però, può essere velocizzato, ampliato, e reso più accessibile grazie all’utilizzo dei mondi presenti nei videogiochi: in un mondo virtuale, infatti, il robot non ha fisicità e non può quindi danneggiarsi ed allo stesso tempo, grazie all’inserimento di regole opportune come ad esempio perdere dei punti per ogni collisione, il sistema può capire che urtare le pareti è controproducente ai fini del raggiungimento del proprio obiettivo.

Sempre sfruttando la natura digitale dei mondi dei videogiochi, è possibile riprogrammare infinite simulazioni con scenari diversi, senza dover intervenire fisicamente nella disposizione degli oggetti, permettendo così di ampliare la fase di addestramento e migliorare il processo di apprendimento delle intelligenze artificiali.

Le caratteristiche dei videogiochi, quindi, sono perfette per addestrare un particolare tipo di algoritmi: quelli di apprendimento per rinforzo. Basata su teorie della psicologia comportamentale, questa tecnica di apprendimento automatico cerca di sviluppare dei sistemi in grado di apprendere ed adattarsi alle mutazioni dell'ambiente sfruttando un meccanismo di ricompense — proprio come nei videogiochi.

Ad ogni esecuzione dell'algoritmo corrisponde una valutazione della sua prestazione ed il suo obiettivo è di massimizzare tale punteggio. Questi algoritmi sono gli stessi che hannopermesso di creare un’AI in grado di completare i livelli di Super Mario World o, addirittura, di far apprendere al sistema come guidare autonomamente in Grand Theft Auto V.

La possibilità di simulare il comportamento delle intelligenze artificiali all’interno dei videogiochi permette anche di tentare di comprendere maggiormente come funziona l’intelligenza e scoprire le caratteristiche delle diverse parti che la compongono. Proprio per questi obiettivi sono state pubblicate diverse piattaforme su cui far allenare le proprie AI, come ad esempio Universe, una piattaforma prodotta dall’organizzazione OpenAI nella quale è possibile testare i propri algoritmi su diversi videogiochi, partendo dai classici giochi Atari fino ad arrivare a giochi più complessi come Civilization, in cui bisogna far sviluppare una civiltà.

Project Malmo, invece, è una piattaforma sviluppata da Microsoft che sfrutta Minecraft per analizzare il modo in cui le AI percepiscono ed interagiscono con ambienti complessi, e per capire come possono sviluppare una conoscenza generale che si possa applicare anche in contesti diversi, e soprattutto come sviluppare una cooperazione con gli esseri umani.

La Project Malmo Collaborative AI Challenge è una sfida in cui diversi team hanno dovuto sviluppare intelligenze artificiali in grado di capire se e come cooperare con altri giocatori umani all’interno di Minecraft per raggiungere un obiettivo prefissato.

Proprio quest’ultimo punto è stato al centro della Project Malmo Collaborative AI Challenge, una sfida in cui diversi team hanno dovuto sviluppare intelligenze artificiali in grado di capire se e come cooperare con altri giocatori umani all’interno del gioco per raggiungere un obiettivo prefissato — nello specifico si trattava di accerchiare e catturare un animale.

Minecraft, grazie alla sua particolare architettura di gioco che lascia innumerevoli possibilità al giocatore di esplorare, costruire, e modificare l’ambiente, rappresenta un gioco ideale in cui testare innovative soluzioni per gli algoritmi di intelligenza artificiale.

Per garantire il passaggio dalle intelligenze artificiali deboli, in grado di eseguire solo un determinato compito, a quelle generali e quindi più simili al comportamento umano, sarà necessario sviluppare anche la capacità di compiere azioni complesse frutto della collaborazione con altri soggetti e, soprattutto, sarà necessario aumentare la flessibilità degli algoritmi di AI, rendendoli capaci, ad esempio, di poter giocare ed ottenere ottimi risultati con giochi diversi anche senza averli prima testati.

La possibilità di trasferire la conoscenza appresa in un addestramento verso un’altra attività sarà cruciale per lo sviluppo delle intelligenze artificiali generali, e gli infiniti mondi che vengono riprodotti nei videogiochi permettono agli ingegneri informatici di avere quindi fra le mani delle simulazioni del mondo reale in cui poter allenare i propri algoritmi prima di applicarli, realmente, nella vita quotidiana.