Adesso DeepMind gioca a calcio. L’intelligenza artificiale del gruppo britannico controllato da Alphabet, cioè da Google, è stata messa alla prova con un diverso impegno, abbandonando per un momento i gloriosi successi nelle partite di scacchi, di Go e ai videogame.

Il gruppo ha infatti pubblicato un paper e un post sul proprio blog in cui spiega nel dettaglio un nuovo metodo di “addestramento” dell’IA, il cosiddetto “npmp”, che sta per “neural probabilistic motor primitives”. Attraverso questo metodo un’intelligenza artificiale può imparare a intervenire e operare su corpi fisici. Muovendo insomma agenti nella vita reale. Ma in questo caso si tratta ancora, per il momento, di simulazioni su umanoidi animati.

La storia

Privacy e riconoscimento facciale: gli abiti avversativi di una startup italiana ci nasconderanno dalle IA

di Emanuele Capone 26 Agosto 2022

Secondo il post pubblicato da DeepMind, che appunto cerca di rendere più chiara la novità, “un npmp è un modulo di controllo motore per uso generico che traduce le intenzioni motorie a breve orizzonte in segnali di controllo di basso livello, ed è addestrato offline o tramite RL (reinforcement learning) imitando i dati di motion capture (MoCap), registrati con tracker su esseri umani o animali che eseguono movimenti di interesse”. Insomma, attraverso questo meccanismo il sistema è stato allenato a far giocare a umanoidi simulati, quindi virtuali, partire di calcio due contro due. I video diffusi da DeepMind sono in effetti impressionanti: in appena tre giorni di apprendimento per rinforzo azioni e movimenti sembrano quelli di un videogame di calcio. All’inizio l’intelligenza artificiale non è praticamente in grado di muovere gli avatar sul campo ma assegnando una ricompensa ogni volta che veniva segnato un goal, il modello è stato in grado di iniziare a far alzare i robot e metterli a correre, dribblare e tirare in 50 ore di lavoro. Dopo 50 giorni, invece, gli atteggiamenti dei “giocatori virtuali” si sono fatti ben più raffinati, quasi tattici, basati sull’anticipazione delle conseguenze delle proprie azioni.

Si tratta appunto di una simulazione: per controllare i robot nel mondo i ricercatori dovrebbero predisporre macchine adeguate alla realtà. E i fattori che potrebbero intervenire nel risultato sono moltissimi, dalla forza di gravità alle superfici scivolose ad altre interferenze. Ma il modello dimostra che, in linea teorica, possiamo insegnare a dei robot umanoidi a giocare a calcio con una certa classe. Non tanto per vederli competere fra loro in futuro quanto per aiutare l’intelligenza artificiale stessa e i suoi sviluppatori al solito obiettivo di sempre: migliorare e ottimizzare l’abilità di prevedere i risultati. In fondo dalle parti di Boston Dynamics ne sanno qualcosa, in termini di robot alle prese con la vita reale e il mondo fisico.

“Il risultato - spiega il team di ricercatori guidato da Siqi Liu - è una squadra di giocatori di football umanoidi coordinati che mostrano comportamenti complessi a diverse scale, quantificati da una serie di analisi e statistiche, comprese quelle utilizzate nell'analisi dello sport nel mondo reale. Il nostro lavoro costituisce una dimostrazione completa del processo decisionale integrato appreso su più scale in un contesto multiagente”. La strada è ovviamente molto lunga e complicata: se il modello è appunto teoricamente in grado di muovere un robot, cioè un agente, tutto è ancora alla fase di simulazione. E poi le regole sono state fortemente semplificate: la palla è tenuta sempre in campo da muri invisibili e non ci sono falli o calci di punizione. Poco male: anche nel mondo reale in fondo c’è chi ancora non ha capito la regola del fuorigioco.