Home / Playground / Scacco al Go
go

Scacco al Go

Al giorno d’oggi lo diamo per scontato, ma non è passato poi molto tempo da quando l’idea che un computer potesse sconfiggere un campione di scacchi sembrava impensabile. Le famose sfide tra Kasparov e Deep Blue risalgono ormai a vent’anni fa però, e nel frattempo un certo numero di altri giochi ad informazione perfetta sono stati di fatto “risolti” dagli specialisti dell’intelligenza artificiale. La natura di questi giochi in cui il numero di mosse e situazioni possibili, per quanto vasto, è finito e prevedibile, comporta che data una sufficiente potenza di calcolo sarà prima o poi raggiungibile un’IA allo stato dell’arte che ottenga prestazioni semplicemente inaccessibili a noi poveri esseri organici, ma la vastità del numero di cui sopra è in molti casi tale da sopraffare le pur notevoli capacità computazionali delle macchine che abbiamo a disposizione, e in questo limite è sempre risieduta la sfida per i creatori di giocatori computerizzati.
Quello che sembrava l’ultimo bastione della resistenza umana tra i giochi da tavolo classici, il Go, ha però da poco dichiarato una resa pressochè incondizionata all’assedio delle forze silicee, che sembravano dover impiegare ancora diversi anni prima di ottenere un tale risultato.

go

Il Go è un gioco vecchio di millenni, nato in Cina e ancora oggi molto popolare in diversi paesi asiatici, in cui due avversari posizionano pietre su una scacchiera nel tentativo di circondare i pezzi dell’avversario per assicurarsi il controllo di aree del piano di gioco il più vaste possibili.
La complessità del tipo di giochi di cui stiamo parlando è solitamente misurata tramite due indicatori, la loro larghezza, ossia il numero di mosse legali per ogni posizione, e la loro profondità, ossia la lunghezza del gioco. Il numero di possibili sequenze in una partita è approssimativamente calcolabile come larghezza elevata a profondità, e se per gli scacchi, un gioco di complessità notoriamente elevatissima, queste quantità sono all’incirca di 35 e 80, per il Go arriviamo a cifre come 250 e 150. Per darvi un’indicazione di cosa ciò significhi basterà dire che il numero di possibili configurazioni di una scacchiera da Go è superiore al numero di atomi nell’universo.

É chiaro quindi come un approccio esaustivo, ossia che prenda effettivamente in considerazione tutte le possibili combinazioni dello stato del gioco, pur essendo in linea teorica concepibile, è materialmente impraticabile per la tecnologia corrente. Gli approcci che vengono normalmente tentati per affrontare questi giochi cercano dunque di restringere il campo di ricerca prendendo in considerazione solo gli stati che si ritengono più rilevanti per la partita corrente, ed è tramite questo tipo di tecniche che si sono raggiunte prestazioni superumane in giochi come gli scacchi, la dama e othello.
Vista l’elevatissima complessità del gioco, l’approccio sembrava inadatto ad affrontare il Go, e in effetti il team che recentemente ha sconfitto il campione europeo per cinque partite a zero (risultato assolutamente senza precedenti) ha adottato un approccio completamente differente, implementando una rete neurale che oltre ad essere in grado di ridurre il campo della ricerca delle mosse con l’approccio più classico, può essere in buona sostanza allenata per ottenere prestazioni migliori.
L’allenamento in questione è consistito di diverse fasi. In un primo momento AlphaGo (questo il nome del software) ha immagazzinato un’enorme quantità di dati su partite effettivamente giocate da giocatori professionisti, in maniera da poter prevedere con una precisione di poco meno del 60% le mosse di questi campioni in carne ed ossa. In una seconda fase questa capacità di previsione è stata temperata dando peso diverso alle mosse a seconda del risultato a cui esse hanno portato, rendendo quindi il computer in grado non solo di fare quello che i professionisti avrebbero fatto, ma anche di sapere quando queste mosse si sono in effetti rivelate efficaci.
L’ultima fase è servita a controbilanciare l’eccessivo affidamento che il software faceva sullo storico delle mosse e delle partite di cui aveva conoscenza, per fare in modo che ogni stato di gioco potesse essere valutato in qualche modo indipendentemente tramite una funzione di valore.

go

Questo approccio ha portato a risultati che si pensavano a distanza di una decina d’anni, e se l’ultimo scoglio, ossia lo scontro con il campione del mondo in carica, deve ancora essere superato, tutte le previsioni sembrano indicare che ci sarà ben poco da fare per il maestro coreano in questione.
Alcuni sono affascinati da questo tipo di risultati, molti li trovano a dir poco inquietanti, ma non c’è dubbio che l’intelligenza artificiale sia una delle frontiere più vaste della scienza contemporanea, e se la padronanza di un gioco da tavolo potrebbe non sembrare uno scopo particolarmente desiderabile, è solo questione di tempo prima che gli stessi mezzi saranno in grado di portare a risultati di importanza ben più tangibile.

About Lorenzo Peri

Lorenzo Peri
Studio informatica e sono un vorace -bulimico direbbero alcuni, e avrebbero ragione- consumatore di cultura pop in forme varie ed eventuali. Tutto mi interessa e niente mi conquista, non so proprio cosa farò da grande.

Check Also

album

L’album, una specie in via d’estinzione?

Una delle differenze più ovvie tra gli appassionati di musica casual e i nerd più ...