Ricercatori di Google DeepMind scoprono il potere della diversità dell’IA nel affrontare le sfide degli scacchi presentando AZ_db, il prossimo salto nel problema computazionale.
Ricercatori di Google DeepMind scoprono il potere della diversità dell'IA nel affrontare le sfide degli scacchi con AZ_db.
L’Intelligenza Artificiale ha esteso i suoi domini a quasi tutti i settori e troviamo le sue applicazioni in quasi tutte le sfere della vita. In diversi compiti computazionali, i sistemi di IA hanno addirittura superato gli esseri umani, segnando significativi progressi nell’avanzamento tecnologico. Ma i sistemi di IA, proprio come gli esseri umani, commettono anche errori, specialmente quando sono sottoposti a uno scenario inaspettato. Questo accade perché l’IA dipende dalla quantità di dati e calcolo disponibili. Di conseguenza, la ricerca in corso si sforza di mitigare queste limitazioni, migliorando l’adattabilità e la robustezza dell’IA in diverse situazioni.
Tuttavia, i sistemi di IA possono battere giocatori professionisti in giochi complicati e sfidanti come gli scacchi, il poker, ecc. Questi sistemi di IA utilizzano il Reinforcement Learning, che consente loro di imparare tramite tentativi ed errori e acquisire più conoscenza. Ma nonostante questi sistemi di scacchi di IA siano robusti e potenti, devono ancora raggiungere il livello ottimale. Sono soggetti a attacchi avversari e possono anche avere allucinazioni.
Per affrontare questa problematica, i ricercatori di Google DeepMind hanno sviluppato un nuovo lavoro, Diversifying AI: Towards Creative Chess with AlphaZero. Hanno condotto una ricerca approfondita per esplorare come l’intelligenza artificiale possa sfruttare i meccanismi di risoluzione creativa dei problemi osservati nell’intelligenza umana. Hanno ideato un modo per addestrare un gruppo di diversi agenti di IA di alta qualità. Ogni giocatore è rappresentato da una variabile latente. Ogni agente si basa su AlphaZero (AZ), ma vengono uniti utilizzando una struttura speciale (latente) che li aiuta a lavorare come squadra. AlphaZero può giocare giochi logici come gli scacchi e lo shogi da zero. AlphaZero può giocare anche se non ha alcuna conoscenza preliminare su di essi. Può anche fare mosse creative e può battere anche professionisti umani.
- 5 Passaggi Cruciali per Sviluppare una Routine di Codifica Efficace
- Come creare 100 post su Instagram in 1 minuto (con ChatGPT e Canva)
- Ricercatori dell’Università di Wisconsin-Madison propongono Eventful Transformers un approccio economico al riconoscimento video con una perdita minima di accuratezza.
Per risolvere i problemi degli scacchi, i ricercatori hanno messo l’Agente AZdb basato su AlphaZero a confronto con un gruppo AZ più uniforme. Hanno scoperto che AZdb ha superato il gruppo AZ risolvendo gli enigmi più difficili, comprese le posizioni sfidanti di Penrose, al doppio della velocità. Un aspetto centrale del loro studio è stato determinare se questa amalgama di sistemi di IA potesse generare una maggiore quantità di idee innovative come entità collettiva rispetto all’output di un singolo sistema di IA.
I ricercatori hanno sottolineato che l’IA può migliorare la sua accuratezza tramite meccanismi di risoluzione creativa dei problemi. I ricercatori hanno cercato di concentrarsi sulla capacità dell’IA di risolvere problemi in modo creativo. Hanno definito questo termine come la ricerca di una soluzione originale e precedentemente sconosciuta a un problema.
Lo studio ha dimostrato che le diverse approccio di AZdb nel giocare a scacchi hanno portato a una migliore capacità di risolvere gli enigmi come collettivo, superando le prestazioni di una squadra più uniforme. L’analisi delle loro partite di scacchi ha rivelato che i partecipanti AZdb hanno mostrato una specializzazione in varie aperture.
I ricercatori hanno concluso che nonostante questo sistema di IA si comporti bene, c’è ancora un divario tra l’intelligenza umana e quella artificiale. Tuttavia, i ricercatori sperano che questo lavoro possa servire come base per ulteriori ricerche.
