Intelligenza Artificiale Addestrata a Essere un Dungeon Master e Generare Trame per Dungeons and Dragons

L’intelligenza artificiale ha padroneggiato anche giochi estremamente complessi come gli scacchi e il Go. Tuttavia, questi giochi hanno regole predefinite e metodi di interazione molto specifici che non si prestano a scelte creative. Un gioco di ruolo come Dungeons and Dragons (DnD) ha infinitamente più modi per giocare rispetto a una partita a scacchi, ma ciò non ha fermato i ricercatori dal tentare di sviluppare sistemi di intelligenza artificiale in grado di improvvisare trame per DnD o giochi di ruolo da tavolo simili.

I ricercatori di intelligenza artificiale stanno costantemente lavorando su nuovi modi per migliorare le capacità di linguaggio generativo dell’intelligenza artificiale. Uno dei più grandi progressi degli ultimi due anni è lo sviluppo di GPT-2, che è stato in grado di generare storie coerenti al volo. Tuttavia, come riportato da Wired, la studentessa di dottorato del Georgia Tech Lara Martin ha concepito l’idea di utilizzare DnD come caso di test per la capacità di linguaggio generativo dell’intelligenza artificiale. L’obiettivo è essenzialmente creare un dungeon-master di intelligenza artificiale, in grado di creare nuove scenari per il gioco e adattarle.

Secondo Wired, Martin sta lavorando sul dungeon-master di intelligenza artificiale dal 2018. I modelli di generazione del linguaggio spesso utilizzano approcci basati su regole o reti neurali. Recentemente, c’è stato un crescente interesse nel combinare le due tecniche per generare linguaggio. L’approccio di Martin utilizza strategie di generazione del linguaggio basate su regole insieme a reti neurali profonde. L’approccio di Martin alla generazione del linguaggio si basa sull’idea di “eventi”. Gli eventi consistono in varie parti del discorso come oggetti, soggetti e verbi, che il modello combina in oggetti di evento coerenti. Il modello è stato addestrato su trame di popolari serie TV di fantascienza come Futurama e Doctor Who. Il modello è stato inizializzato con una stringa di testo, che analizza per eventi. Dopo aver estratto gli eventi dal testo di inizializzazione, tenta di continuare la trama generando nuovi eventi. Martin è riuscita ad ampliare questo approccio di base e guidare il modello verso la generazione di eventi desiderati, come il matrimonio di due personaggi all’interno della storia.

Martin non è l’unica ricercatrice a tentare di progettare intelligenze artificiali in grado di raccontare storie. Ad esempio, il ricercatore di apprendimento automatico Nick Walton ha recentemente sviluppato AI Dungeon, che utilizza modelli GPT-2 per creare un gioco di avventura testuale generato da intelligenza artificiale. Sebbene AI Dungeon renda generalmente testi coerenti, tende a perdere il filo della narrazione, inizia nuove trame strane e si comporta in modo strano rispetto all’input del giocatore. Nonostante queste limitazioni, il gioco ha dimostrato di essere abbastanza popolare, con oltre un milione di persone che lo hanno giocato.

Martin riconosce i limiti del modello, affermando che il modello spesso si confonde, generando eventi di trama che non hanno senso logico, e che “non siamo ancora vicini a renderlo una realtà”. Nonostante ciò, Martin spera ancora che il modello porterà a qualcosa di utile in futuro. Martin è anche speranzosa che il progetto potrebbe potenzialmente darci insight su come la creazione di storie sfrutti diversi aspetti dell’intelligenza come l’immaginazione e l’incarnazione.

“Se potessimo creare un dungeon-master di intelligenza artificiale convincente, ci direbbe di più su come creiamo e viviamo questi mondi”, ha spiegato Martin a Wired.

Si potrebbe anche sostenere che la sfida di realizzare un’impresa così difficile come creare un dungeon-master di intelligenza artificiale sia una ragione sufficiente per perseguire il progetto. Noah Smith, professore di intelligenza artificiale e linguaggio all’Università di Washington, ha spiegato che grandi obiettivi a volte aiutano a creare applicazioni utili, anche se la sfida stessa non viene realizzata in tempo.

Smith ha spiegato a Wired:

“A volte gli obiettivi di grandi sfide sono utili per far muovere molti ricercatori in una sola direzione. E alcune delle cose che ne derivano sono anche utili in applicazioni più pratiche”.