Intelligenze Artificiali in Competizione nel Concorso di Apprendimento Automatico di Minecraft

Come riportato da Nature, una nuova competizione di intelligenza artificiale si svolgerà presto, il concorso MineRL, che incoraggerà gli ingegneri e i programmatori di intelligenza artificiale a creare programmi in grado di apprendere attraverso l’osservazione e l’esempio. Il caso di test per questi sistemi di intelligenza artificiale sarà il popolare videogioco di crafting e sopravvivenza Minecraft.

I sistemi di intelligenza artificiale hanno ottenuto alcuni risultati impressionanti di recente quando si tratta di videogiochi. Recentemente, un’intelligenza artificiale ha sconfitto i migliori giocatori umani al mondo nel gioco di strategia StarCraft II. Tuttavia, StarCraft II ha obiettivi definiti che sono più facili da suddividere in passaggi coerenti che un’intelligenza artificiale possa utilizzare per addestrarsi. Un compito molto più difficile è quello di far apprendere a un’intelligenza artificiale come navigare in un gioco di mondo aperto e sandbox come Minecraft. I ricercatori stanno cercando di aiutare i programmi di intelligenza artificiale a imparare attraverso l’osservazione e l’esempio, e se saranno in grado di farlo, potrebbero ridurre notevolmente la quantità di potenza di elaborazione necessaria per addestrare un programma di intelligenza artificiale.

I partecipanti alla competizione avranno quattro giorni per creare un’intelligenza artificiale che sarà testata con Minecraft, con un massimo di otto milioni di passaggi per addestrare la loro intelligenza artificiale. L’obiettivo dell’intelligenza artificiale è quello di trovare un diamante all’interno del gioco scavando. Otto milioni di passaggi di addestramento sono un lasso di tempo molto più breve rispetto al tempo necessario per addestrare modelli di intelligenza artificiale potenti come quelli attuali, quindi i partecipanti alla competizione devono progettare metodi che migliorino notevolmente i metodi di addestramento attuali.

Gli approcci utilizzati dai partecipanti si basano su un tipo di apprendimento chiamato apprendimento per imitazione. L’apprendimento per imitazione si contrappone all’apprendimento per rinforzo, che è un metodo popolare per addestrare sistemi sofisticati come bracci robotici in fabbrica o intelligenze artificiali in grado di sconfiggere i giocatori umani a StarCraft II. Il principale svantaggio degli algoritmi di apprendimento per rinforzo è il fatto che richiedono una grande quantità di potenza di elaborazione per addestrarsi, basandosi su centinaia o addirittura migliaia di computer collegati insieme per imparare. Al contrario, l’apprendimento per imitazione è un metodo molto più efficiente e meno costoso in termini di calcolo per addestrare. Gli algoritmi di apprendimento per imitazione cercano di mimare il modo in cui gli esseri umani imparano attraverso l’osservazione.

William Guss, un candidato al dottorato in teoria dell’apprendimento profondo alla Carnegie Mellon University, ha spiegato a Nature che far esplorare e apprendere pattern in un ambiente a un’intelligenza artificiale è un compito estremamente difficile, ma l’apprendimento per imitazione fornisce all’intelligenza artificiale una base di conoscenza o buone ipotesi a priori sull’ambiente. Ciò può rendere l’addestramento di un’intelligenza artificiale molto più rapido rispetto all’apprendimento per rinforzo.

Minecraft serve come un ambiente di addestramento particolarmente utile per diverse ragioni. Una ragione è che Minecraft consente ai giocatori di utilizzare blocchi di costruzione semplici per creare strutture e oggetti complessi, e i molti passaggi necessari per creare queste strutture servono come marcatori tangibili di progresso che i ricercatori possono utilizzare come metriche. Minecraft è anche estremamente popolare, e a causa di ciò, è relativamente facile raccogliere dati di addestramento. Gli organizzatori del concorso MineRL hanno reclutato molti giocatori di Minecraft per dimostrare una varietà di attività come la creazione di strumenti e la rottura di blocchi. Attraverso la crowdsourcing della generazione di dati, i ricercatori sono stati in grado di catturare 60 milioni di esempi di azioni che potevano essere eseguite nel gioco. I ricercatori hanno fornito circa 1000 ore di video alle squadre del concorso.

Utilizzare le conoscenze che gli esseri umani hanno accumulato, dice Rohin Shah, candidato al dottorato in informatica all’Università della California, Berkeley, ha spiegato a Nature che questa competizione è probabilmente la prima a concentrarsi sull’utilizzo delle conoscenze che gli esseri umani hanno già generato per accelerare l’addestramento dell’intelligenza artificiale.

Guss e gli altri ricercatori sono fiduciosi che il concorso potrebbe avere risultati con implicazioni al di là di Minecraft, dando origine a migliori algoritmi di apprendimento per imitazione e ispirando più persone a considerare l’apprendimento per imitazione come una forma di addestramento dell’intelligenza artificiale. La ricerca potrebbe potenzialmente aiutare a creare intelligenze artificiali in grado di interagire meglio con le persone in ambienti complessi e in continua evoluzione.