Videogiochi iperrealistici potrebbero offrire un efficace sistema per insegnare come funziona il mondo reale agli algoritmi di una intelligenza artificiale.
di Will Knight
Migliaia di ore passate a giocare a Grand Theft Auto potrebbero avere effetti tutt’altro che positivi su un essere umano, ma potrebbero aiutare i computer a diventare molto più intelligenti.
Diversi gruppi di ricerca stanno utilizzando questo famoso videogioco, che propone auto veloci e diverse attività losche, per addestrare degli algoritmi in modo da permettergli di guidare un’automobile nelle strade reali.
È difficile che un computer impari a comportarsi male giocando a videogiochi violenti. Gli scenari sorprendentemente realistici che si possono trovare in Grand Theft Auto e in altri mondi virtuali potrebbero però aiutare una macchina a percepire correttamente alcuni elementi del mondo reale.
La tecnica conosciuta come apprendimento automatico sta consentendo ai computer di svolgere nuove e impressionanti operazioni, come identificare volti e riconoscere parole e frasi con la stessa abilità di un essere umano. L’approccio, però, richiede enormi quantità di dati la cui raccolta e organizzazione richiede molto tempo e cura. Lo scenario di diversi videogiochi è talmente realistico da permettere di generare dati con la stessa qualità di quelli ricavati da immagini del mondo reale.
Alcuni ricercatori hanno già realizzato simulazioni 3-D utilizzando i motori dei videogiochi per generare dati di addestramento per i loro algoritmi (vedi “To Get Truly Smart, AI Might Need to Play More Video Games”). Ciononostante, videogiochi già in commercio e contenenti ore di immagini fotorealistiche potrebbero fornire un sistema più semplice per raccogliere grandi quantità di dati.
Un team di ricercatori degli Intel Labs a dell’Università di Darmstadt hanno sviluppato un metodo per estrarre dati utili da Grand Theft Auto.
I ricercatori hanno creato un software che si frappone al gioco e al hardware del computer per classificare automaticamente oggetti differenti negli scenari stradali presenti nel gioco. Il sistema fornisce le informazioni necessarie all’algoritmo di apprendimento automatico che, così, impara a riconoscere automobili, pedoni ed altri oggetti, siano essi raffigurati all’interno del gioco o in uno scatto reale. Stando a un paper pubblicato di recente dal team, la catalogazione di tutte queste scene con lo stesso livello di dettaglio sarebbe pressoché impossibile per degli esseri umani. I ricercatori sostengono anche che le immagini di addestramento reali possano anche essere migliorate intervenendo con dei dettagli sintetici.
Una delle principali sfide nello sviluppo di una intelligenza artificiale sta nel riuscire a placare la sete di dati manifestata dalla maggior parte degli algoritmi di apprendimento automatico. Si tratta di una caratteristica particolarmente problematica per operazioni quali la guida autonoma nel mondo reale. Occorrono migliaia di ore per raccogliere immagini reali dalle strade, e migliaia di ore per riconoscere ed etichettare gli oggetti al loro interno. Peraltro, l’idea di passare al setaccio ogni possibile scenario della vita reale, come andare a sbattere contro un muro di mattoni a velocità elevata, non è pratico.
“L’annotazione dei dati associati al mondo reale è un’operazione complessa e costosa, e gli attuali approcci non possono essere portati facilmente a una dimensione maggiore”, spiega Alizera Shafaei, uno studente PhD della University of British Columbia e coautore di un recente paper che dimostra come, in alcuni casi, i videogiochi possano essere impiegati per addestrare un sistema di visione artificiale con la stessa qualità dei dati raccolti dal mondo reale. Con l’aiuto di Mark Schmidt, un assistente professore della UBC, Shafaei ha mostrato che i videogiochi forniscono anche una soluzione semplice per variare le ambientazioni trovate nei dati di addestramento.
“Con gli ambienti artificiali possiamo facilmente raccogliere dati precisi, in maggiore misura e con una notevole quantità di variazioni dal punto di vista dell’illuminazione e delle condizioni atmosferiche”, dice Shafaei. “Abbiamo mostrato come questi dati sintetici siano buoni quasi quanto quelli reali, se non addirittura migliori”.
I ricercatori che operano nel campo dell’intelligenza artificiale utilizzano giochi semplici per testare le capacità di apprendimento dei loro algoritmi (vedi “Google’s AI Masters Space Invaders” e “Minecraft è il campo prova per la collaborazione fra uomo e intelligenza artificiale”). C’è però un crescente interesse verso gli scenari dei giochi. Un gruppo della Johns Hopkins University di Baltimora, ad esempio, sta sviluppando uno strumento per connettere un algoritmo di apprendimento automatico a qualunque scenario costruito utilizzando il famoso motore di gioco Unreal. KiteRunner e Hellblade sono alcuni dei giochi che impiegano questo motore.
Rockstar Games, lo studio dietro i prodotti Grand Theft Auto, ha declinato l’opportunità di commentare su questo pezzo.
(MO)
