intelligenza artificiale

Gara di auto elettriche, svanisce la zavorra del pilota

di

Se funziona nei videogiochi, perché non dovrebbe farlo anche nel mondo reale? Beh, “funziona” è una parola grossa. Nel vasto catalogo di esperienze digitali interattive in cui siamo chiamati a dirigere un missile su ruote lungo i percorsi soliti noti, l’intelligenza artificiale è sempre un gran punto interrogativo. Poiché può basarsi, essenzialmente, su due direttive molto differenti, seguire semplicemente la linea di gara, oppure interpretarla. La differenza non potrebbe essere maggiore: nel primo caso, al giocatore sembrerà di essere come una scheggia impazzita, inserita artificialmente nel bel mezzo di un ingorgo a più di 300 Km/h. I diversi concorrenti, in realtà avatar dello stesso pilota privo di un corpo, marceranno ordinatamente lungo il tracciato, inscenando qualche volta la figura di un sorpasso. Neppure urtarli, accidentalmente o di proposito (magari per la frustrazione) potrà fare molto per alterarne il rigido copione. Fu questo il caso del primo, storico Gran Turismo per PSX, e di un buon 80% dei driving game venuti dopo quel momento. Ma c’è stata un’epoca, costellata di nomi come il game designer Geoff Crammond, la compagnia Papyrus e Simbin dei tempi d’oro, in cui le automobili venivano effettivamente programmate. Con una serie di comportamenti, non soltanto direttive, talvolta inclusivi di “episodi” umani, come errori di calcolo, pressione psichica o paura. Ecco, quest’ultima parte, sconsiglierei di eliminarla dal futuro della quattroruote Robocar. Dopo tutto, stiamo parlando di un bolide che dovrà girare nel mondo fisico, con tutti i rischi connessi ad una tale finalizzazione. Tranne quello, fino ad ora, considerato inevitabile: le gravi conseguenze per chi guida. Per il semplice fatto che non ci sarà più un “Chi”. Avete capito di cosa sto parlando? A partire dal 2014, nello scenario automobilistico mondiale esiste questa realtà in grado di rompere con il passato, identificata con una singola lettera dell’alfabeto. Formula E, ha deciso di chiamarla la FIA organizzatrice, dove la E vorrebbe simboleggiare, ovviamente, la parola ed il concetto di Elettricità. Il che sottintende assai evidentemente, questa serie di gare in cui il rombo del motore viene sostituito da un sibilo intenso, che sottintende una velocità massima inferiore ma il più delle volte, un’accelerazione niente meno che bruciante. C’è poi l’altro piccolo dettaglio di sfondo: la stessa macchina per tutti i team. Benché nell’ultima edizione, ci si stia muovendo in direzione diametralmente opposta, con la nuova regola che consente qualche grado di personalizzazione al gruppo motopropulsore, cuore stesso del veicolo in questione. Ma questo non è l’unico punto di rottura netta della serie, caratterizzata da un certo numero di altre caratteristiche distintive: intanto, i tracciati. Nove proposte disseminati tra altrettante città di larga fama, come Parigi, Hong Kong e Marrakesh (l’ottava, la decima e la dodicesima gara riutilizzano per la seconda volta, rispettivamente, Berlino, New York e Montreal) . Senza mancare ovviamente, di fare una visita al celebre circuito di Monaco, con prospettive ancora più intriganti all’orizzonte. Chi non sa ormai quasi tutto, ad esempio, del progetto confermato di portare presto questo grande show a Roma?
Tutto il caravanserraglio inclusi gli elementi di contorno, tra cui dovrebbe figurare, entro la fine di quest’anno, anche il campionato collaterale di Roborace. O almeno questo è ciò che sperano gli organizzatori. Di certo. a guardare il video appena rilasciato, proveniente dal circuito tedesco dell’ex-aeroporto Templehof situato nella capitale berlinese, sembra oggi di essere notevolmente più vicini all’obiettivo. L’automobile impiegata per la prova, in realtà non quella definitiva prevista dagli organizzatori, sfreccia ad ottime velocità lungo le 17 curve di questo vero e proprio labirinto d’asfalto, tutt’altro che un circuito veloce, ma proprio per questo, anche molto tecnico dal punto di vista di coloro che dovrebbero guidare. La Devbot, in realtà nient’altro che una Ginetta LMP3, ovviamente con motore al 100% elettrico, guida con una cautela pari a quella di un pilota di abilità medio-bassa. È stato dichiarato a tal proposito che la velocità complessiva sia inferiore dell’8% a quella media dimostrata dai partecipanti umani; ma questo non è necessariamente disastroso. Poiché, per tornare alla questione dell’IA (Intelligenza Artificiale) che si occupa di pilotarla, questo non è un veicolo che segua un copione particolarmente stringente. Altrimenti, cosa avrebbe di speciale? Forse ricorderete l’incredibile realizzazione dell’Università di Stanford a partire da un’Audi TTS nel 2010, che venne fatta girare sul circuito di Pikes Peak con punte di 209 Km/h ed un tempo finale, comparabilmente, decisamente più notevole di quello della Devbot. Per poi replicare il successo sul circuito di Top Gear, in una precedente puntata del famoso programma Tv inglese. Ma il punto è proprio questo: l’Audi andava tanto forte, poiché la sua navigazione si basava su una speciale tipologia di GPS reattivo, in grado di determinare la sua posizione sulla pista con pochi centimetri di errore. Questione ben diversa dal proposito di questa erede, che piuttosto alla maniera delle driverless cars di Google ed Uber, si propone di fare affidamento su telecamere a infrarossi, radar e lidar, finalizzati ad uno studio in divenire degli eventuali pericoli su strada, nonché un presa di coscienza, a livello di algoritmo, dell’effettiva linea da seguire. In gergo, si parla di un’automobile senza guidatore di livello 5. Neppure all’epoca degli anni d’oro dei simulatori ludici su PC, fu mai raggiunto davvero l’equivalente del livello 5. Ma in futuro, come dicevamo…

Leggi tutto

Continua la sfida uomo-macchina sui tabelloni del Go

di

AlphaGo Second Match

Quando saranno passate circa tre ore dal caricamento di questo post, si sarà conclusa tra i fasti dell’hotel Four Seasons di Seul la seconda delle 5 partite previste tra Lee Sedol, l’attuale secondo praticante più forte al mondo del gioco del Go (nonché campione del mondo) e AlphaGo, il potente software fuoriuscito dai laboratori dell’azienda DeepMind, acquistata nel 2010 da Google nell’ottica dei suoi recenti esperimenti nel campo dell’intelligenza artificiale. L’una dopo l’altra, le pedine bianche e nere stanno trovando posto sulla griglia 19×19, con un ticchettìo attraente che richiama la musica stessa della creazione. Non è questo, che l’ennesimo capitolo della presente, passata, futura sfida tra metallo ed organismi, silicio e idrocarburi, calcoli automatici e ragionamento. Ma di un tipo che potrebbe, molto probabilmente, entrare a pieno diritto nella storia non soltanto di questo antico gioco, o di quella della tecnologia applicata alla simulazione dei cervelli umani, ma nella stessa cronaca di quello che ci aspetta di qui a poco, al giro instabile del susseguirsi generazionale. Il fatto è che chiedendo cosa si aspettavano ai conoscitori di entrambi i settori citati, diciamo verso la metà dell’anno scorso, tutti avrebbero concordato in un pronostico di questo tipo: “Ah, si, le macchine! I computer sono molto intelligenti. Ma non succederà mai che uno di loro, in un tempo prossimo e imminente, possa riuscire a sconfiggere un professionista del più imprevedibile, complesso e astratto gioco della storia…” Il problema fondamentale, in effetti, è che benché il Go possa essere codificato con la matematica (dopo tutto, cosa non lo è) se tradotto in questi termini diventa essenzialmente ingestibile, persino alla mente artificiale più complessa del mondo. Considerate questo: in una partita a scacchi, al primo turno, un giocatore ha disponibili esattamente venti mosse, destinate a calare col procedere della partita. Un giocatore di Go, invece, ne ha 55 se si considera la simmetria. Ma non appena questa verrà a mancare, inevitabilmente dopo i primi due minuti di gioco, egli dovrà iniziare a considerare come possibili bersagli per le sue pedine tutti e 361 gli incroci della griglia di gioco.
Problema certamente complesso, se si cerca di impiegare una strategia ben precisa da implementare con le nostre mani in carne ed ossa, ma praticamente irrisolvibile coi metodi impiegati normalmente dai software che ricevano l’incarico di far faville su scacchiere, tabelloni o così via. Immaginate, come riferimento, il tipico funzionamento di un programma scacchistico, come per esempio l’ultra-popolare Fritz, ormai giunto alla sua quindicesima versione. Un software che, essenzialmente, simula partite a gran velocità. Ciò che è stato concepito per fare, infatti, dal momento in cui riceve l’incarico di fare muro contro l’avversario di turno, è costruire virtualmente una struttura ad albero di possibili risultanze, in cui ciascuna mossa conduce a nuove ramificazioni. Quindi esso valuta, all’interno di un simile sistema, tutte le mosse future dell’avversario fino al finale di partita, ancòra e ancòra e… Ora, un’affermazione spesso ripetuta per il gioco del Go, particolarmente amata e ripetuta, per comprensibili ragioni, da Demis Hassabis, uno dei capi del progetto AlphaGo, è che “Ci sono più possibili combinazioni in una partita di questo gioco, che atomi nell’universo intero.” Certamente un’esagerazione, se mai se n’era vista una prima d’ora. Eppure, difficile negarlo, anche un’affermazione con l’indubbia capacità di rendere l’idea. Nel frattempo, tuttavia, è la stessa performance del suo figlioccio, l’inquietante sistema di calcolo che è in realtà qualcosa di totalmente differente, a sembrare smentire i nostri preconcetti sui limiti del finto-pensiero: già ad ottobre del 2015, contrariamente a tutti i pronostici, il sistema di calcolo distribuito messo a disposizione da Google (un numero imprecisato, e probabilmente elevatissimo, di computer collegati a distanza per un fine comune) ha sconfitto Fan Hui, il campione europeo di Go, valutato al secondo dei nove “dan” possibili nella graduatoria dell’abilità umana. Che potrebbe anche sembrare relativamente poco, se non fosse per l’alta competitività dei massimi livelli della disciplina, che vedono assegnati premi di diverse centinaia di migliaia di dollari anche soltanto per un singolo torneo. Ma tutto questo non era ancora nulla, se comparato con l’esito del match di ieri, in cui AlphaGo ha sconfitto per la prima volta quello che potrebbe rivelarsi, nell’immediato futuro, il suo avversario più difficile in assoluto.

Leggi tutto

L’allucinazione del supermercato dove tutto è cane

di

Dog Market

Quanto sto per raccontare è assolutamente accaduto, anche se non si conoscono il luogo ed il momento esatto della vicenda, il nome delle persone o tecnologie coinvolte, il tipo di strumenti utilizzati, la causa scatenante, il destino vissuto dal prodotto finale. Negli anni ’80, l’esercito degli Stati Uniti si trovò innanzi ad un dilemma: come sfruttare le nuove tecnologie informatiche per aumentare non soltanto la letale precisione delle proprie armi, ma anche per accrescere il potenziale di sopravvivenza di chi pilotava i carri armati? La risposta, a quanto pare, fu ben presto chiara ed immediata: tramite l’intelligenza artificiale. Poiché era possibile, almeno in via teorica, addestrare un computer per assistere gli equipaggi in quello che è sempre stato il singolo compito più importante nei contesti bellici, ovvero avvistare il nemico, prima che lui potesse far lo stesso a noi. Possibile, sia chiaro, ma non semplice. In quanto noi non umani ben difficilmente potremmo affermare di comprendere alla perfezione ciò che ci consente d’individuare la forma e/o l’essenza delle cose, come enunciato nella frase: “Quella che noi chiamiamo una rosa, con qualsiasi altro nome, profumerebbe altrettanto dolcemente” e l’evidenza, parimenti a ciò che scrisse Shakespeare del più amato fiore, non determina la pura verità. Così avvenne, all’interno di una qualche cupa installazione di ricerca militare, che alcune le menti più brillanti del Pentagono fossero instradate alla progettazione di un computer differente da qualsiasi altro mai creato prima. Che fosse in grado di interpretare le immagini, ma non in modo matematico (la conta dei pixel o dei colori, l’individuazione delle auguste geometrie) quanto sulla base di una semplice domanda monotipica: “Dietro a quel particolare albero, c’è per caso un carro sovietico, in agguato?” Ah, magnifico, persino carico di un vago senso d’ironia. Pare quasi di vedere gli scienziati ed ingegneri in camice bianco, con il loro album fotografico di 100 panorami, alcuni con sorpresa cingolata, altri privi di elementi minacciosi di alcun tipo. Intenti ad inserirli, in rapida sequenza, nella fessura orizzontale di uno scanner primitivo. All’altro capo del quale non c’era una singola entità artificiale, ma diverse interconnesse, secondo il metodo e la prassi che si usa ancora oggi, per (tentare di) riconoscere calligrafie, parole pronunciate ad alta voce, i volti delle persone presenti in una scena. Li chiamano network neurali. E pur essendo *ancòra notevolmente meno efficaci di un vero cervello umano, non sono in alcun modo meno misteriosi, o difficili da dominare. Pensate di essere, per un momento, un singolo neurone sospeso nella guaina mielinica di un cranio, dotato delle cognizioni necessarie a riconoscere soltanto il blu. Trovandovi di fronte ad un qualcosa di verde, non potrete far altro che passarlo al vostro vicino, il quale forse noterà l’assenza del giallo, oppure quella del rosso e così via, fino a trovare la risposta. Ma un carro armato è molto più complesso di così, perché può trovarsi in mille angolazioni differenti, essere coperto parzialmente dal paesaggio…Passarono i giorni, le settimane. A fronte di un frenetico processo di addestramento, si giunse infine al punto in cui, senza timor d’errori, il sistema riconosceva e contrassegnava tra le 100 foto quelle da considerare “pericolose” senza il minimo margine d’errore. Il numero dei successi continuava ad aumentare. La missione era…Riuscita? Furono chiamati il capo-progetto, il generale d’armata, forse addirittura il presidente degli Stati Uniti. Per inserire dinnanzi a loro, non senza un certo grado di aspettativa e pathos, una nuova serie di foto nel computer, nuovamente suddivise tra bucolici contesti e luoghi prossimi all’agguato veicolare. Ebbene, a quanto pare, il computer stavolta fallì nell’identificare il dovuto, con una percentuale di successi molto inferiore a quanto mai fosse successo in precedenza. Furono effettuati degli studi, nuovi saggi e dimostrazioni. Finché non si giunse all’orrida realtà: che nelle fondamentali 100 foto utilizzate inizialmente, c’era un tratto distintivo ben più evidente dell’eventuale presenza del nemico. Perché tutte quelle senza carro armato, erano state effettuate in una giornata di sole piuttosto intenso. Mentre le altre, con il cielo parzialmente coperto. Ciò che il computer stava identificando, dunque, era semplicemente la luce ambientale della scena! Non è terribile, tutto ciò? Personalmente, trovo che sia una progressione dalle analogie profondamente nichiliste. Ecco una macchina creata per “comprendere” di avere uno scopo, ma la quale non è in grado di capire quale questo, in effetti, sia. E s’impegna quotidianamente, per l’intero segmento del suo attimo di gloria, nel perseguire un obiettivo che non si dimostra quello designato dai creatori. Prima di essere per sempre spenta, poi dimenticata.

Leggi tutto

La strana maratona dei pupazzi claudicanti

di

SIGGRAPH walkers

L’evoluzione è un processo che lavora percorrendo strade parallele. Quasi sempre, tranne che in un caso: quando viene simulata, dentro al mondo dei computer, con lo scopo di risolvere un problema assai specifico. Quello, per l’appunto, dell’Evoluzione stessa. Allora avviene tutta insieme, correndo alla follia, da velociraptor-struzzo allo svettante giraffoide, saltellando, traballando fino all’inevitabile figura bipede dell’uomo. Normale, tarchiata oppure con lo stile di un trapezio, la testa rigida e quadrangolare. Perché limitarsi? Stiamo solo Simulando una bizzarra maratona. Emulando, per divertimento, la natura. Un’attività che potrebbe dimostarsi utile, in realtà, nei campi più diversi. Non ultimi, quelli del cinema e dei videogiochi.
Questa animazione, divertente nella sua velata assurdità, è il prodotto di Thomas Geijtenbeek, A. Frank van der Stappen e Michiel van de Panne, stimati grafici tridimensionali delle università di Utrecht (i primi due) e della British Columbia (il terzo). È stato presentato, insieme ad una tesi esplicativa, nella più recente conferenza del SIGGRAPH, lo Special Interest Group on Graphics, che viene organizzato due volte l’anno dalla ACM, ovvero l’Association for Computing Machinery. Un vero summit di cervelli fuori dal comune, iscritti ad una prestigiosa società scientifica internazionale. I quali, stavolta, volevano capire se i computer potessero imparare a camminare, senza l’aiuto da parte degli umani, soltanto grazie al calcolo randomizzato. E così hanno scatenato queste creature, reali e immaginarie, sorrette da muscoli, uno scheletro e guidate da feedback di risposta ad un variabile contesto. Si comincia con la purissima teoria, si finisce lanciando scatoloni contro sventurate marionette, in equilibro sulla passerella di Takeshi’s Castle! Quasi come nella vita vera.
Una generazione dopo l’altra, pesce dopo procariota, coccodrillo dopo protozoo, le generazioni si protendono verso la migliore tecnica per la sopravvivenza. Chi fallisce, non resiste, sparisce. Sempre, comunque per gradi. Manca infatti un attimo preciso, nell’interminabile annuario della Terra, in cui il proto-anfibio si è proteso sulle zampe, la testa fuori dall’acqua, per chiudere le branchie e andare a vivere sugli alberi, tutto insieme nello stesso giorno. Ci sono voluti secoli o millenni di parziali fallimenti per creare il bradipo, dalla rana. C’era stato tutto il tempo per abituarsi, a mangiare foglie invece che insetti, ad arrampicarsi e meditare, piuttosto che gracchiare. E per sempre ci sarà.

Leggi tutto

1 … 4 5 6