INTELLIGENZA ARTIFICIALE: DEEP BLUE

L’intelligenza Artificiale è senza dubbio uno dei settori legati all’informatico più in fermento e carichi di aspettative degli ultimi anni. Quello che si cerca di sviluppare è una replica delle principali funzioni cognitive associate alla mente umana, come ad esempio:

1. Learning: raccolta di informazioni e messa a punti di parametri per usare queste informazioni
2. Reasoning: uso di regole per raggiungere conclusioni più o meno definite
3. Problem Solving: ovvero provare ad analizzare un problema per estrapolare da esso una soluzione

Uno degli esempi più noti di intelligenza artificiale è quella del 1997 ovvero Deep Blue dell’IBM che riuscì a battere Garry Kasparov. Il gioco in questione è quello degli scacchi inizialmente si disputo una partita l’anno precedente, nel 1996 in quell’anno però Kasparov riuscì a vincere contro l’intelligenza artificiale con un risultato di 4 a 2, un anno dopo l’intelligenza artificiale si aggiudico il match con il risultato di 3.5 a 2.5.

Il progetto originale si chiamava ChipTest realizzato nel 1985 che era semplicemente un computer ideato per giocare a scacchi, dopo di esso venne realizzato un secondo computer ovvero Deep Thought il nome è tratto da un film chiamato guida galattica per gli autostoppisti.

Hsu e Murray Campbell vennero assunti dall’IBM Research nel 1989, con l’incarico di portare avanti il progetto che porto di conseguenza alla nascita di Deep Blue.

La caratteristica che ha portato Deep Blue alla vittoria era proprio la sua straordinaria potenza computazionale ovvero:

• Computer a parallelismo massivo a 30 nodi basato su RS/6000 (RISC System)
• 480 processori specifici VLSI
• Algoritmo per il gioco degli scacchi è scritto in un linguaggio C
• Sistema Operativo AIX

Grazie a queste specifiche è in grado di calcolare 200 milioni di posizioni al secondo.

Inizialmente è stato scritto seguendo le caratteristiche del gioco ma successivamente sono state modificate utilizzando le specifiche ottimali definite dalle partite di differenti top player.

Le mosse però venivano sempre compiute da un essere umano di conseguenza Kasparov sospettava che alcune delle mosse definite venivano selezionate dall’uomo, una delle motivazioni era proprio quella che la macchina non si trovava nella stessa stanza nella quale si disputava la partita ma a chilometri di distanza, ma soprattutto il sospetto principale fu quello che non vennero mai forniti i tabulati sull’attività del computer che il giocatore Kasparov aveva richiesto in accordo alla sfida.

Il campione russo tempo dopo chiese la rivincita, ma l’IBM rifiutò e ritirò Deep Blue. Infatti Kasparov vide giusto, le regole permettevano ai creatori di modificare e aggiornare durante i vari match la conoscenza della macchina e che quindi veniva sempre di più allineato allo stile di gioco di Kasparov, permettendogli di evitare trappole o mosse che portavano l’intelligenza artificiale in errore. Da tutto l’accaduto venne realizzato un nuovo gioco chiamato Arimaa che rende impossibile realizzare un calcolatore che possa vincere a questo gioco.

Deep Blue è solo una delle intelligenze artificiali di cui abbiamo parlato ma ne esistono molte altre come ad esempio AlphaGo realizzata per vincere al gioco da tavolo go, considerato fino a pochi anni fa fuori dalla portata delle tecniche di apprendimento automoatico.

Attualmente infatti sono molto pochi i giochi in cui il campione mondiale non è una macchina.

Potremmo di conseguenza generalizzare il tutto definendo il concetto inventato da John Nash nel 1994 ovvero la teoria dei giochi la frase iconica:

il risultato migliore per un gruppo si ottiene non quando “ognuno agisce solo in base a ciò che è meglio per sé”, bensì quando “ogni membro del gruppo agisce in base a ciò che è meglio per se stesso e per il gruppo”. Una formula che si può applicare benissimo anche al mercato.

I “giochi” di cui stiamo parlando non sono ciò che comunemente intendiamo (per intenderci carte, dadi, giochi di ruolo etc.). Il “gioco” nella Game Theory è sinonimo di “interazione” fra soggetti (siano essi individui, aziende, Stati, etc.) in cui le decisioni di ogni “giocatore” influenzano le decisioni di tutti gli altri. L’obiettivo finale della Game Theory è quello di analizzare tali interazioni fra giocatori per trovare una “soluzione del gioco”, che va intesa come la combinazione di decisioni prese dai giocatori che portano a una situazione di equilibrio (detto “equilibrio di Nash”, come vedremo in seguito) in cui nessuno dei giocatori è incentivato a modificare la propria situazione.

Diciamo quindi di conseguenza che è possibile analizzare situazioni molto comuni nelle aziende, riuscendo non solo a comprendere dinamiche all’apparenza inspiegabili in diversi contesti, ma anche a trovare soluzioni “non convenzionali” a problemi all’apparenza insolubili.