Cos’è il Machine Learning? Con questa semplice definizione proveniente dal sito ufficiale della Oracle Database, la più famosa azienda di Database Management System, proveremo a chiarirci le idee.
“Il Machine Learning (ML) è un sottoinsieme dell’intelligenza artificiale (AI) che si occupa di creare sistemi che apprendono o migliorano le performance in base ai dati che utilizzano.”
Il Machine Learning è quindi un tipo di Intelligenza artificiale oggi ampiamente utilizzato nella robotica e l’automatizzazione industriale, così come nella gestione di una grande mole di dati come nel caso dei database.
Il Machine Learning nei videogiochi
Il Machine Learning è utilizzato poi nell’industria videoludica e sta consentendo alle software house, di creare algoritmi per migliorarne diversi aspetti, quali ad esempio: l’intelligenza e l’espressività dei personaggi non giocanti (NPC), il realismo dell’esperienza di gioco in generale, tra cui anche un ambiente dinamico, o ancora, il cosiddetto “matchmaking”, ossia l’accoppiamento di due utenti su base di affinità di gioco, livello di esperienza, punti ecc.., nel contesto di un videogame.
L’utilizzo di intelligenza artificiale è impiegato sia in videogame per console, sia in giochi di diverso tipo, anche nelle classiche app fruibili da smartphone.
Pensiamo ad esempio al sopracitato “matchmaking”, nel contesto di un gioco online di strategia, quanto possa essere importante per creare sfide mai banali.
Ancora, L’intelligenza Artificiale (d’ora in poi abbreviata con “AI”) è utilizzata nei giochi in cui l’utente sfida un computer, come nel caso dei videogame stile classico tipo Book of Ra Deluxe, il Burraco o il Monopoly online, per rendere le sfide ancora più competitive. Questo è un tema centrale per i “videogiochi del futuro” i quali vedono una soglia dell’attenzione dell’utente ridotto e un’accelerazione tecnologica senza precedenti, pertanto necessitano di adattarsi a queste nuove condizioni. Il Machine Learning è per questo ampiamente utilizzato anche negli E-sports, ossia i nuovi “sport virtuali” (si tratta di videogame sportivi per i quali si fanno veri e propri tornei tra giocatori).
Ma attenzione: esistono anche degli svantaggi e soprattutto dei pericoli nell’utilizzo del Machine Learning.
Si tratta di insidie non solo per i giocatori, ma anche per gli sviluppatori stessi, i quali devono lavorare attivamente alla risoluzione di eventuali “bug”, derivanti proprio dall’auto apprendimento dei computer. Ad esempio, se pensiamo ad un nemico di un videogioco da battere per passare il livello, è facile capire che, se questo imparerà dai nostri errori e dalle nostre attitudini di gioco, auto migliorandosi di volta in volta, diventerà per il giocatore impossibile batterlo, a meno che questo non modifichi drasticamente le sue abitudini e i suoi schemi di gioco. Questo potrebbe dar vita ad un vero e proprio errore di sviluppo nel videogame.
La personalizzazione e l’immersività di gioco: in che modo funziona il Deep Learning
Come abbiamo detto, questi algoritmi intelligenti che scambiano all’istante dati e ne elaborano altrettanti dopo averli presi dai modi di gioco dell’utente e dall’interazione con questo, migliorano l’esperienza di gioco nella sua totalità cambiandone le regole tradizionali.
L’obiettivo principale è esibire un ambiente di gioco che appaia al giocatore intelligente, pertanto più stimolante.
Cosa si intende con queste parole?
Spesso nei videogame esistono personaggi chiamati “non giocanti” in quanto parte del gioco, ma guidati al computer, i quali non saranno più meri “oggetti” a fare da sfondo all’ambiente, ma saranno davvero più realistici perché potrebbero ad esempio cambiare le risposte alle interazioni o il modo stesso di interagire con i giocatori a seconda delle mosse di quest’ultimo. Si tratta quindi di un concetto di “gioco personalizzato” a seconda di chi siamo e come ci poniamo.
Lo scopo, oltre l’immersività e la personalizzazione, è poi quello di avere il completo controllo delle mosse dell’utente, il quale, trovandosi in una rete complessa, potrà agire in differenti modi. Questo potrebbe mettere in crisi il sistema, il quale potrebbe andare un bug se le mosse dell’utente non venissero previste dagli sviluppatori di gioco.
Le critiche ai progressi del Machine Learning
Un gruppo di ricerca sull’AI, in Australia, ha dimostrato tramite uno studio (qui riassunto e spiegato), come sia possibile addestrare un sistema per fargli manipolare il comportamento umano e dunque il suo processo decisionale.
Sono molte le critiche e gli avvertimenti che ci giungono in campo tecnologico anche da scienziati e ricercatori importanti e di recente molti scrittori hanno raccolto queste criticità in libri molto dettagliati, come è il caso del libro della torinese Enrica Perrucchietti, con il suo “Cyberuomo”, un testo che racconta il transumanesimo, ossia la volontà di trascendere i limiti dell’umano e delle nuove tecnologie, fra cui appunto le applicazioni del Machine Learning.
Vi sono poi casi di cronaca o rivelazioni che vengono fatte proprio da chi queste cose le mastica per lavoro, che non lasciano molti dubbi alla potenziale pericolosità di un progresso informatico e tecnologico super avanzato, come nel caso dell’Intelligenza Artificiale utilizzata dal colosso Meta.
Il caso in questione è quello della diffusione di contenuti poco appropriati nel social network più famoso, ma in realtà la tematica è molto più complessa e non si limita alla diffusione di contenuti poco consoni, ma proprio in generale, ai contenuti. Avete mai visto la docuserie Netflix “The Social Dilemma?”, ebbene il tema centrale erano proprio gli algoritmi di Intelligenza Artificiale, i quali, imparando dalle preferenze degli utenti, andavano ad auto-affinarsi per migliorarsi, fino a mostrare all’utente esattamente sempre e solo i contenuti di cui andava ghiotto. Il problema è che questo strumento è stato utilizzato anche per deviare l’opinione dei cittadini nelle elezioni politiche americane o ancora per autoconvincere sempre di più una persona su un determinato argomento, lasciando poco spazio al confronto o a contenuti dall’ opinione opposta.