Dieci anni fa un’intelligenza artificiale superò un essere umano. Non rappresentò la conclusione, ma un nuovo inizio.

Leggi in app

Lee Sedol, campione di Go 

Nel 1997, quando il supercomputer Deep Blue di IBM sconfisse il campione di scacchi Garry Kasparov, il New York Times pubblicò un titolo memorabile: Machines 1, Men 0. Dieci anni fa, in una stanza d’albergo a Seoul, quel punteggio si è aggravato. Le macchine, oggi, conducono per 2 a 0. Tuttavia, tra il primo e il secondo punto c’è una differenza enorme. E il mondo ha impiegato tempo per afferrarlo completamente.

Deep Blue trionfò grazie alla potenza di calcolo: milioni di posizioni analizzate al secondo. Il sistema di intelligenza artificiale che nel 2016 sfidò il sudcoreano Lee Sedol – diciotto titoli mondiali, il più forte giocatore di Go della sua epoca – ottenne la vittoria con un approccio differente.

AlphaGo, il nome di quell’IA sviluppata da DeepMind, un laboratorio di ricerca sull’intelligenza artificiale acquisito da Google per oltre 400 milioni di dollari, possedeva un metodo distintivo.

Un modo di operare che assomigliava all’intuizione umana.

La sconfitta che ha aperto il futuro dell’IA

Nonostante i suoi successi, Lee Sedol – come Kasparov – sarà probabilmente ricordato per sempre per una sconfitta.

Tuttavia, per l’umanità che ha assistito al suo confronto con una macchina – seguito in diretta da duecento milioni di spettatori – quella sconfitta ha rappresentato, in realtà, una vittoria. Della scienza.

Superando il campione sudcoreano di Go, AlphaGo ha aperto una porta verso un futuro che i pionieri dell’intelligenza artificiale cercavano di varcare da sessant’anni.

La sconfitta del secolo, vista con la prospettiva attuale, non fu una conclusione. Fu l’inizio della corsa all’intelligenza artificiale che sta trasformando le nostre esistenze.

Perché il Go era un problema irrisolvibile per l’IA

Per comprendere quanto accadde a marzo 2016, è necessario prima conoscere il Go. Con oltre quattromila anni di storia, nonostante le regole relativamente semplici, è sempre stato considerato uno dei giochi più complessi mai esistiti. Due giocatori, a turno, posizionano pietre bianche e nere su una griglia di legno – chiamata goban – composta da diciannove linee per lato. L’obiettivo è conquistare territorio circondando le pietre avversarie. Un bambino può apprenderlo in dieci minuti. Tuttavia, il numero di configurazioni possibili sul goban supera il numero di atomi nell’universo osservabile: dieci alla centosettantesima potenza.

“Il Go è spesso paragonato agli scacchi, ma in realtà è, sotto molti aspetti, un gioco più affascinante”, ha dichiarato Thore Graepel, Distinguished Research Scientist di Google DeepMind, uno degli architetti di quel match.

“Ha una tradizione millenaria, è stato praticato per migliaia di anni, è nato in Cina ed è stato giocato attraverso i secoli. Ancora oggi ci sono molte persone, giocatori professionisti di Go, che dedicano la loro vita a giocare a questo gioco al massimo livello possibile – ha aggiunto Graepel -. Quando nel 1997 Deep Blue sconfisse Garry Kasparov, gli scacchi furono in un certo senso risolti [nel senso che il più forte giocatore umano era stato superato da una macchina, ndr] ma il Go rimaneva un territorio completamente inesplorato. Ci si potrebbe chiedere perché non siano state applicate le stesse tecniche efficaci usate per gli scacchi, ma la verità è che il Go possiede una complessità strutturale tale da rendere quell’approccio del tutto inadeguato. In ogni fase della partita, le opzioni di mossa sono innumerevoli e una sfida può durare dai 200 ai 300 turni: una complessità che superava ogni capacità di calcolo allora concepibile”.

Thore Graepel, Distinguished Scientist, Google DeepMind e parte del team AlphaGo dell’epoca 

Deep learning e reti neurali: la strategia di AlphaGo

Google DeepMind ha trovato le risorse necessarie per affrontare e risolvere anche il Go.

La soluzione elaborata da DeepMind prevedeva l’impiego di due reti neurali. Una rappresentava il pensiero lento: valutava la posizione sulla scacchiera. L’altra emulava il pensiero veloce: suggeriva le mosse più promettenti, grazie a un algoritmo che esplorava solo i rami più fruttuosi dell’albero delle possibilità.

AlphaGo, in sostanza, non calcolava ogni possibilità come avrebbe tentato Deep Blue: selezionava dove concentrare l’attenzione. In questo, era più simile a un essere umano di quanto non fosse mai stato un computer in precedenza.

AlphaGo, la differenza tra macchina e essere umano raccontata da Thore Graepel

Fan Hui, il primo segnale della rivoluzione

Il primo a cadere fu Fan Hui, che a metà degli anni Duemiladieci era il campione europeo di Go. Nell’ottobre del 2015, cinque mesi prima della sfida di Seoul, DeepMind lo invitò a Londra per un test segreto.

Fan Hui era un professionista che aveva dedicato la sua vita a quel gioco. Dopo cinque partite, però, il verdetto fu chiaro: cinque a zero per la macchina. AlphaGo era pronto per la sfida successiva. Contro il migliore. “Non sembrava un computer” – ha raccontato in seguito Fan Hui -. Giocava con una bellezza che mi intimidiva. Mi sono sentito vulnerabile”.

Ma Fan Hui non era Lee Sedol. E il team lo sapeva. Demis Hassabis, a capo di Google DeepMind, definì il campione sudcoreano una leggenda con un istinto letale, e avvertì il team: se AlphaGo avesse avuto una minima debolezza, Lee Sedol l’avrebbe trovata e distrutta. Fan Hui, che nel frattempo era diventato consulente del progetto, fu ancora più diretto: Lee Sedol non gioca come me, disse. Lui è un predatore.

Lee Sedol, dal canto suo, aveva studiato i filmati delle partite contro Fan Hui e concluso, frettolosamente, di appartenere a un altro livello. Alla conferenza stampa che ufficializzò la sfida, dichiarò categorico: “Non credo che l’intelligenza artificiale possa raggiungere il livello dell’intuizione umana nel Go. Penso che finirà 5 a 0, o forse 4 a 1, per me. Voglio proteggere la bellezza del gioco umano”.

Sul punteggio aveva ragione. Sbagliava su chi avrebbe vinto.

Lee Sedol contro la macchina: l’ultima sfida dell’uomo

Il team di Google DeepMind era atterrato a Seoul con i server in valigia e il cuore in gola.

Graepel ci ha raccontato la tensione di quei giorni: “C’era una grande eccitazione, perché la posta in gioco era altissima e il tempo per migliorare AlphaGo era limitato, ma allo stesso tempo sentivamo il peso della responsabilità. Sapevamo di salire su un palcoscenico mondiale sotto gli occhi di tutti: rappresentavamo DeepMind, Google e, in un certo senso, persino il Regno Unito, dato che gareggiavamo sotto la bandiera britannica.”.

In Corea del Sud, i migliori giocatori di Go sono vere celebrità, e l’accoglienza fu da finale di Champions League: fotografi, troupe televisive, centinaia di giornalisti. Milioni di persone avrebbero seguito la sfida in diretta.

In gran parte asiatiche, poiché il Go in Oriente è ciò che il calcio è in Europa.

La tensione dietro le quinte e la prima mossa

“Abbiamo lavorato febbrilmente fino all’ultimo istante per perfezionare il software – ci ha detto Graepel -. Continuavamo a misurare i progressi rispetto alle versioni precedenti, ma la grande incognita rimaneva Lee Sedol. Durante la conferenza stampa, lui si era mostrato molto sicuro di vincere.

Trattandosi del massimo esperto mondiale, le sue parole ci fecero pensare: ‘Cielo, speriamo bene’. Abbiamo messo tutto noi stessi in quel lavoro, ma a un certo punto ci siamo dovuti fermare. Era più importante assicurarsi che il sistema fosse affidabile e stabile che cercare un ulteriore incremento della forza di gioco”.

A questo proposito, c’è una storia, ci ha spiegato Graepel, che non è mai stata raccontata abbastanza. Nella prima partita, quando Lee Sedol giocò la prima mossa, AlphaGo non rispose immediatamente.

Ci fu un minuto di silenzio “agonizzante”. “Per un giocatore di Go – ha raccontato Graepel – è molto insolito non rispondere subito alle prime mosse, poiché di solito si ha già un piano d’azione, ma noi avevamo programmato il sistema affinché impiegasse la stessa quantità di tempo per ogni mossa, così da limitare la complessità. In quegli istanti speravamo solo che l’intera infrastruttura, con i TPU di Google [processori progettati per far funzionare più velocemente l’intelligenza artificiale, ndr] e tutti i collegamenti, funzionasse a dovere. Quando finalmente il display ha mostrato la mossa, il sollievo è stato immenso: abbiamo capito che tutto stava funzionando”.

La partita che ha cambiato la storia dell’IA

AlphaGo vinse la prima partita. Lee Sedol apparve visibilmente scosso. Di fronte alle telecamere, poco dopo aver posato l’ultima pietra in segno di resa, si scusò con il pubblico coreano. Ma il peggio, e il meglio, doveva ancora arrivare.

La seconda partita fu quella che riscrisse, davvero, la storia dell’intelligenza artificiale. Alla trentasettesima mossa, AlphaGo posò una pietra sulla quinta linea della scacchiera, in una posizione che gli esperti considerarono un errore strategico. Non lo era.

In sala, Graepel ha vissuto la scena in tempo reale. Un professionista del Go americano, seduto accanto a lui, gli disse che consigliava sempre ai suoi studenti di non giocare quella mossa. “Gli ho detto: aspettiamo e vediamo – ha ricordato Graepel -. Più tardi è venuto da me e ha detto che era stupito di aver potuto far parte di quell’evento. All’inizio era scettico, poi ha abbracciato le capacità del sistema ed è diventato un appassionato di AlphaGo: gli ha permesso di capire meglio il gioco”.

La Mossa 37: un lampo di creatività artificiale

Quella mossa inizialmente criticata, la 37, era una “spallata” sulla quinta linea: AlphaGo cedeva territorio all’avversario in cambio di influenza verso il centro, in un rapporto che i giocatori umani avevano sempre considerato svantaggioso.

Il sistema stesso avrebbe calcolato, inseguito, che la probabilità che un professionista la scegliesse era di una su diecimila. Si rivelò decisiva per la vittoria.

“Momenti come quello della Mossa 37, in cui AlphaGo ha dimostrato una reale creatività, hanno fatto capire che possiamo scoprire nuova conoscenza attraverso l’intelligenza artificiale” ci ha spiegato Pushmeet Kohli, VP Science di Google DeepMind, che oggi guida la divisione scientifica dell’azienda.

“Fino ad allora, nel machine learning c’era quest’idea che i modelli stessero essenzialmente generalizzando: gli dai due esempi e il modello capisce cosa succede nel mezzo. Ma non si immaginava potessero mostrare una creatività genuina, proporre concetti nuovi. La Mossa 37 ha cambiato tutto questo”.

Per la prima volta nella storia, un sistema di intelligenza artificiale non si era limitato a replicare la conoscenza umana: l’aveva superata, producendo un’idea originale che gli esperti non avevano mai concepito. Era il momento Sputnik dell’intelligenza artificiale moderna.

La mossa folle dell’IA che ha messo in crisi Lee Sedol, il campione di Go

La risposta umana: la “mossa di Dio” di Lee Sedol

AlphaGo si aggiudicò anche il terzo incontro. Il match, al meglio delle cinque partite, era ormai deciso: tre a zero. Ma Lee Sedol non era arrivato fin lì per arrendersi con garbo. Provò a riprendersi i riflettori. E ci riuscì.

Alla mossa 78 del quarto match, il campione sudcoreano fermò la mano a mezz’aria. Rimase immobile per quasi otto minuti e poi posò una pietra al centro della scacchiera che nessuno aveva previsto.

Anche AlphaGo fu preso alla sprovvista. E mostrò per la prima volta dei segni di cedimento. Le mosse successive della macchina persero coerenza. Lee Sedol finalmente vinse. Durante la conferenza stampa pianse. Nel mondo del Go, chiamarono quella svolta “la mossa di Dio”.

“Il nostro team viveva un profondo conflitto interiore – ci ha raccontato Graepel -. Da un lato volevamo che AlphaGo vincesse, perché era la nostra creatura, il progetto a cui avevamo dedicato ogni energia; dall’altro, nutrivamo un’ammirazione sconfinata per Lee Sedol. Molti tra di noi erano forti giocatori di Go e sapevano bene cosa significasse affrontare una sfida di quel livello. Giocare con una simile posta in gioco, sotto una pressione mediatica costante, richiede un coraggio e una forza mentale fuori dal comune. Lee Sedol si trovava in una posizione di estrema difficoltà: non aveva di fronte un avversario umano di cui poter interpretare le espressioni o il linguaggio del corpo, ma una macchina che non lasciava trapelare nulla. Si potrebbe pensare che la nostra sconfitta