La notizia arriva dal Brookhaven National Laboratory del Dipartimento dell’Energia statunitense, è stato realizzato un agente di intelligenza artificiale che conduce esperimenti.
La ricerca è stata pubblicata su Machine Learning: Science and Technology.
Personalmente la cosa che ho trovato più interessante nel racconto di come il team del National Synchrotron Light Source II è giunto a questa realizzazione è il fatto che l’approccio usato è lo stesso con cui si era insegnato a delle intelligenze artificiali a giocare a videogiochi come Go e Supermario. Nell’articolo Daniel Olds, uno scienziato che lavora alla beamline (scusate non so se c’è un termine italiano per tradurlo, un sincrotrone è un anello, da questo anello partono dei bracci dove si trovano gli strumenti di misurazione, in inglese questi bracci sia chiamano beamline) del suddetto sincrotrone racconta innanzitutto da cosa è nata la necessità, poi in che modo hanno trasformato il compito da far apprendere all’intelligenza artificiale in qualcosa di simile ai videogiochi.
Ovviamente il tutto è molto complesso per i non addetti ai lavori ma credo che la prima cosa da sottolineare è come raramente gli scienziati cazzeggino, perlomeno non durante il lavoro, insegnare alle intelligenze artificiali a giocare ai videogiochi non è stata una perdita di tempo.
Ma veniamo al problema che avevano al sincrotrone che si trova ad Upton (Long Island, New York) si tratta di una struttura aperta ad istituti di ricerca di tutto il paese, di sincrotroni non è che se ne trovino ad ogni angolo di strada quindi malgrado lavori h24 c’è una lista di attesa che nemmeno la coda al supermercato in tempo di lockdown.
Inoltre noi uomini siamo un collo di bottiglia, dal momento che mangiamo, dormiamo e facciamo altro oltre a monitorare gli esperimenti e prendere misure quelli del Broohaven Laboratory si sono chiesti: possibile farlo fare a una IA?
Badate bene non si tratta di preparare un singolo esperimento, la IA impara a decidere in autonomia quando partire con un esperimento e quando prendere le misurazioni.
L’approccio come detto è lo stesso con cui si è insegnato alle IA come giocare ai videogiochi, si chiama apprendimento per rinforzo (reinforcement learning) il principio è che una IA inserita in un ambiente simulato impara da sola le azioni da compiere per conseguire certi obiettivi basandosi su un sistema di ricompense e penalità. Cioè la IA sviluppa le sue stesse strategie in base a quali scelte passate si sono rivelate fruttuose.
Con la IA del sincrotrone dunque hanno fatto la stessa cosa per arrivare all’intelligenza artificiale che conduce esperimenti. Detto così sembra facile, non lo è stato affatto, innanzitutto qui stiamo parlando di un sistema reale, non simulato, quindi prima gli scienziati ne hanno dovuto realizzare una versione simulata per allenare la IA. Gli scienziati hanno dovuto anche capire come progettare il tutto in modo che il sistema di ricompense che crea l’apprendimento funzionasse. E questi sono solo i problemi concettuali, naturalmente hanno dovuto realizzare una piattaforma software che interfacciasse l’agente di intelligenza artificiale al software che controlla tutti gli esperimenti alle beamline del sincrotrone.
Roberto Todini
