Fino a oggi l'intelligenza artificiale generativa è stata usata soprattutto per produrre artefatti utilizzabili: testo, immagini, codice. In tutti questi casi l'output è qualcosa che resta, un risultato concreto che poi viene impiegato. Esiste però un filone di esplorazione molto diverso, in cui l'output finale diventa quasi secondario e il paradigma cambia in modo profondo. Un progetto recente di Google lo mostra con chiarezza e apre interrogativi che vanno ben oltre il mondo dei videogiochi.
Il progetto GameNGen e il ritorno di Doom
Quattro ricercatori, tre di Google e uno di DeepMind (che è una società di Google), hanno costruito un sistema chiamato GameNGen. Il punto di partenza è un modello di tipo Stable Diffusion, cioè un modello in grado di generare immagini, addestrato però in modo inconsueto. Hanno preso un'altra AI che aveva imparato a giocare a Doom, il celebre sparatutto in prima persona che ha fatto la storia dei videogiochi tridimensionali, e l'hanno fatta giocare per moltissime ore. Avrebbero potuto usare delle persone, ma una macchina fa prima.
Nel frattempo un secondo modello osservava tutti i dati generati da quell'interazione. Da un lato i dati di input, cioè le poche azioni che il gioco consente: muoversi a destra o a sinistra, avanti o indietro, sparare, cambiare arma. Dall'altro i dati di output, ovvero l'immagine che in quel preciso istante (o pochi millisecondi dopo) compariva sullo schermo. Il modello ha imparato la correlazione tra ciò che il giocatore fa e ciò che di conseguenza appare.
La rete neurale diventa il gioco
Il risultato è sorprendente: il modello così addestrato è capace di far giocare una persona a Doom senza che esista il codice software del gioco. Non ci sono regole scritte, non c'è la grafica, non c'è il motore tridimensionale. C'è solo la rete neurale, che riceve in ingresso gli input del giocatore e l'immagine dell'ultimo istante, e genera circa venti fotogrammi al secondo, calcolando di volta in volta la schermata più probabile per quello scenario di gioco. In questo senso resta un algoritmo generativo, ma il salto di paradigma è evidente: non genera il codice che produce il gioco, genera direttamente ciò che si dovrebbe vedere sullo schermo. Il gioco, in pratica, è stato introiettato dentro la rete neurale, che lo è diventata.
Nei test descritti, alle persone è stato chiesto di distinguere tra il gioco reale e quello generato dall'AI. Su sequenze brevi, di qualche minuto, in pochissimi casi sono riuscite a riconoscere la differenza. Probabilmente, giocando più a lungo, le incoerenze emergerebbero, ma il livello raggiunto resta enorme.
Un game engine di una generazione completamente nuova
Fino a oggi, quando si parlava di AI nei videogiochi, si pensava ad altro: dare una personalità più credibile ai personaggi non giocanti, quelli gestiti dal computer, oppure generare scenari tridimensionali, città infinite, ambienti di ogni tipo. In tutti questi casi, però, si tratta sempre di istruzioni e di codice che poi produce il gioco. Qui si è su un livello completamente diverso: il codice viene ignorato, le geometrie e il 3D non esistono come concetti per la macchina. Il motore del gioco semplicemente non c'è, perché il gioco è stato compreso dall'intelligenza artificiale solo osservandolo per un tempo sufficiente, ed essa è in grado di simularlo nel suo output senza conoscerne le regole. È un game engine di una generazione nuova, e diventa una nuova pietra sul muro del no coding: la rete neurale, una volta istruita, è più potente del codice.
Personalizzare l'esperienza con un prompt
Un sistema del genere apre alla creazione di giochi e simulazioni senza scrivere codice. E poiché si tratta di un modello generativo, la personalizzazione diventa naturale: con un prompt si potrebbe chiedere di ambientare lo stesso gioco nell'antica Roma, esattamente come si fa oggi con le immagini, oppure adattare l'esperienza al contesto e alla persona, rendendola diversa per ciascuno. A livello di codice tutto questo è fattibile, ma estremamente oneroso e complesso; con un modello generativo introdurre modificatori e personalizzazioni è nella natura stessa dello strumento e non richiede particolare sforzo.
Qualsiasi contesto può diventare input
L'aspetto più impressionante riguarda forse la natura dell'input. In questo caso il contesto osservato era digitale, perché a giocare era un'altra AI, ma è stato così solo per fare prima: si sarebbero potute usare delle persone. Questo significa che qualsiasi contesto, attività o situazione potrebbe diventare oggetto di osservazione e, a sua volta, essere simulato e generare nuovi contenuti o esiti, a seconda dei contesti analizzati. Un esempio: dando in pasto a un modello simile centinaia di puntate di un format televisivo ripetitivo, insieme ai dati reali di contesto come un'estrazione o un valore, si potrebbe generare una nuova puntata con personaggi che si muovono e reagiscono, perché il modello avrebbe assorbito l'intero format in ogni suo dettaglio. L'approccio si avvicina più all'osservazione che all'introduzione esplicita di contenuto.
Implicazioni inquietanti e opportunità enormi
Le applicazioni possibili sono difficili persino da immaginare. C'è il mondo della formazione, ci sono la gestione di situazioni collettive, di aule, di contesti lavorativi o di traffico. Alcuni scenari hanno potenziali distruttivi, altri potenziali straordinari. Resta il fatto che si tratta di un piccolo segnale di un'evoluzione di un ordine di grandezza diverso rispetto a molte altre novità recenti, capace di portare a risultati e approcci nuovi. Ancora una volta, è il gigante apparentemente fermo a stimolare tutti: da Google, e da una storia fatta anche di moltissimi progetti accantonati, nasce di continuo ricerca capace di spostare i confini del possibile.