Cognitive Assemblages
Thesis project by Alessandro Mintrone - advisor: Alessio Erioli - Thesis project done @ Università di Bologna - 2020
Thesis project by Alessandro Mintrone - advisor: Alessio Erioli - Thesis project done @ Università di Bologna - 2020
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
3. Intelligenze. La capacità di un sistema che fa uso di Reinforcement
Learning di imparare dall’esperienza, senza il
bisogno di esempi omogenei, o di un modello pregresso
del compito da affrontare, rendono questo tipo di Machine
Learning adatto ad affrontare problemi aperti e generali.
Il riconscimento del problema architettonico come problema
aperto, di cui è arduo tracciare confini e sottoinsiemi, motiva
la scelta di esplorare le potenzialità di questo particolare
A sinistra.
Pong, uno dei primi successi del
Reinforcement Learning.
approccio, in particolare per la possibilità di instaurare un
processo che non segua un flusso lineare, ma determini una
condizione di feedback-loop fra azioni e loro conseguenze.
Nel 2014 il Reinforcement Learning, registrò uno dei primi
successi ad avere un’eco significativa nell’opinione pubblica.
Il team di DeepMind sviluppò una rete neurale capace di
giocare a un set di giochi dell’Atari, a un livello superiore a
quello umano. Il sistema affrontava ogni gioco senza una
conoscenza pregressa delle sue regole o delle condizoni
necessarie per vincere. L’unica guida era l’esperienza e le
rewards accumulate.
Questo pirmo momento di attenzione fu seguito dal successo
mediatico di AlphaGo e del suo successore AlphaZero.
Primi sistemi di intelligenza artificiale a battere un cam-
Cognitive Assemblages
69