Frontiere tecnologiche

Come si è evoluta l’intelligenza artificiale dentro al videogioco di calcio Fifa?

Parla Fabio Zinno senior software engineer di Ea, lo sviluppatore di Fifa il videogioco più venduto in Italia e più famoso nel mondo

di Luca Tremolada

Il calcio diventa virtuale: il torneo digitale del Vesta Calcio

5' di lettura

Il calcio è una cosa semplice, a patto di essere un essere umano. Spiegare a un software come affrontare un avversario, dove posizionare gli altri calciatori, quando passare, scattare o crossare è più difficile di insegnargli a battere un campione mondiale di scacchi. Gli algoritmi di machine learning applicati alle simulazione del gioco del calcio hanno subito nel tempo un rapidissimo processo di affinamento anche per via del successo globale di questi videogiochi. Titoli come Pro Evolution Soccer e Fifa sono diventati nel tempo campi di gioco privilegiati per addestrare alcune forme di intelligenza artificiale. Con risultati evidenti e progressivi di anno in anno.

Infatti negli anni Novanta giocare contro il computer non era particolarmente sfidante anche perché dopo un paio di partite il sistema era “hackerabile”. Si riusciva insomma a trovare il punto debole, vuoi nel bilanciamento dei giocatori (alcuni atleti erano imprendibili) vuoi nelle tattiche difensive (compiendo certi movimenti si riusciva a confondere gli avversari e il gol era quasi assicurato). Oggi i “bug”, gli errori, ci sono ancora, ma è più difficile individuarli.

Loading...

«Penso che la sfida più grande sia creare giocatori che possano agire come farebbero gli umani», spiega al Sole 24 Ore Fabio Zinno, senior software engineer di Ea, lo sviluppatore di Fifa, il videogioco più venduto in Italia e più famoso nel mondo. . «Abbiamo visto molte ricerche nel mondo accademico che generano giocatori AI con abilità super umane, ma sicuramente fallirebbero un test di Turing. Puoi addestrare un agente autonomo a giocare a Fifa e a vincere ogni volta, ma se i suoi movimenti sono innaturali, irregolari e imprevedibili, probabilmente non sei riuscito a creare una buona AI di gioco». L'obiettivo non dovrebbe essere vincere a tutti i costi, ma creare un'esperienza avvincente, stimolante e complessivamente divertente per i nostri giocatori».

Dentro Ela, spiega, esistono diversi gruppi che sviluppano algoritmi di Machine Learning, tra cui i team tecnologici centrali. Diversi team di sviluppo, tra cui FIFA, Madden, UFC e NHL, stanno inoltre portando avanti anche propri progetti di Machine Learning, artefici di alcune soluzioni già utilizzate all'interno del gioco e di altre che seguiranno presto.«In poche parole - aggiunge - in EA crediamo che il Machine Learning non debba essere trattato come un'”arte segreta”, con un gruppo di esperti separati dal processo di sviluppo: al contrario, promuoviamo una cultura che si sforzi di rendere il Machine Learning semplicemente un altro “strumento nella cassetta degli attrezzi ”per tutti i nostri Software Engineers e Technical Artists».

Che tipo di apprendimento automatico stanno studiando?

«Siamo molto impegnati nella creazione di strumenti più intelligenti per la creazione di contenuti, tra cui modelli e trame 3D, terreni, stadi, paesaggi urbani, animazioni facciali e del corpo. Uno sforzo notevole si sta dirigendo verso la motion capture del viso e dei movimenti del corpo partendo dai video, una tecnologia che non solo ci darà un volume maggiore di animazioni, ma anche risultati molto più organici e naturali: per quanto le animazioni acquisite col tradizionale processo di motion capture in studio siano di un buon livello, queste vengono realizzate utilizzando marcatori e oggetti di scena che a volte possono ostacolare il movimento naturale. Riuscire a catturare i movimenti degli atleti “nel loro ambiente naturale”, soprattutto per quanto riguarda i titoli sportivi, è un traguardo molto allettante. Il Machine Learning sta inoltre rendendo possibili soluzioni più olistiche per le prestazioni dei personaggi e stiamo lavorando su modelli in grado di generare parlato dal testo, insieme alla sincronizzazione labiale e alle animazioni facciali. L'obiettivo è includere in futuro anche i gesti del corpo, per fornire comportamenti realistici e convincenti.

Quali strumenti sono utilizzati? 

Utilizziamo una varietà di tecniche di Deep Learning per l'apprendimento supervisionato e per modellare le distribuzioni di dati complessi, che sono molto utili per automatizzare il clustering e l'annotazione dei dati, e per rilevare anomalie. Stiamo anche esplorando diversi modelli generativi come GANs e Variational Auto Encoder.Infine, stiamo sperimentando l'apprendimento per rinforzo, con lo scopo di creare agenti autonomi in grado di compiere test automatizzati e una combinazione di apprendimento per rinforzo e imitazione per sviluppare un'AI di gioco più avanzata.La conclusione è che studiamo e utilizziamo qualsiasi tecnica in grado di aiutarci a creare flussi di lavoro migliori e in definitiva videogiochi migliori: preferiamo lavorare su soluzioni a problemi pratici piuttosto che trovare applicazioni di tecniche accademicamente interessanti.

L’uso dell’AI nei videogame

«Penso che l'intelligenza artificiale dovrebbe essere utilizzata a medio termine per potenziare gli strumenti necessari alla creazione di contenuti, ad automatizzare le fasi di test e l'automazione in generale. Il motivo è che molti modelli di machine learning sono spesso “black boxes”: ciò significa che, sebbene possano funzionare molto bene il 90% delle volte, comprendere come interpretare il loro comportamento e correggere le previsioni errate è estremamente difficile, ed è un'area di ricerca attiva nel mondo accademico. Se però utilizzi questi modelli per creare contenuti, hai ancora il controllo sul loro output prima che il contenuto entri nel videogioco. La nostra conoscenza su come le rappresentazioni interne delle reti neurali vengono generate migliorerà e verranno sviluppati strumenti perfezionati per porre vincoli creativi alle loro capacità di apprendimento e previsione e col tempo ciò ci consentirà di implementare queste soluzioni basate sull'intelligenza artificiale direttamente nel gioco. Detto questo, abbiamo già alcuni modelli di Deep Learning in esecuzione nei nostri titoli, ad esempio i sistemi IK avanzati in FIFA. La portata è tuttavia per ora limitata a problemi molto specifici. A lungo termine, mi aspetto che l'AI ci consentirà di colmare il divario tra i diversi aspetti dei nostri videogiochi, aiutandoci a creare titoli in cui il rendering, le animazioni, la fisica e l'intelligenza artificiale di gioco possano essere consapevoli l'uno dell'altro e concorrere nella definizione di personaggi realistici e convincenti».

Come si analizzano le prestazione dei giocatori reali? 

«L'analisi delle prestazioni di atleti e squadre reali negli sport competitivi è un argomento molto caldo, e non solo per gli sviluppatori di videogiochi sportivi: sport come il calcio, il football e l'hockey stanno implementando sempre di più soluzioni hardware e software per catturare le prestazioni dei giocatori e delle squadre, estrarre metriche pertinenti, dati, e favorire un approccio più efficiente e scientifico alla formazione e alla strategia. Un approccio simile ci consentirebbe di creare un'AI di gioco in grado di riprodurre più accuratamente il comportamento di squadre reali e atleti di livello mondiale. Questi dati potrebbero essere forniti dalle stesse leghe (NFL, NHL, FIFA), ma in futuro mi aspetto che avremo a disposizione una tecnologia abbastanza matura per lavorare direttamente con i filmati delle trasmissioni televisive: immagina di poter ricreare la finale di Champions League e di poterla offrire come nuovo contenuto per i giocatori di FIFA la settimana successiva!


Riproduzione riservata ©

loading...

Brand connect

Loading...

Newsletter

Notizie e approfondimenti sugli avvenimenti politici, economici e finanziari.

Iscriviti