Skip to content
Artwork for Gioco, Realtà e Finzione
Gioco, Realtà e Finzione · Yesterday · 11 min

Gioco e reinforcement learning

Cosa hanno in comune un bambino che impara a camminare e una macchina che impara a giocare a Go? Entrambi imparano attraverso l'errore, la ricompensa e la ripetizione. In questa puntata esploriamo il reinforcement learning e scopriamo perché i giochi sono diventati il laboratorio privilegiato dell'intelligenza artificiale — e cosa questo ci dice sul significato profondo del gioco. --------------------------------------------- Title music Epic Spectrum - Ascend (freetouse.com) Yoga Invaders Olistik Sound Project by patrizio-yoga from Pixabay --------------------------------------------- FONTI E RIFERIMENTI Richard S. Sutton, Andrew G. Barto — Reinforcement Learning: An Introduction (MIT Press, 1998; seconda edizione 2018). Testo fondativo della disciplina, disponibile integralmente online. Volodymyr Mnih et al. — Human-level control through deep reinforcement learning (Nature, 2015). Articolo originale sul sistema DQN applicato ai giochi Atari di DeepMind. David Silver et al. — Mastering the game of Go with deep neural networks and tree search (Nature, 2016). Articolo originale su AlphaGo e la partita contro Lee Sedol. David Silver et al. — A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play (Science, 2018). Articolo su AlphaZero e il suo apprendimento autonomo. Johan Huizinga — Homo Ludens (1938; trad. it. Einaudi). Riferimento per la definizione di gioco come spazio separato, governato da regole e orientato verso uno scopo. Roger Caillois — Les jeux et les hommes (1958; trad. it. I giochi e gli uomini, Bompiani). Classificazione dei giochi e analisi del loro significato culturale. Hubert L. Dreyfus — What Computers Can't Do (1972; edizione aggiornata What Computers Still Can't Do, MIT Press, 1992). Critica fenomenologica all'intelligenza artificiale simbolica. Garry Kasparov — Deep Thinking: Where Machine Intelligence Ends and Human Creativity Begins (PublicAffairs, 2017). Riflessione personale di Kasparov sull'incontro tra scacchi, intelligenza artificiale e creatività umana. "Gioco, Realtà e Finzione. Un podcast che esplora i confini sfumati tra ciò che è reale, ciò che è ludico e ciò che è immaginato. Dove finisce il gioco e dove inizia la vita vera? Quando la finzione ci dice verità più profonde della realtà? E se la realtà stessa fosse un grande gioco? Attraverso filosofia, antropologia, sociologia e teoria del gioco, ogni settimana esploriamo un tema diverso per scoprire come giochiamo, fingiamo e costruiamo i mondi in cui viviamo. Ogni puntata sarà una ricerca che deriva da una mia curiosità, senza la pretesa di avere un taglio accademico. Io sono Roberto, con me c'è Claude, la AI di Anthropic, e questo è il podcast di "Gioco, Realtà e Finzione." Il sito di riferimento sul gioco di Roberto Grassi è: https://www.robertograssi.net/levity Questo episodio include contenuti generati dall’IA.

0:00-11:01

transcript

No transcript — this publisher did not publish one.

show notes

Cosa hanno in comune un bambino che impara a camminare e una macchina che impara a giocare a Go? Entrambi imparano attraverso l'errore, la ricompensa e la ripetizione. In questa puntata esploriamo il reinforcement learning e scopriamo perché i giochi sono diventati il laboratorio privilegiato dell'intelligenza artificiale — e cosa questo ci dice sul significato profondo del gioco.

---------------------------------------------
Title music
Epic Spectrum - Ascend (freetouse.com)
Yoga Invaders Olistik Sound Project by patrizio-yoga from Pixabay

---------------------------------------------
FONTI E RIFERIMENTI
Richard S. Sutton, Andrew G. Barto — Reinforcement Learning: An Introduction (MIT Press, 1998; seconda edizione 2018). Testo fondativo della disciplina, disponibile integralmente online.
Volodymyr Mnih et al. — Human-level control through deep reinforcement learning (Nature, 2015). Articolo originale sul sistema DQN applicato ai giochi Atari di DeepMind.
David Silver et al. — Mastering the game of Go with deep neural networks and tree search (Nature, 2016). Articolo originale su AlphaGo e la partita contro Lee Sedol.
David Silver et al. — A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play (Science, 2018). Articolo su AlphaZero e il suo apprendimento autonomo.
Johan Huizinga — Homo Ludens (1938; trad. it. Einaudi). Riferimento per la definizione di gioco come spazio separato, governato da regole e orientato verso uno scopo.
Roger Caillois — Les jeux et les hommes (1958; trad. it. I giochi e gli uomini, Bompiani). Classificazione dei giochi e analisi del loro significato culturale.
Hubert L. Dreyfus — What Computers Can't Do (1972; edizione aggiornata What Computers Still Can't Do, MIT Press, 1992). Critica fenomenologica all'intelligenza artificiale simbolica.
Garry Kasparov — Deep Thinking: Where Machine Intelligence Ends and Human Creativity Begins (PublicAffairs, 2017). Riflessione personale di Kasparov sull'incontro tra scacchi, intelligenza artificiale e creatività umana.


"Gioco, Realtà e Finzione. Un podcast che esplora i confini sfumati tra ciò che è reale, ciò che è ludico e ciò che è immaginato.
Dove finisce il gioco e dove inizia la vita vera? Quando la finzione ci dice verità più profonde della realtà? E se la realtà stessa fosse un grande gioco?
Attraverso filosofia, antropologia, sociologia e teoria del gioco, ogni settimana esploriamo un tema diverso per scoprire come giochiamo, fingiamo e costruiamo i mondi in cui viviamo. Ogni puntata sarà una ricerca che deriva da una mia curiosità, senza la pretesa di avere un taglio accademico.
Io sono Roberto, con me c'è Claude, la AI di Anthropic, e questo è il podcast di "Gioco, Realtà e Finzione."
Il sito di riferimento sul gioco di Roberto Grassi è:
https://www.robertograssi.net/levity

Questo episodio include contenuti generati dall’IA.

more episodes

All episodes