L’esperimento che nessuno si aspettava: Atari 2600 vs ChatGPT-4
Sembra la trama di una serie retro-futurista, e invece è accaduto davvero: una vecchia console Atari 2600, equipaggiata con il gioco Atari Chess del 1979 e un processore a 8 bit da appena 1,19 MHz, ha avuto la meglio su ChatGPT-4, uno dei modelli linguistici più avanzati del mondo.
A organizzare l’incontro è stato un gruppo di ricercatori incuriositi dall’idea di mettere a confronto due filosofie computazionali opposte: quella deterministica dell’informatica classica e quella predittiva delle reti neurali moderne.
Perché ChatGPT ha perso? Le due intelligenze a confronto
Il motivo della sconfitta non sta nella velocità o nella “potenza” del processore, ma nel modo in cui le due intelligenze prendono decisioni. Atari Chess utilizza una logica puramente algoritmica: calcola ogni mossa analizzando con precisione tutte le combinazioni possibili fino a un certo numero di mosse future.
- AI: Perché il tuo titolo di studio non basta più
- Scacchi: cosa succede quando la velocità sacrifica la strategia
- Digitale: Stiamo assistendo alla fine della selezione naturale?
ChatGPT-4, invece, si basa su modelli linguistici addestrati su partite precedenti: prende decisioni in base alla probabilità statistica che una mossa sia “coerente” nel contesto del gioco. Questo approccio, efficace nella generazione di linguaggio naturale o nella scrittura creativa, si rivela debole in uno scenario come gli scacchi, dove serve rigore logico, strategia e previsione tattica a lungo termine.
Un’analisi che mette in luce i limiti dell’IA moderna
Durante la partita, ChatGPT ha mostrato comportamenti curiosi: ha continuato a giocare anche in situazioni di svantaggio irrimediabile, tentando di correggere errori già compromettenti. Secondo molti esperti, questo dimostra che le IA basate su linguaggio, pur evolute, non sono progettate per il problem solving strutturato, come nel caso del gioco degli scacchi.
In effetti, uno studio pubblicato da Nature Machine Intelligence ha evidenziato come le reti neurali siano eccellenti nel pattern recognition, ma faticano con la logica deduttiva o la pianificazione a lungo termine, soprattutto in assenza di feedback immediati o regole rigide.
Tecnologia “vecchia”, ma ancora vincente in contesti precisi
L’esperimento è un promemoria importante per il futuro dell’intelligenza artificiale: i sistemi moderni non sempre sono superiori. In alcuni ambiti, come quello della pianificazione logica sequenziale, gli algoritmi classici rule-based rimangono non solo competitivi, ma in certi casi addirittura imbattibili.
Lo dimostrano anche progetti di ricerca come quelli del MIT Lincoln Laboratory, che stanno riscoprendo l’efficienza di modelli deterministici in contesti ad alto rischio, come la guida autonoma o il controllo del traffico aereo.
Fonti autorevoli e approfondimenti
- MIT CSAIL – Reasoning with AI
- Nature Machine Intelligence – Deep Learning Limitations
- Smithsonian Magazine – Atari’s legacy in computing
- IEEE Spectrum – Neural vs Symbolic AI
Mi occupo di fornire agli utenti delle news sempre aggiornate, dal gossip al mondo tech, passando per la cronaca e le notizie di salute. I contenuti sono, in alcuni casi, scritti da più autori contemporaneamente vengono pubblicati su Veb.it a firma della redazione.
