Nell’era delle intelligenze artificiali avanzate, si potrebbe dare per scontato che strumenti come ChatGPT siano capaci di superare sistemi più datati in qualsiasi ambito, incluso il gioco degli scacchi. Eppure, una recente e sorprendente sfida tra ChatGPT e un motore scacchistico degli anni ’70 ha messo in luce limiti inaspettati. Nonostante ChatGPT sia uno dei modelli più sofisticati, è stato sconfitto da un motore per Atari 2600 del 1979.

Il contesto del confronto

La competizione è stata ideata da Robert Jr. Caruso, ingegnere presso Citrix, ispirato da una discussione sull’evoluzione dell’IA nel gioco degli scacchi. Sebbene ChatGPT non sia stato progettato per giocare a scacchi, ha affrontato il motore dell’Atari, capace di valutare solo 1-2 mosse avanti su una CPU da 1.19 MHz. Una sfida apparentemente impari… ma il risultato ha sorpreso tutti.

Il risultato inaspettato

Contrariamente alle aspettative, ChatGPT ha avuto difficoltà fin dall’inizio. Caruso ha dovuto correggere ripetutamente la disposizione dei pezzi sulla scacchiera, rilevando frequenti confusioni tra torri e alfieri. Gli errori strategici erano tali da far apparire il modello inesperto, tanto che – secondo le parole di Caruso – “sarebbe stato deriso in un club di scacchi di terza elementare”.

Le difficoltà del modello

Nonostante l’enorme capacità di gestire argomenti complessi, ChatGPT non possiede una vera consapevolezza spaziale della scacchiera. La difficoltà nel distinguere i pezzi, anche dopo la conversione in notazione standard, ha evidenziato un limite noto nel campo dell’IA: l’astrazione eccessiva rispetto al problema specifico.

Le lezioni da trarre

Questo episodio non va interpretato come un fallimento dell’IA, ma piuttosto come una conferma delle sue attuali limitazioni in compiti altamente specializzati. Le intelligenze artificiali generaliste come ChatGPT, pur eccellendo in dialogo e generazione di contenuti, non sono progettate per gestire meccanismi precisi e visivi come una partita a scacchi. Il New York Times ha sottolineato che queste AI sono costruite per elaborare enormi volumi di dati linguistici, ma non per interazioni tattiche in tempo reale.

Differenze con IA specializzate

A differenza dei modelli generalisti, le IA progettate per scopi specifici, come AlphaZero di Google DeepMind, eccellono grazie a una struttura pensata per simulazioni ad alta precisione. Come riportato da Scientific American, AlphaZero impara giocando contro sé stessa, evolvendosi senza necessità di dati esterni o regole predefinite.

Vantaggi delle IA specializzate

• Efficienza: Elaborano dati specifici con maggiore rapidità e pertinenza.
• Precisione: Offrono risposte estremamente accurate in contesti definiti.
• Innovazione: Possono sviluppare nuove strategie e soluzioni in settori mirati.

Questa esperienza rappresenta un esempio concreto della differenza tra versatilità e specializzazione: mentre le AI generaliste continuano a espandere i loro ambiti applicativi, le intelligenze artificiali settoriali restano imbattibili in compiti circoscritti.

Guardando al futuro, è probabile che i progressi nell’IA porteranno a una maggiore integrazione tra modelli generali e specializzati, con l’obiettivo di unire ampiezza di comprensione e profondità di competenza. La strada verso intelligenze sempre più complete è appena iniziata.