Deepmind sta cercando di mettere a punto nuovi metodi che consentano di addestrare le intelligenze artificiali a comprendere e usare liste di istruzioni per spostarsi dal punto A al punto B senza dover fare affidamento sul GPS, in modo del tutto simile a quanto fanno quotidianamente gli esseri umani.
Si tratta di un obiettivo a medio termine, pensato per dotare le auto a guida autonoma di un sistema in grado di orientarsi in posti anche sconosciuti in base a semplici istruzioni, questo perché la navigazione GPS ha diversi limiti, a partire dalla necessità di usare mappe che non sempre è facile tenere aggiornate. Come ci insegna l'esperienza poi il segnale non sempre è disponibile o i tempi di aggancio possono essere lunghi.
Pensiamo poi agli scenari futuri, tra 10 o 20 anni, quando le auto a guida autonoma saranno una realtà diffusa e avremo anche taxi a guida autonoma e un modello commerciale che sarà probabilmente basato più sulla condivisione che sull'acquisto dei veicoli. Entrare in auto e poter dire semplicemente "gira al primo cinema a destra, poi prosegui per 2 km e fermati davanti al ristorante dopo aver svoltato a sinistra" sarebbe una grande comodità. Ancora meglio sarebbe se l'IA fosse in grado di trovare un posto seguendo le indicazioni stradali e quelle da noi fornite.
Seguire semplici liste legate a punti di riferimento è una cosa che gli esseri umani fanno da sempre, da quando come specie cacciavano nella savana ed erano in grado di sfruttare dettagli anche minimi in un ambiente apparentemente brullo per ritrovare la via di casa o di un pozzo d'acqua etc. Ma lo facevano anche i nostri padri o nonni, quando viaggiavano in automobile senza possedere alcun navigatore GPS ma solo una serie di indicazioni fornite da chi già conosceva il percorso oppure una semplice cartina autostradale.
Per l'IA però tutto questo è assai difficile e allora ecco l'idea di Deepmind. Inizialmente le immagini di Google Street View sono state trasformate in un ambiente di addestramento, con l'IA che avrebbe dovuto andare da un punto A a un punto B senza alcuna indicazione aggiuntiva. L'IA è riuscita a portare a termine il compito, ingrandendo le immagini finché non ha riconosciuto il posto in cui doveva arrivare. Sostanzialmente però ha vagato per la città finché non è giunta a destinazione, una soluzione ovviamente improponibile sul mercato.
I ricercatori hanno allora messo a punto un framework chiamato StreetNav, per insegnare all'IA a seguire le indicazioni e a sfruttare i punti di riferimento per giungere a destinazione. Tramite il meccanismo di rafforzamento dello stimolo, all'IA sono stati forniti dei parametri e diverse indicazioni da seguire, premiandola quando riusciva ad eseguire tutto correttamente. In questo modo l'IA, addestrata in determinate zone di New York, è stata poi in grado di replicare lo stesso comportamento in altre aree della città che non conosceva e anche in altre città, ad esempio Pittsburgh.
I primi risultati dunque sembrerebbero incoraggianti, ma per i ricercatori si tratta solo di esperimenti largamente preliminari, propedeutici a ulteriori sviluppi e nuovi tentativi più articolati. "Considerato il divario tra i risultati conseguiti e quelli attesi c'è ancora tantissimo alvoro da fare", si legge infatti nella relazione conclusiva, che però appunto non è affatto una bocciatura.