IA nei video games: giocare a calcio con l’ausilio del Deep Reinforcement Learning ​

The aim of the thesis is to introduce Artificial Intelligence and its use in the field of video games. Later I discussed learning for Reinforcement Deep Learning which allowed me to train an Agent (seen as a neural network model) to make decisions using trial and error techniques. The last chapter concerns the formalization of the work done with the aim of studying and developing an intelligent Agent who is able to learn and play the Game of Football, in particular I managed to implement an Agent who, using a Proximal Policy algorithm Optimization manages to score goals in various scenarios, taking an image as input and returning the most optimal action to score goals. As for the project environment and the GUI, I used a repository created by the Google Brain team and released open-source for educational and research purposes. ​

L’obiettivo della tesi è quello di introdurre l’Intelligenza Artificiale ed il suo utilizzo in ambito di video games. Successivamente ho discusso l’apprendimento per Reinforcement Deep Learning che mi ha permesso di addestrare un Agente (visto come modello di rete neurale) a prendere decisioni tramite tecniche di trial and error. L’ultimo capitolo riguarda la formalizzazione del lavoro svolto in autonomia con l’intento di studiare e sviluppare un Agente intelligente che riesca ad imparare a giocare al Giuoco del Calcio, in particolare sono riuscito ad implementare un Agente che, utilizzando un algoritmo di Proximal Policy Optimization riesce a segnare goal in vari scenari, prendendo in input un immagine e restituendo in output l’azione più ottimale per segnare goal. Per quanto concerne l’environment del progetto e la GUI ho utilizzato una repository creata dal team Google Brain e rilasciata open-source a scopo didattico e di ricerca. ​