Sviluppo e Studio di un IA che impara a giocare a 2048 tramite Reinforcement Learning

Il Reinforcement Learning è una tecnica di Machine Learning che permette ad un agente di imparare a svolgere delle azioni utilizzano l'ambiente circostante e imparando dalle proprie esperienze passate e dai propri errori. Uno degli esempi più eclatanti di applicazioni del Reinforcement Learning è AlphaGo un software sviluppato da Google DeepMind che ha imparato a giocare a Go e che nel 2016 è riuscito a battere l'allora campione del mondo Lee Sedol. In questa tesi viene raccontata brevemente la storia dell'IA, vengono discussi alcuni tipi di tecniche di apprendimento del Machine Learning e del Reinforcement Learning e, infine, viene proposto un software che impara autonomamente a giocare a 2048 utilizzando un algoritmo simile ad AlphaGo che, nonostante non abbia riscontrato grandi miglioramenti data la limitata potenza computazionale, è stato comunque possibile osservarne un lieve livello di apprendimento ed una capacità decisionale.