Doomformer porta le reti neurali dentro DOOM: cosa sa fare davvero

E se un videogioco diventasse una macchina capace di eseguire calcoli di Intelligenza Artificiale?

È l’idea alla base di Doomformer, un progetto sperimentale che trasforma le mappe di DOOM in un ambiente di elaborazione per reti neurali.

Il sistema non si limita a mostrare risultati sullo schermo: sfrutta elementi interni al gioco, come avatar, superfici e illuminazione, per rappresentare valori ed eseguire operazioni. L’esperimento è interessante perché sposta il calcolo fuori dalle architetture convenzionali e lo inserisce in un contesto nato per l’intrattenimento. Non si tratta, però, di un’alternativa pratica ai computer tradizionali, quanto di una dimostrazione tecnica che rende osservabile un processo normalmente nascosto.

Come Doomformer trasforma il gioco in un computer

Il progetto, pubblicato dallo sviluppatore mottopanikeiku, utilizza ViZDoom, un ambiente basato su ZDoom che permette di controllare il gioco tramite codice. La rete neurale viene convertita in una mappa e le operazioni sono affidate ai Voodoo Doll: copie dell’avatar generate impostando più punti di partenza. Il loro movimento contribuisce ai calcoli. Un clone può attraversare una superficie simile a un nastro trasportatore e incrementare un valore superando una linea.

I risultati intermedi vengono codificati attraverso la luminosità delle luci, l’altezza di pavimenti e soffitti, oltre che mediante scale e corridoi. Anche il meccanismo di Attention dei Transformer viene riprodotto regolando gli spostamenti degli avatar in funzione dell’altezza del soffitto. La geometria del livello diventa così parte attiva dell’elaborazione, anziché un semplice fondale grafico. Il procedimento collega così spazio, movimento e rappresentazione numerica in un unico flusso verificabile.

Riconoscimento delle cifre e generazione del testo

Una dimostrazione riguarda il riconoscimento della scrittura manuale: il giocatore traccia una cifra sul pavimento e il disegno viene acquisito come immagine da 28 × 28 pixel. Per questa prova sono impiegati 1.355 avatar. Nel test descritto dagli autori, il sistema ha identificato correttamente tutti i 30 esempi preparati; sulla raccolta MNIST, la precisione riportata è del 97,16% su 10.000 immagini di prova. I risultati numerici prodotti nel gioco coincidono con quelli ottenuti tramite NumPy.

Doomformer comprende anche prove con reti Transformer: una versione controlla un personaggio durante una partita, valutando posizione e direzione dei nemici, mentre un’altra genera la parola DAN utilizzando 5.875 avatar. Il codice è disponibile su GitHub con licenza MIT.

Il limite più evidente è la velocità. Secondo le misurazioni dello sviluppatore, un piccolo modello neurale richiede tempi di calcolo circa 65.000 volte superiori rispetto a NumPy. Inoltre, la corrispondenza tra i risultati matematici dei due ambienti non dimostra che le risposte del modello siano sempre corrette: certifica soltanto la coerenza dell’esecuzione. Questa distinzione separa l’affidabilità del calcolo dalla qualità di ciò che viene riconosciuto o generato.

Il valore di Doomformer non si misura nella possibilità di competere con l’hardware moderno. Offre piuttosto una rappresentazione concreta di concetti astratti e invita a ripensare il rapporto tra simulazione, programmazione e apprendimento automatico. Un mondo virtuale nato per ospitare un giocatore può diventare, reinterpretandone le regole, un laboratorio per esplorare i sistemi computazionali.