L'intelligence artificielle a longtemps été confrontée à de grands joueurs d'échecs, mais dorénavant elle est mise à contribution dans des confrontations avec des joueurs pro de jeux vidéo ; l'IA DeepMind s'est aventurée dans le jeu Starcraft 2 avec un succès cinglant face à des joueurs pro.
En premier lieu, l'intelligence artificielle a logiquement du apprendre à jouer, par une phase de deep learning (apprentissage profond), cela est donc passé par le visionnage et l’analyse de 3500 matchs en trois jours, l'intelligence artificielle a créé et éduqué un agent comme cela (un joueur de l'IA en quelques sortes), elle l'a ensuite cloné pour pouvoir créer sa propre ligue et leur permettre de s'affronter, afin qu'ils se perfectionnent (le principe du deep learning est que l'apprentissage se poursuit continuellement et plus on utilise l'IA pour une tâche précise, plus elle apprend).
A l'issue d'une semaine de confrontations dans sa ligue interne, l'IA a sélectionné les 5 meilleurs agents, cette semaine passée est l'équivalent de 200 années d'apprentissage pour le supercalculateur de Google. Ils ont été alors confronté au joueur pro TLO, pour une victoire 5-0, TLO n'avait cependant pas accès à sa race fétiche.
Les meilleurs agents ont eu le droit à une nouvelle semaine d'entrainement (on atteint donc 400 années d'apprentissage), puis ont été confronté à un autre joueur pro MaNa, qui a pu jouer sa classe favorite, l'IA a gagné 4-0. L'analyse des données montrent que l'IA a un comportement proche du joueur humain avec un temps de réaction de 300 ms, ce qui comprend la découverte, l'analyse et la prise de décision. L'IA effectue un peu moins d'actions par minute, mais a une vision globale de la map, là où le joueur est limité par ce qui s'affiche sur son moniteur.
Une dernière partie a été engagée, on avait limité le champ de vision de l'IA à celui du joueur sans prévenir de cette restriction le joueur pro, ce dernier a pris la décision de harceler l'IA à sa base, ce qui l'a totalement déstabilisé et l'intelligence artificielle a perdu. On a donc atteint un score de 9-1 en faveur de l'IA.
En premier lieu, l'intelligence artificielle a logiquement du apprendre à jouer, par une phase de deep learning (apprentissage profond), cela est donc passé par le visionnage et l’analyse de 3500 matchs en trois jours, l'intelligence artificielle a créé et éduqué un agent comme cela (un joueur de l'IA en quelques sortes), elle l'a ensuite cloné pour pouvoir créer sa propre ligue et leur permettre de s'affronter, afin qu'ils se perfectionnent (le principe du deep learning est que l'apprentissage se poursuit continuellement et plus on utilise l'IA pour une tâche précise, plus elle apprend).
A l'issue d'une semaine de confrontations dans sa ligue interne, l'IA a sélectionné les 5 meilleurs agents, cette semaine passée est l'équivalent de 200 années d'apprentissage pour le supercalculateur de Google. Ils ont été alors confronté au joueur pro TLO, pour une victoire 5-0, TLO n'avait cependant pas accès à sa race fétiche.
Les meilleurs agents ont eu le droit à une nouvelle semaine d'entrainement (on atteint donc 400 années d'apprentissage), puis ont été confronté à un autre joueur pro MaNa, qui a pu jouer sa classe favorite, l'IA a gagné 4-0. L'analyse des données montrent que l'IA a un comportement proche du joueur humain avec un temps de réaction de 300 ms, ce qui comprend la découverte, l'analyse et la prise de décision. L'IA effectue un peu moins d'actions par minute, mais a une vision globale de la map, là où le joueur est limité par ce qui s'affiche sur son moniteur.
Une dernière partie a été engagée, on avait limité le champ de vision de l'IA à celui du joueur sans prévenir de cette restriction le joueur pro, ce dernier a pris la décision de harceler l'IA à sa base, ce qui l'a totalement déstabilisé et l'intelligence artificielle a perdu. On a donc atteint un score de 9-1 en faveur de l'IA.
source : THFR
Partagez :
Posté le 25 Janvier 2019 à 10:16 par Jonathan Riemain
