Les développeurs israéliens ont pu apprendre à l'IA à vaincre l'homme à Mortal Kombat

L'environnement 3D est encore difficile à percevoir par la forme faible de l'IA, qui entraîne des problèmes informatiques lors de la lecture de tels jeux.

À l'aide de jeux vidéo, les spécialistes modernes de l'intelligence artificielle vont enseigner les méthodes de l'IA pour surmonter les obstacles et résoudre les problèmes en déplacement. Par exemple, les employés de DeepMind, avec Blizzard, ont transformé StarCraft II en un environnement pour former une forme faible d'IA. L'année dernière, le système d'IA de Google a maîtrisé seul 49 anciens jeux Atari.

Et il ne s'agit pas d'un système intégré au jeu (comme les adversaires de l'IA dans les jeux de combat, les simulateurs de football ou les simulateurs de course), qui connaît les termes et conditions. L'IA, qui est maintenant enseignée par les développeurs de jeux informatiques, est placée sur un pied d'égalité avec les humains. Le système surveille l'image à l'écran, apprenant les méthodes d'essai et d'erreur. Et un tel programme est capable de trouver une solution non seulement dans les jeux, il est adapté pour trouver une solution dans un large éventail de tâches, quelles que soient les règles ou les conditions.


Un groupe d'étudiants de l'Université technologique d'Israël a récemment annoncé son développement, le système Retro Learning Environment (RLE). Il s'agit d'une plate-forme logicielle qui vous permet de former l'IA à l'exemple de nombreux jeux des années 90, y compris ceux qui ont été publiés pour les consoles Nintendo et Sega. Cela, par exemple, de nombreux célèbres F-Zero, Wolfenstein et Mortal Kombat. Selon les développeurs, pour l'IA, de nombreux jeux étaient difficiles, une partie du système n'a pas appris à comprendre et à passer. Mais RLE a très bien appris à jouer à Mortal Kombat. Les experts ont présenté les résultats de leurs travaux dans un article sur arXiv . AI a été à plusieurs reprises en mesure de gagner carrément contre un adversaire humain. Et cet adversaire n'était en aucun cas un débutant. L'article indique que l'ordinateur était opposé à un joueur expérimenté de Mortal Kombat.

À Wolfenstein, où il y a des niveaux de volume, plus vous devez naviguer dans le labyrinthe et déterminer un certain nombre d'objets, le système n'a pas donné de trop bons résultats. Dans Gradius III, RLE a pu étudier les aspects techniques du jeu, notamment la nécessité de détruire les ennemis rencontrés lors d'actions ultérieures. Mais le système ne pouvait pas montrer un meilleur résultat qu'un joueur humain. Ici, il est nécessaire d'améliorer les capacités du personnage avec les artefacts rencontrés. Plus un joueur manque d'artefacts, plus il est difficile de terminer le jeu. L'ordinateur ne prêtait pratiquement pas attention aux objets sous tension, ce qui compliquait considérablement le processus de passage.

Le fait que le programme ait pu apprendre à jouer à un jeu d'ordinateur si bien qu'il a commencé à battre une personne est un mérite indéniable du développeur. Ce n'est pas si facile pour un ordinateur d'apprendre à jouer à un jeu par essais et erreurs; c'est une tâche difficile que peu de plates-formes logicielles surmontent. "Si les algorithmes peuvent jouer à des jeux complexes, alors nous pouvons commencer à travailler sur la mise en œuvre de tels systèmes dans le monde réel pour résoudre de vrais problèmes", a déclaré Shai Rosenberg, l'un des auteurs de l'étude. «Tout comme un enfant apprend à jouer à des jeux, l'ordinateur ne voit également que des informations à l'écran. Ils (l'enfant et l'ordinateur) apprennent à éviter les obstacles et à résoudre les problèmes afin d'obtenir la récompense maximale », poursuit-il.


L'IA a appris à bien jouer à la fois dans Boxe sur Atari et dans Mortal Kombat, simplement en «regardant l'écran» et en évaluant les conséquences de leurs actions dans un environnement de jeu.

Dans le monde réel, la capacité des systèmes informatiques à apprendre de leurs erreurs et à prédire les conséquences de certains «actes» peut être utile. de nombreux domaines. Les robots peuvent se déplacer dans des espaces complexes (couloirs de pièces, par exemple) avec un grand nombre d'obstacles sans entrer en collision avec eux. Toute petite erreur commise par l'ordinateur sera prise en compte la prochaine fois, lors de l'exécution de la même tâche ou d'une tâche similaire.

Selon Rosenberg, RLE peut apprendre à passer par des systèmes de jeu plus complexes, et pas seulement jouer à des jeux SNES. La prochaine étape du projet sera le développement de jeux sur la plateforme PlayStation. Certes, jusqu'à présent, les développeurs israéliens se concentrent sur l'enseignement de leur système pour passer la plupart des jeux maîtrisés. Le fait que l'ordinateur ait appris à jouer à ce Mortal Kombat est bon, mais pas suffisant - néanmoins, une partie importante des jeux "est allée trop loin", RLE n'a pas pu les maîtriser.


Les résultats du passage de différents jeux par le système RLE en utilisant divers algorithmes de passage

"Dans les étapes suivantes, nous considérons qu'il est possible et même relativement facile d'adapter notre système de formation à des jeux plus complexes, y compris, par exemple, Grand Theft Auto", ont déclaré les développeurs. Maintenant, malheureusement, des jeux comme Grand Theft Auto V AI ne sont pas disponibles - ils sont trop compliqués.

Les développeurs ont ouvert le code source de leur système et l'ont publié sur Github. Vous pouvez obtenir la source ici .

Source: https://habr.com/ru/post/fr399067/