La programmation des jeux au prisme de l’ IA

La programmation des jeux au prisme de l’ IA

Les chercheurs se sont très vite intéressés à l’usage des techniques de l’Intelligence Artificielle dans la programmation d’adversaires virtuels. En effet, le principe quasi mathématique de nombreux jeux basés sur des valeurs, éventuellement binaires, était une voie exploratoire évidente pour essayer de bâtir des logiques que l’on pensait pendant des siècles réservées au cerveau humain. Aujourd’hui, l’IA est devenue incontournable dans sur ce marché, ce qui contribue fortement à son développement et à son perfectionnement.

IA et jeux

Les jeux répondent souvent à des principes mathématiques structurés, à une logique claire qui suit des règles précises et immuables dans un contexte et un environnement non-changeants.

Basiquement, il faut que la machine soit programmée pour rechercher la victoire dans cet environnement stable. Elle assimile donc toutes les possibilités de parties (toutes les combinaisons possibles) et, point après point, choisi dans ses mouvements l’option qui la rapprochera potentiellement le plus de la victoire en suivant un arbre de décision Certains jeux tels que le Go permettent toutefois des combinaisons quasi infinies (bien plus – de très loin – qu’il n’y a d’atomes dans l’univers, 10^360 pour être précis).

 

IA et jeux

On a d’ailleurs pour cette raison longtemps considéré – à tort – que les échecs étaient un jeu de logique, contrairement au jeu de Go connu pour être au contraire très intuitif donc potentiellement insurmontable pour une machine….

Les techniques de l’Intelligence Artificielles basées entre autres sur le Deep learning ont été indispensables pour relever ces défis, ce qui a conduit à la célèbre victoire d’AlphaGo de Google sur, un logiciel ayant battu les plus grands champions de jeu de Go.

Les humains s’inclinent face aux machines

Les humains s’inclinent face aux machines

La rivalité a toujours été importante entre l’homme et la machine depuis l’apparition de l’IA en matière de jeux de plateau.
Au début, ces programmes informatiques utilisaient la force brute pour parcourir toutes les combinaisons possibles. Au fil du temps, le travail des développeurs a permis de réduire le nombre de branches à parcourir grâce à la méthode dite heuristique (choisir la meilleure solution ou la moins mauvaise sans avoir besoin de les évaluer toutes) grâce entre autres à l’aglorithme Minimax (comment minimiser la perte maximum) ou l’élagage Alpha-Bêta (qui ôte directement les résultats inférieurs à ceux déjà évalués). Ces choix ont conduit progressivement à la défaite de l’Homme face à l’Intelligence Artificielle.

De nombreux exemples de programmes informatiques retracent la montée en puissance des machines dans le domaine des jeux :

  • Le morpion a été le premier jeu à être modélisé sur ordinateur en 1952. Sa conception était peu complexe avec un arbre de décision de 10 000 possibilités « seulement ».
  • En 1997, Deep Blue bat Kasparov, champion du monde de jeu d’échecs, en testant plus de 200 millions de combinaisons par seconde. On utilise le même principe de test de combinaisons pour découvrir des mots de passe.
  • Depuis 2007, les ordinateurs sont capables de réaliser des coups parfaits au jeu de dames.
  • Stockfish (programme d’échecs open source), Claudico, puis Libratus (Poker), IBM Watson au jeu Jeopardy (jeu réponses => questions) sont des logiciels qui ont fortement mis à contribution l’intelligence humaine dans le domaine du jeu.

Jeopardy !!! Le défi d’IBM

  • Le cas typique d’AlphaGO de Google

AlphaGo est un système qui ne pouvait décemment pas fonctionner sur la base de la totalité des combinaisons possibles du jeu. Il y a beaucoup trop de situations possibles dans le jeu de Go.

Il lui a fallu d’abord ingérer des millions d’exemples de parties sans pour autant les assimiler dans leur totalité. Ca c’est l’étape de l’usage du machine learning (précisément du deep learning). Ensuite il lui a fallu être en mesure de reconnaître la position des pierres sur le plateau. C’est à cette étape que la machine a utilisé la reconnaissance d’images. Enfin, elle a fonctionné par « probabilité » de remporter la partie. Autrement dit : « si je mets le pion, là ou là, quelle est le pourcentage de chance que je l’emporte au bout, statistiquement, vu les millions de parties que j’ai absorbées lors de la phase d’apprentissage ».

Chaque mouvement d’AlphaGo a correspondu à ce pourcentage de chance de l’emporter sur le même principe que le sondage auprès d’un échantillon représentatif pour des élections, quitte à poser la pierre à des intersections extrêmement inattendues et déstabilisantes pour l’adversaire humain.

La machine n’a pas été programmée de façon rigide. On a plutôt privilégié la méthode d’apprentissage automatique ou statistique, celle du calcul heuristique. Pareille méthode a nécessité pas moins de 2 000 ordinateurs pour faire fonctionner le logiciel.

AlphaGo a utilisé plusieurs techniques pour éliminer des options de jeu inutiles, notamment le désormais célèbre « Monte Carlo Tree Search » et une base de jeux permettant d’identifier des tactiques gagnantes.

Toujours dans cette dynamique, Google DeepMind (créateur d’AlphaGo) a mis en place un logiciel qui apprend à jouer seul aux jeux d’Atari (Bricks, Spaceinvaders, etc.), utilisant les pixels images affichés à l’écran comme données d’entrée afin de décider quelle action adopter pour atteindre le plus haut score possible à la fin de la partie.

IA : comment Google a battu un des meilleurs joueurs de Go au monde ?

D’autres articles sur le même thème

L’IA et le traitement d’images et de vidéos

Le traitement de l’image et de la vidéo est un des principaux usages de l’IA.

L’IA et les applications liées au langage

Le traitement du langage est un domaine de l’IA qui regroupe les programmes de reconnaissance vocale ou de la parole

L’analyse prédictive

Le terme d’analyse prédictive (ou encore logique prédictive) un des usages de l’IA faisant appel à des technologies

L’automatisation et l’IA

L’usage de l’intelligence artificielle (IA) ne concerne pas uniquement les activités quotidiennes et l’expérience utilisateur final des nouvelles technologies.

La robotique humanoïde

L’Intelligence Artificielle s’adapte à tous les domaines.L’IA se déploie dans presque tous les secteurs d’activité,

L’IA et les biotechnologies

L’usage de l’Intelligence Artificielle dans le domaine de la santé est en forte croissance.

L’IA et l’art

L’IA se déploie dans l’art pour se mesurer aux plus grands artistes du monde.

La simulation des systèmes complexes

La simulation d’un système complexe permet de reproduire et d’observer des phénomènes complexes (biologiques, sociaux et autres) pour les comprendre et anticiper leur évolution.