LEBIGDATA.FR I.A, Cloud & Cybersécurité
L'IA de Google DeepMind, AlphaStar, vient d'humilier deux des meilleurs joueurs professionnels du jeu vidéo Starcraft II en les battant chacun cinq fois d'affilée. Les dix matchs, retransmis en live sur YouTube, démontrent une nouvelle fois la supériorité de l'intelligence artificielle sur l'homme dans le domaine du jeu.
L'intelligence artificielle de Google DeepMind avait déjà prouvé sa capacité à vaincre les meilleurs joueurs humains au jeu d'échecs et au jeu de Go. Cependant, pour ses créateurs, le véritable objectif était de créer une IA capable de vaincre des joueurs professionnels dans un jeu vidéo de stratégie en temps réel. Un défi bien plus difficile à relever de par la complexité d'un tel jeu et le nombre de possibilités qu'il offre.
En 2017, Blizzard a ouvert le jeu StarCraft II aux chercheurs en intelligence artificielle. Google DeepMind en a donc profité pour créer une IA baptisée AlphaStar et tenter de lui apprendre à maîtriser le célèbre jeu vidéo grâce au Deep Learning.
Un peu moins d'un an et demi plus tard, Blizzard et DeepMind ont organisé le 24 janvier 2019 un livestream sur YouTube pour dévoiler les progrès effectués par AlphaStar. L'IA s'est vue confrontée à Daro » TLO » Wünsch et Greegorz » MaNa « Komincz : deux des meilleurs joueurs de Starcraft II au niveau mondial.
Chacun des deux joueurs pro a eu l'occasion d'affronter AlphaStar pendant cinq matchs consécutifs. Malheureusement pour eux, l'IA a remporté chacun des dix matchs. Une fois de plus, l'intelligence artificielle vient de prouver sa superiorité sur l'Homme.
Comment l'IA de Google DeepMind a maîtrisé Starcraft II
Pour permettre à AlphaStar d'atteindre un tel niveau de maîtrise, DeepMind a choisi de l'entraîner d'une façon très spécifique. Plutôt que de perdre du temps à apprendre toutes les possibilités offertes par StarCraft II, l'IA s'est focalisée uniquement sur les stratégies gagnantes.
Dans un premier temps, DeepMind lui a fait visionner de nombreux replays de matchs de joueurs professionnels ou de joueurs ayant un rang très élevé dans le classement mondial afin de lui apprendre à imiter les stratégies qui mènent à la victoire.
Cependant, pour qu'AlphaStar atteigne le niveau d'un joueur Platine, DeepMind a du aller plus loin en ayant recours à l'entraînement de réseau de neurones. C'est ainsi que la version 0.1 de l'agent, capable de triompher des meilleurs joueurs du monde, a pu voir le jour.
Après avoir étudié la partie théorique en observant les victoires des meilleurs joueurs du monde, AlphaStar a pu passer à la pratique en s'entrainant dans une ligue spécialement créée pour elle par DeepMind : l'AlphaStar League.
Au sein de cette ligue, différentes versions d'AlphaStar ont pu jouer les unes contre les autres en continu pendant une semaine. Pour chaque match, l'objectif de l'IA, fixé par DeepMind, était simple : gagner la partie. Chaque agent a donc tenté d'atteindre ce but, et ceux qui y sont parvenus étaient autorisés à continuer à jouer dans l'AlphaStar League.
Certains agents étaient aussi paramétrés pour tenter de gagner sous certaines conditions, par exemple en privilégiant un certain type d'unités de combat. Ceci a permis à AlphaStar de muter entre deux générations. L'IA était configurée pour muter à la fois de façon aléatoire, et en prenant les caractéristiques des agents qui gagnent le plus.
Ce processus d'entraînement a particulièrement bien fonctionné parce qu'AlphaStar est capable de jouer un grand nombre de matchs de façon consécutive. Ainsi, en réalité, AlphaStar s'est entraînée sur Starcraft II pendant l'équivalent de 200 ans en seulement une semaine. On pourrait donc la comparer à un vieux maître qui a consacré sa vie à un art martial au point de s'isoler dans les montagnes pour s'entraîner sans relâche.
Malgé sa défaite face à AlphaStar, MaNa avoue avoir beaucoup appris en affrontant l'IA. Selon lui, » la façon dont AlphaStar joue à StarCraft est différente » de tout ce qu'il a pu expérimenter auparavant. En se mesurant à l'intelligence artificielle, ce joueur professionnel a pu apprendre de nouvelles stratégies. Il s'agit là d'une grande fierté pour DeepMind, car cela n'aurait jamais pu arriver par le passé.
- Partager l'article :
