Ne manquez aucune des avancées passionnantes qui émergent à l’avant-garde de la science et de la technologie. En vous inscrivant à notre newsletter, vous restez informé sur les innovations qui dessinent notre avenir.
Une intelligence révolutionnaire
Navigation autonome dans un labyrinthe 3D
L’intelligence artificielle développée par Google DeepMind a démontré une capacité impressionnante à naviguer dans un labyrinthe en trois dimensions sans tricher. En effet, cette IA a réussi cet exploit sans avoir accès aux codes internes du jeu, s’orientant uniquement grâce à ce qu’elle “voit” sur l’écran, comme le rapporte New Scientist.
Une approche novatrice
Récemment, DeepMind a également relevé le défi du jeu ancestral appelé Go, avant de s’attaquer à un labyrinthe 3D, inspiré du jeu vidéo Doom de 1993. Dans la vidéo ci-dessous, vous pouvez voir l’IA explorer le labyrinthe simplement en déterminant ses mouvements en fonction de ce qu’elle observe, tout comme un joueur humain le ferait.
Fonctionnement de l’IA
L’intelligence artificielle s’appuie sur une méthode appelée apprentissage par renforcement, où des récompenses sont attribuées pour les actions qui améliorent le score de l’IA. Combinée à un réseau de neurones profond, cette méthode permet à l’IA d’analyser et d’apprendre des motifs sur l’écran de jeu. L’IA a également la capacité de revenir sur ses précédentes expériences grâce à une technique appelée relecture d’expérience.
Limitations et améliorations
Bien que les résultats soient impressionnants, l’équipe a reconnu certaines limitations. Selon le rapport du groupe DeepMind, le système utilise davantage de mémoire et nécessite plus de calculs pour chaque interaction réelle. Pour y remédier, une nouvelle technique appelée apprentissage par renforcement asynchrone a été développée. Cette méthode permet à plusieurs versions de l’IA de résoudre un problème simultanément tout en comparant leurs expériences respectives.
Défi d’un labyrinthe 3D
L’un des plus grands défis provenait d’un jeu de labyrinthe 3D nommé Labyrinth, semblable à Doom, mais sans le tir. L’IA devait trouver des pommes et des portails pour maximiser son score en 60 secondes. L’équipe a souligné que cette tâche était plus difficile qu’un jeu de conduite, car l’agent devait faire face à un nouveau labyrinthe à chaque fois et apprendre une stratégie générale pour explorer.
Finalement, l’IA a réussi à élaborer une stratégie raisonnable pour explorer des labyrinthes 3D aléatoires en utilisant uniquement des informations visuelles.
Regardez-la jouer à un jeu de voiture dans la vidéo ci-dessous :
FAQ
Qu’est-ce que l’apprentissage par renforcement ?
L’apprentissage par renforcement est un type d’apprentissage machine où un agent apprend à prendre des décisions en recevant des récompenses ou des pénalités en fonction de ses actions.
Combien de temps a pris le développement de cette technologie ?
Le développement de ces techniques a pris plusieurs années de recherche et de tests pour perfectionner les algorithmes et les méthodes d’apprentissage.
Quels autres jeux l’IA a-t-elle réussi à maîtriser ?
En plus de Go et des labyrinthes en 3D, l’IA a été appliquée à d’autres jeux stratégiques complexes, tels que les échecs et le poker.
Comment ces techniques sont-elles appliquées dans le monde réel ?
Les techniques d’apprentissage par renforcement sont utilisées dans divers domaines, notamment la robotique, la conduite autonome et l’optimisation de systèmes complexes.
DeepMind travaille-t-il sur d’autres projets innovants ?
Oui, DeepMind s’engage également dans des projets de santé, de météorologie, et d’autres domaines où l’intelligence artificielle peut apporter des contributions significatives.
Cela peut vous intéresser
