in

L’IA de NVIDIA a construit Pac-Man à partir de zéro en quatre jours

Dans le cas de GameGAN, le réseau génératif a été formé à l’aide de 50000 sessions de jeu, puis a été invité à le recréer dans son ensemble, des murs statiques et des pastilles aux fantômes, Pac-Man lui-même et les règles régissant leurs interactions. L’ensemble du processus s’est déroulé sur un quatuor de GP100. GameGAN n’a cependant reçu aucun code sous-jacent ni accès au moteur du jeu. Tout comme apprendre les règles en regardant par-dessus l’épaule de votre frère aîné pendant qu’il jouait, GameGAN a compris Pac-Man uniquement en regardant l’action à l’écran et en suivant les entrées du contrôleur comme une IA distincte jouait au jeu.

« Il y a eu de nombreuses IA créées ces dernières années, qui peuvent jouer à des jeux, ce sont des agents au sein de ces jeux », a déclaré à Engadget le révérend Lebaredian, vice-président de la technologie de simulation de NVIDIA. « Mais c’est le premier GAN créé qui peut réellement reproduire le jeu lui-même sous forme de boîte noire. »

Comme l’explique un blog NVIDIA publié vendredi, «Lorsqu’un agent artificiel joue au jeu généré par GAN, GameGAN réagit aux actions de l’agent, générant de nouvelles images de l’environnement de jeu en temps réel. GameGAN peut même générer des mises en page de jeu jamais vues auparavant, s’il est formé sur des scénarios de jeux avec plusieurs niveaux ou versions. « 

Il s’agit d’un processus de création similaire aux techniques de génération procédurale, qui existent depuis la fin des années 70, mais une méthode beaucoup plus efficace. « Donc, si vous pouvez penser au travail qui va dans la création d’un jeu comme Pac-Man », a déclaré Lebaredian. «Il y a un programmeur qui doit s’asseoir là et vraiment réfléchir à tous les rôles et comment ils vont décrire exactement la création de ce jeu, la création du labyrinthe et l’interaction de tous les agents de ce jeu. C’est un travail minutieux.  »

« Ce que cela peut aider, c’est que nous pouvons faire en sorte que le GAN apprenne toutes ces règles en observant », a-t-il poursuivi. « Idéalement, nous enseignerions quelque chose comme ce GameGAN quelles sont les règles de procédure pour les mondes que vous souhaitez créer. »

Cela pourrait être aussi simple que, par exemple, attacher une caméra vidéo au tableau de bord d’une voiture et aller faire un tour. GameGAN serait en mesure de s’entraîner sur ces données vidéo et de générer des niveaux réalistes générés de manière procédurale en fonction de ce que la caméra a vu.

Cette technique pourrait également améliorer les temps de développement des machines autonomes du monde réel. Étant donné que les robots employés dans les entrepôts et sur les chaînes de montage peuvent constituer une menace pour la sécurité de leurs collègues humains, ces machines sont généralement d’abord entraînées virtuellement afin que si elles font une erreur, aucun dommage réel ne soit causé. Le problème est que la présentation de ces scénarios de formation numérique est une tâche laborieuse et longue. Nous pourrions un jour former un modèle d’apprentissage en profondeur capable de prédire les conséquences de ses actions et l’utiliser à la place.

« Nous pourrions éventuellement avoir une IA qui peut apprendre à imiter les règles de conduite, les lois de la physique, simplement en regardant des vidéos et en voyant des agents prendre des mesures dans un environnement », a déclaré dans une presse Sanja Fidler, directrice du laboratoire de recherche de NVIDIA à Toronto. Libération. « GameGAN est la première étape vers cela. »

GameGAN Pac-Man de NVIDIA est un jeu entièrement fonctionnel auquel les humains et les processeurs pourront jouer lorsque la société le mettra en ligne plus tard cet été.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.