L’utilisation de machine learning se multiplie dans différents domaines, Google l’utilise par exemple pour reconnaître les objets présents dans une vidéo ou pour créer des visuels dans Sheets. Les algorithmes propres au machine learning apprennent par l’entraînement, plus l’on « nourrit » le système, plus celui-ci sera performant. Cette forme sous-jacente de l’IA est souvent utilisée pour faire de la prédiction : on fournit par exemple au système tous les films que nous avons vu, et celui-ci sera capable de proposer un film susceptible de nous plaire. Dans ce cas, des chercheurs ont souhaité proposer des données différentes à l’intelligence artificielle, et ce grâce à l’utilisation de jeux vidéos.

La plupart du temps, les données utilisées pour le machine learning viennent d’un environnement virtuel. Cette fois-ci, un groupe de chercheurs, dont un scientifique anglais de Microsoft Research ont décidé de modifier l’environnement qui fourniraient les données à l’IA. L’objectif était d’apprendre au système à appréhender et à aborder des situations inconnues. Pour cela, les chercheurs ont utilisé des données issues de jeux vidéos, afin de faire comprendre à l’IA comment les humains abordaient les problèmes complexes. Les chercheurs ont crée un émulateur pour Atari 2600 appelé Atari Grand Challenge, et ont utilisé Javatari, un outil écrit en JavaScript. Ils ont ensuite fait appel à des gamers afin de collecter et de pouvoir analyser par la suite plus de 45 heures de jeu. 5 jeux ayant différents niveaux de complexité et de difficulté ont été analysés : Video Pinball, Qbert, Space Invaders, Ms Pac-Man et Montezuma’s Revenge.

Montezuma's Revenge

Les résultats sont prometteurs et ont réussi à démontrer l’utilisation de ce genre de données, issues d’un environnement réel. Le groupe de chercheurs souhaitent maintenant tester la même méthode avec des joueurs pro afin de continuer à former l’IA aux situations et environnements inconnus.

Source : Digital Trends