Probl´matiques d’intelligence artificielle
     e
dans le domaine des jeux sur ordinateur

              Damien Clauzel

  ...
A strange game.
    The only winning move is
                  not to play.
         – Joshua, Wargames




1
Table des mati`res
              e

1 Des   jeux intelligents ?                                                           ...
Chapitre 1

Des jeux intelligents ?

1.1    Historique
  Au d´but ´tait l’informaticien. Et cet informaticien, venant du m...
jeux traditionnels comme les ´checs se trouvent les wargames dont les figu-
                              e
rines jadis de ...
fournir aux joueurs des outils en ad´quations avec la complexit´ des inter-
                                    e         ...
Chapitre 2

Les modes fondamentaux

2.1     Tours de jeu
  Nous distinguerons deux grands modes de fonctionnement des jeux...
Les probl`mes rencontr´s dans ces cas sont principalement la taille des
            e                e
arbres ` explorer
 ...
du jeu dois-je fournir un effort ? Les meilleurs techniques de jeu ne servent
a
` rien au niveau local si elles ne sont pas...
aigu des m´canismes du jeu et n’est (pratiquement) pas capable d’apprendre
           e
a
` partir de situations inconnues...
Chapitre 3

Domaines concern´s
                e

3.1     Adversaire informatique
  Une fa¸on naturelle d’aborder la quest...
autre comportement en argumentant que oui, peut-ˆtre que cette fa¸on de
                                                  ...
emplacement (”je suis mort ici durant les 3 derni`res parties, donc je ne vais
                                           ...
mˆme erron´es, mais toutes participent ` l’´laboration d’une repr´sentation
  e         e                            a e  ...
traduit en sch´mas mentaux ; l’ordinateur, lui, n’a pas d’action particuli`res
               e                           ...
Chapitre 4

Projection dans l’avenir

4.1       Support mat´riel
                     e
   Un des goulets d’´tranglement a...
4.2     Gestion de profils
  Plusieurs jeux commencent ` int´grer la notion de profil d’utilisateur.
                       ...
Chapitre 5

Conclusion

   Edward Fredkin disait que l’intelligence, c’est d’avoir un probl`me et de
                     ...
r´sidait surtout dans leur capacit´s ` apprendre de l’humain. Il faut peut-
 e                                 e a
ˆtre ´g...
Bibliographie

 [1] Daniel Crevier.   `
                       A la recherche de l’intelligence artificielle.
     Champs/F...
Prochain SlideShare
Chargement dans…5
×

Problématiques d'intelligence artificielle dans le domaine des jeux sur ordinateur

3 208 vues

Publié le

rapport de recherche rédigé dans le cadre de mon DÉA « Communication Homme-Machine & Ingénierie de l'Enseignement ».

Après un bref rappel historique, je présente la situation actuelle de l'intelligence artificielle dans les jeux et les problématiques qui y sont liées.

J'ouvre alors sur des perspectives d'avenir.

Publié dans : Technologie
1 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
3 208
Sur SlideShare
0
Issues des intégrations
0
Intégrations
15
Actions
Partages
0
Téléchargements
35
Commentaires
1
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Problématiques d'intelligence artificielle dans le domaine des jeux sur ordinateur

  1. 1. Probl´matiques d’intelligence artificielle e dans le domaine des jeux sur ordinateur Damien Clauzel 15 d´cembre 2003 e
  2. 2. A strange game. The only winning move is not to play. – Joshua, Wargames 1
  3. 3. Table des mati`res e 1 Des jeux intelligents ? 3 1.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Attraits de l’intelligence artificielle . . . . . . . . . . . . . . . 4 1.3 Quelques rep`res . . . . . . . . . . . . . . . . . . . . . . . . . e 5 2 Les modes fondamentaux 6 2.1 Tours de jeu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1.1 Tour par tour . . . . . . . . . . . . . . . . . . . . . . . 6 2.1.2 D´roulement continu e (temps r´el) . e . . . . . . . . . . . 7 2.2 Raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2.1 Algorithmique . . . . . . . . . . . . . . . . . . . . . . 8 2.2.2 Expertise . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2.3 Neuronique . . . . . . . . . . . . . . . . . . . . . . . . 9 3 Domaines concern´s e 10 3.1 Adversaire informatique . . . . . . . . . . . . . . . . . . . . . 10 3.2 Relations vis ` vis de l’environnement . . . . . . . . . . . . . 11 a 3.3 Acquisition et analyse d’informations . . . . . . . . . . . . . . 12 4 Projection dans l’avenir 15 4.1 Support mat´riel . . . . . . . . . . . . . . . . . . . . . . . . . 15 e 4.2 Gestion de profils . . . . . . . . . . . . . . . . . . . . . . . . . 16 5 Conclusion 17 2
  4. 4. Chapitre 1 Des jeux intelligents ? 1.1 Historique Au d´but ´tait l’informaticien. Et cet informaticien, venant du monde des e e math´matiques, se mit ` rˆver. Rˆver que ces nouveaux ordinateurs, capable e a e e d’effectuer plusieurs milliers d’op´rations par secondes, seraient un jour en e mesure de r´soudre des probl`mes complexes. Un autre de ses espoirs ´tait e e e de donner vie ` la machine, ou tout du moins l’intelligence dans un premier a temps, cela lui suffirait largement. Au fur et ` mesure que les ann´es passaient, que les ordinateurs gagnaient a e en puissance, que les algorithmes s’am´lioraient et que la connaissance glo- e bale du domaine s’accroissait, les probl`mes abord´s devinrent de plus en e e plus complexes. D´j`, le morpion laissait la place aux ´checs, aux dames et ea e au go[1]. Des voyageurs de commerce parcouraient inlassablement les routes a ` la recherche d’un chemin optimal sur des cartes colori´es au plus juste. e On assistait ` la d´finition de cat´gories de probl`mes, et ` l’´mergence de a e e e a e nouvelles approches. Cela se passait des ann´es 60 ` 90. De l’apparition des e a premiers ordinateurs dans les universit´s jusqu’au d´barquement massif de e e l’informatique individuelle. Lorsque John MacCarthy affirmait que ”toute activit´ intellectuelle peut e ˆtre d´crite avec suffisamment de pr´cision pour ˆtre simul´e par une ma- e e e e e chine”, il ne songeait probablement pas aux jeux actuels sur ordinateur. Depuis une dizaine d’ann´es, les jeux informatiques ne se contentent plus de e ` oe reproduire des principes existants, mais en inventent d’autres. A cˆt´ des 3
  5. 5. jeux traditionnels comme les ´checs se trouvent les wargames dont les figu- e rines jadis de plombs s’animent d´sormais au son du clairon virtuel, mais e aussi des simulations de courses de v´hicules ou des immersions ` la premi`re e a e personne dans un univers tridimensionnel rempli d’adversaires hostiles. 1.2 Attraits de l’intelligence artificielle Les principaux avantages d’un adversaire informatique sont qu’il est tou- jours disponible et d’humeur ´gale, mˆme quand il perd. D’autres qualit´ e e e sont sa capacit´ d’adaptation de niveau, sa logique et sa facult´ ` suivre e e a des raisonnements pr´d´finis. Cela permet d’essayer des variantes ou encore e e d’affiner des strat´gies en les reprenant ` un certain point. Au-del` de ces e a a ´l´ments, des logiciels sachant jouer sont de nos jours consid´r´s comme des ee ee adversaires ` part enti`re. Il n’est pas rare de voir des titres de rang at- a e tribu´s ` des programmes, les joueurs pouvant ainsi se comparer ` eux. Cet e a a aspect culturel est entr´ dans le monde du jeu depuis de nombreuses ann´es e e et devrait y rester. Quel joueur d’´checs pourrait aujourd’hui affirmer que e Deeper Blue n’est pas un vrai joueur d’´checs, capable non seulement d’ana- e lyse, mais ´galement de prise de d´cision strat´gique et d’improvisation ? La e e e complexit´ de son raisonnement est devenue telle que ses d´veloppeurs ne e e sont plus capables de pr´dire avec certitude ses actions ` venir, mais juste e a de donner des indications sur son travail en cours. Trop complexe pour ˆtre e rang´ dans la cat´gorie des programmes pousseurs de pions, mais pas encore e e assez pour pr´tendre pouvoir se passer de ses concepteurs afin de continuer e a ` s’am´liorer. Si son cas n’est pas repr´sentatif de l’intelligence artificielle e e en elle-mˆme, il en est certainement un symbole fort. e Un int´rˆt indirect de l’intelligence artificielle se cache dans la maniabilit´ ee e d’un jeu. Si l’ordinateur arriver ` rep´rer des habitudes chez un joueur, il a e peut lui proposer de prendre en charge lui-mˆme ces tˆches, afin que l’ˆtre e a e humain puisse se consacrer ` autre chose. Par exemple, en s´lectionnant un a e groupe d’unit´s, si le joueur en laisse une de cˆt´ car manifestement son e oe action ´tait trop malhabile, l’ordinateur pourra juger s’il est pertinent d’in- e clure ou non cette unit´. Cette cat´gorie, plus orient´e sur les interactions e e e homme-machine que sur la r´flexion pure, connaˆ actuellement une forte e ıt croissance. Les jeux ´tant de plus en plus riches, il devient n´cessaire de e e 4
  6. 6. fournir aux joueurs des outils en ad´quations avec la complexit´ des inter- e e actions disponibles. 1.3 Quelques rep`res e Une poign´e de grands jeux, connus de tous et faisant l’objet d’´tudes e e depuis de nombreuses ann´es, font office d’´chelle de comparaison dans le e e domaine du jeu sur ordinateur. Voici les principaux d’entre eux[2]. Chacun caract´rise une fa¸on d’aborder la question du jeu, mais quasiment tous e c emploient la mˆme m´thode, la force brute. Des approches diff´rentes comme e e e la reconnaissance de formes pour le Go ou les r´seaux de neurones pour e othello sont parfois utilis´s, mais cette approche reste tr`s minoritaire malgr´ e e e les succ`s rencontr´s. e e Nb possibilit´s e Jeu Nb emplacements Nb pi`ces e 1012 Aw´l´ ee 12 trous 48 graines 1032 Dames 100 cases 2 x 20 pions noirs et blancs 1060 Othello 64 cases 64 pions bicolores 10128 ´ Echecs 64 cases 2 x 16 pi`ces noires et blanches e 10172 Go 361 points 180 pierres blanches et 181 pierres noires ´ Etat actuel : * Bridge : les programmes ne d´passent pas le niveau d’un d´butant e e * Aw´l´ : 889 063 398 406 parties possibles, jeu maˆ e ee ıtris´ * Dames : les IA ont d´pass´ les champions humains e e * Othello : victoire sans appel de l’ordinateur en 1997 ´ * Echecs : uniquement une poign´e d’humaisn arrivent ` tenir tˆte aux e a e ordinateurs * Go : l’ordinateur a le niveau d’un faible joueur en club 5
  7. 7. Chapitre 2 Les modes fondamentaux 2.1 Tours de jeu Nous distinguerons deux grands modes de fonctionnement des jeux : le tour par tour et le continu, souvent nomm´ ` tord ”temps r´el”. ea e 2.1.1 Tour par tour Nous ´voluons ici dans le domaine des jeux dit ”classiques”. Morpion, e ´checs, dames, go ou backgammon, ces jeux ont en commun plusieurs ca- e ract´ristiques[3] : les joueurs jouent ` tour de rˆle, ` chaque tour ils choi- e a o a sissent une action parmi un nombre ferm´ et petit de possibilit´s et on peut e e pr´dire l’effet d’une action sur le jeu. Ce type de fonctionnement laisse un e temps de r´flexion ´lev´ ` l’ordinateur. Celui-ci peut en effet exploiter non e e ea seulement le temps qui lui est imparti durant son tour, mais ´galement du- e rant celui de son (ou ses) adversaire(s). De plus, la gestion du jeu ` propre- a ment dit est souvent extrˆmement simple, requ´rant donc peu de ressources. e e L’essentiel des calculs se porte par cons´quent sur la r´flexion en elle-mˆme. e e e Traditionnellement, les probl`mes pos´s dans cette cat´gorie de jeu sont e e e r´solus par la force brute. La repr´sentation des situations passant par des e e arbres, on se retrouve ` employer des algorithmes bien connus, sur lesquels a sont apport´es des am´liorations mineures. Les heuristiques[4] sont les fers e e de lance de ce type de r´solution car intervenant aux endroits critiques de e ces algorithmes, ` savoir comment juger quelles branches de l’arbre il est a int´ressant de d´velopper. e e 6
  8. 8. Les probl`mes rencontr´s dans ces cas sont principalement la taille des e e arbres ` explorer a 1 . Plus la fonction d’´valuation est ´labor´e, plus il faudra e e e de temps pour la calculer, ce qui limite la profondeur de l’arbre ´tudi´. En e e revanche, une fonction simple donnera une r´ponse rapide, mais potentiel- e lement d’une qualit´ faible par rapport ` ce qui aurait pu ˆtre trouv´. Tout e a e e l’art des heuristiques repose sur le subtil compromis entre l’efficacit´ et la e vitesse. 2.1.2 D´roulement continu (temps r´el) e e Les jeux ` d´roulement continu constituent une gageure pour l’ordinateur. a e Non seulement doit-il g´rer le jeu en lui-mˆme, planifier ses actions et tenir e e compte des agissements des autres participants (humains ou informatiques), mais ´galement le faire rapidement, et de fa¸on continue. On imagine mal e c les joueurs d’une ´quipe de football s’arrˆtant toutes les 3 minutes afin de e e d´cider des actions ` suivre. Certain jeux n’existent que par cette notion de e a continuit´, afin de mettre ` l’´preuve les r´flexes et capacit´s de raisonnement e a e e e instantan´ de l’ˆtre humain. e e Dans cette approche, la question de la r´activit´ est primordiale. Ne pas e e agir est souvent aussi lourd de cons´quences que de mal agir. Les m´thodes e e de prise de d´cision ont donc une tr`s forte contrainte temporelle. Ainsi, dans e e les jeux d’´checs on pourra s’astreindre de rendre une r´ponse en un temps e e donn´. L’accent est par cons´quent mis sur la segmentation d’un probl`me e e e en un ensemble pouvant ˆtre traiter plus simplement, et rapidement. Une e pratique courante est d’affecter un facteur de priorit´ ` chacune de ces sous- ea tˆches, et d’effectuer une juste r´partition du temps de calcul disponible a e selon des crit`res relatifs ` la situation actuelle dans le jeu. e a Ici aussi, les heuristiques jouent un rˆle primordial dans la d´termination o e des actions ` effectuer en priorit´. On les retrouve ` diff´rents niveaux, a e a e mais celles suscitant actuellement le plus d’int´rˆt sont celles en haut de la ee pyramide de d´cision, car ce sont elles qui conditionnent la strat´gie globale e e de l’ordinateur. Mieux vaut-il attaquer que se d´fendre ? Sur quelle partie e 1 Un joueur d’´checs a en moyenne 35 possibilit´s de jeu ` chaque coup, une partie e e a tenant habituellement lieu sur 30 demi-coups, la taille de l’espace d’´tats est de l’ordre de e 30 35 7
  9. 9. du jeu dois-je fournir un effort ? Les meilleurs techniques de jeu ne servent a ` rien au niveau local si elles ne sont pas d´cid´es d’un point de vue global. e e 2.2 Raisonnements Il existe 3 grandes fa¸on de raisonner pour l’ordinateur[5]. c 2.2.1 Algorithmique La r´solution du probl`me est obtenue par la m´canisation. Il s’agit de e e e trouver une m´thode syst´matique conduisant au r´sultat. Tout le chemin e e e a ` parcourir est d´crit pas ` pas pour atteindre le r´sultat d´sir´. Il s’agit e a e e e l` d’une proc´dure d’automate totalement planifi´e et pr´sent´e selon une a e e e e s´quence tr`s pr´cise ` respecter. Il faut ´tudier compl`tement le probl`me e e e a e e e et codifier exhaustivement la solution. Il est n´cessaire de bien d´cortiquer e e celle-ci pour la mettre dans un automate rapide qui va la d´rouler beaucoup e plus rapidement que le cerveau. On peut y ajouter un peu de r´flexion et e optimiser le calcul, mais cela restera une proc´dure imagin´e par l’homme. e e Les jeux mettant en oeuvre cette m´thode sont les plus courants. En effet, e dans la grande majorit´ des probl`mes, la d´finition d’un algorithme suffit e e e a ` obtenir une r´ponse ` une question donn´e. Cependant, on se prive de la e a e capacit´ d’apprentissage. e 2.2.2 Expertise On effectue une m´canisation du raisonnement pour obtenir des d´ductions e e et des conclusions. Grˆce ` la connaissance du domaine, pr´alablement et a a e consciencieusement communiqu´e par un expert, on d´crit les r`gles ` suivre. e e e a Il s’agit ensuite de les enchaˆ ıner d’une fa¸on g´n´rale en employant les c e e r´sultats fournis au fur et ` mesure. Cela revient ` transcrire tout le savoir e a a et la maˆ ıtrise d’un expert d’un jeu pr´cis dans une base de connaissance, e puis de confronter le syst`me au probl`me. e e Cette m´thode est tr`s rarement employ´e pour des raisons de perfor- e e e mances. C’est un syst`me dont on ne sait pas pr´dire l’arrˆt, et dont les e e e ´tapes interm´diaires sont insatisfaisantes. Il n´cessite une compr´hension e e e e 8
  10. 10. aigu des m´canismes du jeu et n’est (pratiquement) pas capable d’apprendre e a ` partir de situations inconnues. 2.2.3 Neuronique Le but de cette m´thode est l’apprentissage par la pratique, en tentant de e m´moriser les diff´rences entre les parties. Aucune expertise externe n’est e e apport´e, si ce n’est lors de la cr´ation du r´seau et par mim´tisme des op- e e e e posants. Un programme de s´lection r´compense les meilleures m´thodes et e e e ´limine les plus faibles. Ce proc´d´ est gourmand en temps, et est g´n´ralement e e e e e r´alis´ en deux phases. La premi`re consiste ` laisser la machine apprendre e e e a et ` d´velopper sa propre logique de r´solution du probl`me. La 2`me est a e e e e l’exploitation proprement dite, o` l’on confronte la m´thode de la machine u e a ` la situation afin de la r´soudre. e Cette fa¸on d’aborder la r´solution de probl`me est consid´r´ comme la c e e ee plus ´l´gante et la plus efficace car l’ordinateur d´cide seul de la mani`re ee e e de r´soudre la situation qui lui est expos´, sans aide ext´rieur et en s’adap- e e e tant. Malheureusement, elle demeure fort difficile ` exploiter ` cause de la a a longueur d’apprentissage, et de la complexit´ inh´rente ` la gestion des neu- e e a rones. 9
  11. 11. Chapitre 3 Domaines concern´s e 3.1 Adversaire informatique Une fa¸on naturelle d’aborder la question des adversaires informatiques c est d’envisager la simulation des raisonnements humains. Or, les r´alisations e de ces dix derni`res ann´es ont montr´s que les performances n’´taient pas e e e e a ` la hauteur des esp´rances. Outre le fait d’ˆtre trop lourde et complexe e e a ` mettre en oeuvre pour ˆtre efficace, cette m´thode implique aussi une e e connaissance suffisante de l’intelligence humaine telle que nous l’employons au quotidien. Cette voie est donc laiss´e de cˆt´ en faveur d’une approche e oe oppos´e, ` savoir cr´er une forme de raisonnement propre ` la machine. e a e a Une des questions revenant fr´quemment en avant est de savoir s’il est e souhaitable pour l’utilisateur de pouvoir diff´rencier un adversaire humain e d’un opposant informatique, en se basant uniquement sur ses r´actions dans e le jeu. On voit d´j` le test de Turing[6] poindre son nez ` l’horizon. Si l’on ea a interroge les principaux int´ress´s, ` savoir les joueurs eux-mˆmes, il ressort e e a e globalement que ceux-ci pr´f`rent affronter des adversaires ayant un compor- ee tement semblable ` celui-d’un humain plutˆt qu’un ”stupide programme”. a o Le crit`re de qualit´, fort subjectif au demeurant, semble ˆtre la capacit´ e e e e d’un programme ` s’inspirer de comportement humain afin d’assurer une a bonne efficacit´. Mˆme si cela peut en r´alit´ impos´ une fa¸on de jouer e e e e e c plus faible ` l’ordinateur, car la strat´gie humaine n’est pas toujours la plus a e pertinente. Ainsi, l` o` l’ordinateur pourrait d´terminer que la m´thode ga- a u e e gnante est d’effectuer toujours le mˆme parcours entre diff´rents points du e e jeu afin de r´aliser des objectifs mineurs, le joueur humain emploiera un e 10
  12. 12. autre comportement en argumentant que oui, peut-ˆtre que cette fa¸on de e c jouer est efficace en terme de victoire, mais elle ne l’est pas du point de vue ludique. Un individu humain joue principalement pour le plaisir[7], alors que l’or- dinateur joue pour gagner. Il y a l` une diff´rence fondamentale entre nos a e deux protagonistes. ` ma connaissance, il n’existe pas de travaux actuels a prenant en compte l’aspect qu’un opposant informatique doit avant tout distraire l’humain avant de lui opposer une r´sistance farouche. e 3.2 Relations vis ` vis de l’environnement a La tendance actuelle dans le domaine des jeux sur ordinateur est l’agran- dissement massif des zones exploitables. Les cartes deviennent de plus en plus vastes, avec toujours plus de complexit´. Reliefs, moyens de d´placement, e e perspectives, ´l´ments ´volutifs, tout ceci contribue ` offrir ` l’utilisateur en- ee e a a core plus d’interactions, et donc d’amusement. L` o` les choses deviennent a u difficiles, c’est que notre ami l’ordinateur, lui, s’arrache les puces. Comment tenir compte de tous ces param`tres[8] ? Quels sont les crit`res permettant e e de calculer le d´placement optimum de ses unit´s ? Et s’il doit en outre e e g´rer des groupes d’´l´ments aux caract´ristiques h´t´rog`nes (vitesse de e ee e ee e d´placement, puissance de feu pour forcer le passage, etc), il fini par ne plus e s’en sortir. Il est toutefois possible de d´composer une situation complexe e en plusieurs sous-probl`mes. Ainsi, le d´placement coordonn´ de plusieurs e e e groupes d’unit´ (niveau macro) pourra ˆtre g´r´ en employant une m´thode, e e ee e tandis que la gestion d’un groupe sera confi´ ` un autre, pour finir au niveau ea micro, l’unit´ en elle-mˆme, qui ne se d´placera que dans le cadre restreint e e e du groupe. Selon les cas, on peut employer algorithmes comme A* ou des techniques multi-agents communicant via un blackboard. Mais cette derni`re e m´thode est peu usit´e, car difficilement employable dans des logiciels ` la e e a dur´e de vie courte. e La capacit´ pour l’ordinateur ` tirer profit de l’environnement est aujour- e a d’hui un des ´l´ments cl´ en mati`re de strat´gie[9].Non seulement cela lui ee e e e permet de faire la diff´rence entre les bons et les mauvais endroits (”hum, e ceci est de la lave, et je sais que m’y immerger n’est pas une action souhai- table pour ma survie”), mais permet ´galement d’associer des notes ` un e a 11
  13. 13. emplacement (”je suis mort ici durant les 3 derni`res parties, donc je ne vais e pas retourner dans ce tunnel sans en savoir plus”) Dans cette cat´gorie de probl´matique se trouve ´galement des cas plus e e e traditionnels, comme la question de d´terminer le chemin optimal entre 2 e points. Aux difficult´ de la NP-completude s’ajoutent les param`tres ´voqu´s e e e e ci-dessus. Tout ce petit monde ´voluant naturellement constamment dans le e temps. Il existe deux fa¸ons d’appr´hender la gestion du terrain dans un jeu c e sur ordinateur : l’approche g´n´rique consistant ` d´finir des m´canismes e e a e e abstraits de perception et d’analyse de cartes, et l’approche sp´cifique o` e u l’ordinateur se base sur des informations construites lors de la cr´ation de la e carte[10]. S’il est commun´ment admis que l’id´al semble ˆtre de d´velopper e e e e des solutions de haut niveau afin de pouvoir les r´employer partout, comme e le ferait un ˆtre humain, dans la pratique les d´veloppeurs ajoutent souvent e e aux cartes des m´tadonn´es relatives ` l’environnement. Comment atteindre e e a rapidement un point difficile, dans quelle zone se trouve tel objet, etc. La simplification des calculs qui en r´sulte permet ` l’ordinateur de se consa- e a crer ` d’autres tˆches, permettant ainsi de ne pas s’engluer dans des d´tails a a e secondaires. l’inconv´nient de cette tactique est que si la carte est modifi´e e e apr la suite, ces m´tadonn´es risquent fort de devenir obsol`tes. La com- e e e plexit´ du d´veloppement est donc plus importante. La conception de cartes e e demandant ´norm´ment de temps, et n´cessitant diff´rents experts, on com- e e e e prend le besoin d’am´lioration de l’approche g´n´rique. Cependant, celle-ci e e e semble de nos jour encore loin d’ˆtre r´ellement exploitable. e e La majorit´ de ces probl`mes sont de nos jours peu trait´s, ou bien e e e na¨ıvement. Des pistes sont ´tudi´es du cˆt´ des syst`mes d’information e e oe e g´ographique pour en retirer de l’aide, mais les liaisons ne sont pas ´videntes. e e Le plus souvent, des heuristiques larges sont employ´es, avec des probabilit´s e e de succ`s fortement li´s ` un contexte pr´cis. e e a e 3.3 Acquisition et analyse d’informations La prise de position repose sur la connaissance d’informations. Elles peuvent ˆtre per¸ues ou d´duites, compl`tes ou partielles, certaines, impr´cises voir e c e e e 12
  14. 14. mˆme erron´es, mais toutes participent ` l’´laboration d’une repr´sentation e e a e e de la situation par l’ordinateur qui lui servira ` d´cider de ses prochaines a e actions. Tout comme le joueur, l’ordinateur commence par rassembler des infor- mations sur son environnement. L’ˆtre humain le fait de fa¸on intuitive et e c effectue ´norm´ment d’assomptions sur des implications de sens commun : e e les murs sont solides, le feu brˆle, une porte doit pouvoir s’ouvrir, etc. L’or- u dinateur, lui, part de z´ro. Le probl`me est donc de fournir ` l’ordinateur e e a ces renseignements, de les tester, de le remettre en cause et d’en apprendre de nouveaux. Une autre facette des connaissances que doit acqu´rir l’ordinateur est que e chaque joueur, humain ou informatique, influe sur l’environnement : une porte que l’on a laiss´e ferm´e pourra ˆtre retrouv´e ouverte, un objet que e e e e l’on a laiss´ pourra avoir disparu. Ces connaissances ne sont pas fig´es, elles e e ´voluent en fonction des ´v´nements. Par cons´quent, il faut trouver une e e e e m´thode pour attribuer un score de v´racit´ ` chaque information, avec un e e ea affaiblissement en fonction du temps : si on laisse de l’argent au milieu d’une rue fr´quent´e au temps t, il sera tr`s probablement encore l` au temps t+1 ; e e e a mais ` t+1000, ce n’est plus aussi certain... a Il peut ˆtre judicieux de faire la distinction entre 2 types de connaissances. e Les premi`res sont celles du monde, fixes, universelles et absolue. Ce sont e par exemple la gravit´, le fait que la pierre est plus r´sistante que le bois, que e e l’on se noie dans l’eau, etc. Ces informations sont habituellement fournie par le d´veloppeur, l’ordinateur n’ayant pas ici ` red´couvrir la roue, ce qui lui e a e permet de tenir tˆte ` l’humain. l’int´rˆt de ce type de connaissance r´side e a ee e dans leur g´n´ricit´. Si les ´l´ments ont un comportement identique d’un e e e ee terrain ` l’autre, voir d’un jeu ` l’autre, il est possible de d´finir des collec- a a e tions de connaissances pouvant servir de base ` de futurs d´veloppements. a e De plus, la d´finition commune permet d’assurer une coh´rence vis ` vis e e a du joueurs : dans un certain type de jeux, il est logique que des ´l´ments ee semblables adoptent des r´actions similaires face ` un stimulus r´p´t´. e a e ee Le second type d’information englobe le reste. Susceptibles d’´voluer, elles e devront ˆtre remise en question. L’ˆtre humain les per¸oit avec ses sens et les e e c 13
  15. 15. traduit en sch´mas mentaux ; l’ordinateur, lui, n’a pas d’action particuli`res e e a ` effectuer. La position d’un ´l´ment, le niveau d’un autre, qu’importe, il ee lui suffit de consulter sa m´moire. Une situation inacceptable pour le joueur e humain qui se sent ici l´s´ car il ne peut pas savoir ce qui se trouve derri`re le ee e mur, lui. Cette question d’´thique est en fait souvent ignor´e afin d’am´liorer e e e les performances de l’ordinateur. Au lieu de passer de nombreux cycles de calculs ` d´terminer ce que peux ”voir” un personnage contrˆl´ par l’ordi- a e oe nateur, il est plus rapide de prendre directement les informations dans le r´f´rentiel et de les exploiter. Le temps ici gagn´ sera employ´ ` d’autres ee e e a tˆches. a Dans le cas o` l’on dispose des ressources informatiques n´cessaires ` la u e a r´solution de ces calculs de perceptions, on rentre dans une optique d’ap- e prentissage. L’ordinateur doit donc poss´der des capacit´s ` comparer des e e a ´l´ments, ` reconnaˆ des sch´mas plus ou moins similaires et ` les associer. ee a ıtre e a Les r´seaux de neurones peuvent ici ˆtre employ´s, mais les contraintes de e e e r´activit´ font que souvent on leur pr´f`re des solutions plus rapides comme e e ee les classiques parcours d’arbres. Ces derniers font d’ailleurs des merveilles dans la gestions de petits nombres d’´l´ments, ce qui tend ` d´montrer que ee a e dans de tr`s nombreux cas des heuristiques suffisent ` r´soudre des probl`mes e a e e semblant n´cessit´ de ”l’intelligence”. e e La plupart du temps, l’ordinateur se basera donc sur les informations du monde pour prendre ses d´cision, et la petite partie d’apprentissage ne ser- e vira qu’` moduler l´g`rement ses d´cisions. Ce probl`me profite des avanc´es a e e e e e de l’intelligence artificielle en la mati`re, et trouve ici des domaines d’appli- e cations concrets. La limitation de l’acquisition des connaissances dans le domaine du jeu provient surtout du mat´riel, et non pas des m´thodes de calculs. D’avantage e e de puissance de calcul permettrait de r´aliser des progr`s sans remettre en e e question les m´thodes de raisonnement actuelles. e 14
  16. 16. Chapitre 4 Projection dans l’avenir 4.1 Support mat´riel e Un des goulets d’´tranglement actuel en mati`re d’intelligence artificielle e e ´tant la puissance de calcul disponible, on pourrait imaginer dans un futur e proche le d´veloppement de supports mat´riels d´di´s. Cette pratique a en e e e e effet permit aux technologies de l’imagerie de r´aliser des progr`s spectacu- e e laires il y a quelques ann´es grˆce ` des produits comme la 3Dfx1 . e a a Des supports tels que la NNPC-122 commencent ` apparaˆ a ıtre, mais dans des environnements sp´cialis´s. Je pense toutefois qu’il y a un avenir certain e e pour ces supports mat´riels. La sous-traitance des calculs r´p´titifs que sont e e e les parcours d’arbres ou les it´rations dans un r´seau de neurones pouvant e e ˆtre confi´ ` des processeurs sp´cialis´s, il serait ainsi possible d’am´liorer e ea e e e les capacit´s d’analyse du syst`me. e e Cependant, cela reviendrait ` figer des m´thodes de r´solutions, et les a e e jeux voulant exploiter ces supports devraient le faire avec des contraintes immuables. Il y aurait donc un risque de perdre le cˆt´ ´volutif de cette oe e solution. 1 http://www.nvidia.com 2 http://www.modulusfe.com/nnpc12/default.asp 15
  17. 17. 4.2 Gestion de profils Plusieurs jeux commencent ` int´grer la notion de profil d’utilisateur. a e Au fil ses parties, l’ordinateur en apprend de plus en plus sur celui-ci, lui permettant d’adapter ainsi sa fa¸on d’agir pour toujours renouveler l’int´rˆt c ee du jeu. Plus l’utilisateur progresse, plus l’ordinateur est capable de soutenir son niveau. Toutefois, un apprentissage est sp´cifique ` un jeu, pour un e a utilisateur donn´. e Il pourrait ˆtre int´ressant d’´tendre ce principe ` un ensemble de jeux, e e e a toujours pour un mˆme utilisateur. On aura donc un profil g´n´rique de lui e e e que pourraient interpr´ter diff´rents logiciels, afin de s’adapter d`s le d´but e e e e a ` ses caract´ristique. Un utilisateur mettant du temps ` progresser se verrait e a ainsi oppos´ d`s le d´but des adversaires informatiques adapt´s ` son niveau, e e e e a au lieu de se baser sur un mod`le relativement abstrait du joueur d´butant. e e Je vois apparaitre dans cette solution des questions d’´thiques : que se e passera-t’il si l’on essaye de d´duire les facult´s intellectuelles d’une per- e e sonne ` partir de ces informations ? Y’a-t’il des risques de d´rives possibles a e en extrapolant depuis une activit´ ludique, donc non productive, des capa- e cit´s de travail ? Mais si l’on tient compte de ces concid´rations, pourrait-on e e profiter de cette masse d’information afin d’accroˆ ıtre la connaissance sur l’ˆtre humain ? e 16
  18. 18. Chapitre 5 Conclusion Edward Fredkin disait que l’intelligence, c’est d’avoir un probl`me et de e savoir le r´soudre e 1 . S’il est vrai que d´sormais on comprend mieux les e probl´matiques qui se posent en mati`re de jeux sur ordinateurs, on sait e e ´galement que l’intelligence artificielle n’est pas la panac´e que l’on croyait. e e Les m´thodes de r´solutions classiques que sont les algorithmes de par- e e cours de graphes montrent aujourd’hui qu’elles ne sont pas prˆtes de partir. e Et d’ailleurs, pourquoi le feraient-elles ? Elles s’acquittent parfaitement des tˆches qui leur sont confi´es. a e Face ` la complexit´ croissante des jeux, la d´finition de cat´gories a per- a e e e mit la segmentation de probl`mes complexes en sous-ensemble de domaines e r´duits, ce qui a contribu´ ` la r´alisation d’approches plus fines en mati`res e ea e e de r´solution. Chaque cat´gories peut en effet ˆtre vue comme une appli- e e e cation concr`te des grandes probl´matiques d’intelligence artificielle. Re- e e cherche de parcours, prises de d´cision, apprentissage, tout est repris et ex- e ploit´. Les jeux commerciaux profitent tr`s rapidement des avanc´es des do- e e e maines, et en sont mˆme parfois les moteurs. Des logiciels comme Creatures 2 e ou plus r´cemment Black and White 3 ont surpris bon nombre de joueurs e grˆce ` leurs r´seaux de neurones. Mais apr`s une phase de d´couverte, a a e e e le temps pour l’ˆtre d’humain d’apprendre comment la machine r´agissait, e e ces jeux ont rapidement d´clin´s ; l’homme s’adaptant en effet plus vite e e que la machine. Trop pauvres pour ˆtre r´ellement amusants, leur int´rˆt e e ee 1 Sciences, 17 octobre 1980 2 de Creatures Labs 3 de Lionhead Studios 17
  19. 19. r´sidait surtout dans leur capacit´s ` apprendre de l’humain. Il faut peut- e e a ˆtre ´galement envisager le fait que le battage m´diatique autour d’eux a fini e e e par convaincre les joueurs qu’ils ´taient r´volutionnaires. Ils l’´taient sans e e e doute, mais pas dans une fa¸on qui soit perceptible par le grand publique. c De la mˆme fa¸on que les avions volent sans battre des ailes, les ordi- e c nateurs peuvent gagner sans suivre une logique humaine. Si DeeperBlue se d´brouille mieux aux ´checs que 99.99% de la population humaine, cela fait e e de lui un joueur d’´checs, malgr´ qu’il soit fait de silice et non de carbone. e e Le pi`ge concisterait donc ` m´langer le but ` atteindre et la fa¸on d’y e a e a c parvenir. La question du dicernement entre ce qui n´cessite r´ellement de e e l’intelligence, et ce qui peut se r´soudre d’une mani`re algorithmique est par e e cons´quent cruciale ` mes yeux. Ce qui nous renvoit ` l’´ternelle question : e a a e au fond, qu’est-ce que l’intelligence, et une machine peut-elle l’ˆtre ? John e Searl a clairement statu´ que le cerveau est le si`ge de la pens´e et qu’il e e e peut-ˆtre totalement d´crit par des m´canismes chimiques et physiques[11], e e e donnant l’espoir au futur de l’intelligence artificielle forte. Actuellement, il est difficile d’avoir du recul sur l’efficacit´ de l’intelligence e artificielle dans les jeux sur ordinateurs, car son apparition est encore trop r´cente. Mais l’identification des probl`mes ` r´soudre ayant ´t´ ´tablie par e e a e eee la recherche depuis de nombreuses ann´es, la difficult´ r´side surtout dans e e e le fait d’employer ces technologies dans des logiciels grands publiques. 18
  20. 20. Bibliographie [1] Daniel Crevier. ` A la recherche de l’intelligence artificielle. Champs/Flammarion, 1999. Origine et histoire de l’intelligence arti- ficielle. [2] John H. Conway. L’´chec de l’intelligence artificielle. Sciences et vie, e d´cembre 2002. e [3] John H. Conway. On Numbers and Games. Academic Press, 1976. [4] Levy and Bealjournal. Heuristic programming in artificial intelligence : The first computer olympiad. 1989. [5] G´rard Villemin. Intelligence artificielle. 2003. http://membres.lycos. e fr/villemingerard/Logique/IAintro.htm. [6] A.M. Turing, C. Strachey, M.A. Bates, and B.V. Bowden. Digital com- puters applied to games. In B.V. Bowden, editor, Faster Than Thought, pages 286–310. Pitman, London, 1953. [7] James P. Carse. Finite and Infinite Games. Ballantine Books, 1987. R´flexions philosophiques sur les jeux et la vie en g´n´ral. e e e [8] B. Girard and G. Robert. Intelligence artificielle situ´e et jeux vid´o. In e e Actes de Conf´rence du IV`me colloque Jeunes Chercheurs en Science e e Cognitives (CJC4), pages 157–160. ISC Lyon, 2001. [9] William van der Sterren. Terrain Reasoning for 3D Action Games. Proceedings of the 2001 Game Developer Conference, 2001. [10] J.M.P. van Waveren. The Quake 3 Arena Bot. PhD thesis, University of technology, Delft, 2001. Th`se portant sur la conception d’un adversaire e informatique pour le jeu Quake 3. [11] John R. Searle. Du cerveau au savoir. Hermann, 1985. 19

×