Arwendil a écrit :



C’est sûr que quand l’IA serait devenu accessible au

grand public, et qu’on pourra l’utiliser comme les gens utilisent

actuellement les bots pour le farming

ça sera un problème, mais les développeurs des jeux auront des IA

entraînées a détecter que se sont des IA qui jouent et non pas des vraie

personnes " />.





Ca me fait penser à un truc qui s’appelle “Generative adversarial neural network” (ou GAN) : tu apprends à une première “IA” (discriminator) à reconnaître ce qui est issu d’un “faux” généré par une seconde IA (generator) et ce qui est issu d’un “vrai”. Mais en même temps, tu apprends aussi à la seconde “IA” (generator) à générer des “faux” pour tromper la première “IA” (discriminator) (si tu as la première “IA”, tu peux avoir facilement connaître comment améliorer le “faux” pour pouvoir tromper la première “IA”).

Kevsler a écrit :



Pour l’instant ^^



D’ici quelques années des IAs pourraient bien faire le pont entre les patterns d’apprentissage, d’efficacité, de productivité, d’un RTS et appliquer ces patterns à d’autres domaines. Puis une IA seule pourra faire ce qu’un humain fait aujourd’hui.



La seule limite qu’il peut y avoir aux IA : c’est la quantité finie de matières premières disponibles pour la construction des infrastructures matérielles. J’pense aussi au cerveau humain, qui jusqu’à maintenant est le créateur de ces IAs. Mais y’a moyen qu’une fois cette limite atteinte, une IA prenne le relais :p







Je ne pense pas que c’est avec l’actuelle technologie (les réseaux de neurones) que l’on va avoir ce genre d’IA.



Le jour où les ordinateurs quantique seront de sortie, là, oui, on pourra chier dans notre froque. Les ordinateurs pourront alors joué l’intégralité de toutes les parties existantes (il faut autant de qbit qu’il faut de bit pour représenter l’état de la partie en un instant t. La mémoire quantique sera alors la superposition de tous les états possibles de toutes les parties).







Arwendil a écrit :



Je ne pense pas que l’IA soit bloqué sur une (ou un petit nombre) stratégie en particulier qui marcherait a tous les coups.

Justement l’intérêt d’une IA même faible et spécialisé sur un jeu en particulier, c’est de pouvoir s’adapter à différentes situations, et en fonction des informations et actions de son adversaire de changer de stratégie. Et même si l’IA est figé à la fin de l’apprentissage et n’apprend plus, quand tu as 200 ans d’expérience sur le jeu, tu as probablement vu une grande partie des stratégies possibles.



L’apprentissage ça sert a ça, l’IA perd contre une stratégie en particulier d’une autre IA, celle qui gagne continue à jouer cette stratégie, celle qui perd en change pour la contrer, jusqu’à ce qu’elle gagne. Et inversement jusqu’à ce qu’ils aient exploré une bonne partie des stratégies possibles.



Après je ne suis pas expert en la matière.







Starcraft comme de nombreux jeux ont un nombre de possibilité de déroulement qui explose très vite. Impossible, même en 200ans d’en avoir fait le tour. Je pense que le choix est fait entre en considérant par exemple que chaque joueur cherche à gagner (à améliorer ses chances de gagner par rapport à celui actuel dans un futur plus ou moins proche) et en privilégiant du coup ce genre de partie. Ainsi, la machine ici n’est pas prêt pour des coups peu “orthodoxe”.

Je ne dit pas qu’il est simple, mais la machine n’est pas infaillible, et la moindre faille pourrait être exploité tant qu’elle n’a pas appris à s’en prévenir.

Bien sûr, mais c’est ce qui est utilisé ici (“AlphaStar plays the full game of StarCraft II, using a deep neural network that is trained directly from raw game data by supervised learning and reinforcement learning.”) et c’est ce qui aujourd’hui surpasse la grande majorité des algo de machine learning.



Après, oui, le machine learning est un sous-ensemble des IA, mais c’est aussi cette partie qui est le plus intéressante si l’on veut un début d’IA généraliste.