Cette intelligence artificielle joue au football comme un pro

Chez Alphabet, ils ont commencé par permettre à l'IA de prendre le contrôle de figures numériques qui ont des formes et des mouvements humains. Pas à pas, les scientifiques leur ont appris à marcher, dribbler ou dribbler, lancer et enfin jouer différents tours dans des compétitions de base avec des équipes de deux joueurs de pellets.

L'IA qui pourrait marquer un but et même faire des fautes

Au début, les personnages ont appris les compétences de base du mouvement et de la manipulation du ballon. Ce processus consomme les 24 premières heures d'entraînement mais représente environ un an et demi de matchs simulés.

Dans la deuxième phase de l'expérience, les comportements coopératifs et de travail d'équipe typiques d'un jeu réel ont commencé à être appliqués.

New Scientist señala que las habilidades de trabajo en equipo, que son esenciales para que la IA detecte dónde se recibirá un pase, toman un poco más: unas dos o tres décadas de juegos de simulación, el equivalente a dos o tres semanas en el mundo réel.

"Nos agents ont acquis des compétences telles que la locomotion agile, les passes et la division du travail, comme en témoignent un certain nombre de statistiques, y compris des mesures utilisées dans l'analyse sportive du monde réel", explique DeepMind. Parmi les capacités dont fait preuve l'IA, on distingue par exemple la capacité d'anticiper le comportement de ses compagnons.

« Au début de l'entraînement, tous les agents couraient juste vers le ballon. En quelques jours, nous les voyions se rendre compte que l'un de leurs coéquipiers avait le contrôle du ballon, ils se retournaient et couraient sur le terrain, anticipant qu'il essaierait de marquer ou peut-être de passer le ballon », explique DeepMind à Wired Guy Lever. . , membre de l'équipe qui a façonné leurs études en science robotique.

Il y a environ cinq ans, des chercheurs ont essayé d'enseigner explicitement aux personnages comment surmonter les obstacles. L'expérience laisse une leçon sur les avantages des essais et erreurs et de l'apprentissage par renforcement (RL), mais ses schémas de mouvement sont "contre nature", avec un certain sens de l'humour. Le problème, admet DeepMind, est qu'ils sont "irréalistes" pour les robots.

Le défi n'est pas tant d'avoir une IA capable de déplacer des personnages ressemblant à des humains pour obtenir un "comportement affiné", ce qui est nécessaire pour marcher sur un terrain accidenté ou même manipuler des objets cassables.

"Les mouvements neuronaux peuvent endommager le robot lui-même ou son environnement, ou au moins vider la batterie", a déclaré la filiale d'Alphabet. Par conséquent, des efforts sont faits pour créer des robots avec un comportement "sûr et efficace" qui répondent aux commandes qu'ils reçoivent.

Pour atteindre leur objectif, les scientifiques ont utilisé les principes moteurs neuroprobabilistes (NPMP), qui sont basés sur l'apprentissage de schémas de mouvement empruntés aux humains et aux animaux et aident à traduire les commandes de contrôle.

« Nous avions déjà montré qu'un comportement coordonné peut émerger dans des équipes qui se font concurrence. Le NPMP nous a permis d'observer un effet similaire dans un scénario nécessitant un contrôle moteur beaucoup plus avancé.

« Cela oriente fondamentalement son contrôle moteur vers un comportement humain réaliste, des mouvements humains réalistes. Et cela est appris de la capture de mouvement, dans ce cas, des acteurs humains jouant au football », a déclaré l'équipe à Wired. Dans le cadre du même processus, l'IA a également été récompensée pour ne pas s'écarter des stratégies définies pour chaque scénario.

CONTINUER À LIRE