Nvidia utilise l’IA pour recréer Pac-Man sans moteur de jeu

Imaginez-vous dans une salle d’arcade regarder quelqu’un jouer à Pac-Man pour la première fois. Au fil du temps, vous découvrirez comment fonctionne le jeu : la manière dont Pac-Man se déplace dans le labyrinthe, le fait qu’il ne peut pas se déplacer à travers les murs, etc. Vous allez aussi apprendre comment les actions du jeu sont contrôlées par les différents mouvements du joueur. Pour finir, vous serez éventuellement capable d’écrire votre propre version du jeu.

Et c’est ce qu’a fait un modèle unique d’intelligence artificielle (IA) créé par des chercheurs de Nvidia, qui peut recréer une version pleinement fonctionnelle de Pac-Man simplement en observant des heures de jeu, sans utiliser de moteur de jeu.

La première IA capable de reproduire un jeu

Appelé GameGAN, le modèle de réseau neuronal imite un moteur de jeu informatique en exploitant les réseaux antagonistes génératifs (GAN). Les GAN sont en fait deux systèmes d’intelligence artificielle qui s’affrontent : l’un tente de simuler le contenu original et l’autre en détecte les erreurs. En se faisant concurrence, ils créent ensemble un contenu suffisamment convaincant pour imiter le jeu original.

GameGAN a été formé sur 50 000 épisodes de Pac-Man, sans avoir aucune idée de la façon dont les mécanismes du jeu fonctionnent dans le code sous-jacent. Selon Nvidia, il s’agit de la première recherche à émuler un moteur de jeu en utilisant un réseau neuronal basé sur les GAN.

« De nombreuses IA créées ces dernières années peuvent jouer à des jeux – elles sont des agents dans le jeu – mais c’est le premier GAN qui peut réellement reproduire le jeu lui-même », explique à la presse Rev Lebaredian, vice-président de la technologie de simulation chez Nvidia.

D’autres domaines d’application que les jeux

Cette recherche a des implications pour la création de jeux mais aussi pour des scénarios du monde réel. On peut imaginer, par exemple, que ce type de GAN soit utilisé pour développer des simulateurs pour la formation des robots d’usine. « C’est le début d’un voyage », affirme Rev Lebaredian. « Nous allons appliquer cela non seulement aux jeux classiques en 2D comme Pac-Man mais aussi aux jeux modernes en 3D, et même à des choses qui ne sont pas vraiment des jeux. Nous utilisons la technologie des jeux – le rendu en temps réel et la physique – pour diverses utilisations de nos jours, y compris la simulation robotique. »

GameGAN a été formé pendant quatre jours en utilisant 4 GPU GV100 Volta. Les 50 000 épisodes de Pac-Man ont représenté quelques millions d’images, qui ont été couplées avec les données sur les frappes de clavier d’un agent d’IA jouant le jeu. Le modèle GameGAN entraîné générait les éléments statiques du jeu – tels qu’une forme de labyrinthe cohérente, des points et des “Power Pellets” – ainsi que les éléments mobiles, comme les fantômes ennemis et Pac-Man lui-même. Il permettrait également d’apprendre les règles du jeu. Lorsqu’un agent d’IA joue au jeu généré par le GAN, GameGAN répond aux actions de l’agent en générant de nouvelles images de l’environnement du jeu en temps réel.

Dans le monde de la création de jeux, les développeurs pourraient utiliser un GAN comme celui-ci pour concevoir automatiquement de nouvelles mises en page de niveaux pour les jeux existants, en utilisant le scénario des niveaux originaux comme données d’entraînement. Ils pourraient également expérimenter de nouveaux personnages ou thèmes de jeu.

« Si on se penche sur des jeux plus complexes comme GTA 5, des centaines ou des milliers d’artistes travaillent pendant de nombreuses années pour produire ces mondes », précise M. Lebaredian. « Tous les outils que nous pouvons créer pour aider à générer tout ce contenu seront très précieux… Nous pensons que GameGAN, ou les idées qui découlent de nos recherches, s’appliqueront à de nouveaux outils sophistiqués qui aideront ces artistes. »

Source : ZDNet.com