Discussion :

[Matthieu Vergne]

En 1v1, un humain n'a aucune chance : ya une partie stratégie / placement, mais ya aussi une grande partie réflexe / précision.
Un bout de pied apparait à l'écran ? Il faut quelques dixièmes de secondes à un bon joueur pour "comprendre" qu'un ennemie est en face, quelques dixièmes de secondes de plus pour viser / tirer.
Dans le même cas une IA est capable de "comprendre" la situation / viser / tirer en quelques µs (avec une précision de 100%; il ne ratera jamais sa cible).
C'est tellement déséquilibré de ce coté que ça doit permettre de combler les lacunes (si lacunes il y a) coté stratégie.

Pour un fps en équipe, la partie stratégie à plus d'importance, mais tout dépend où on limite la communication entre IA : une IA n'est pas limité par la vitesse à laquelle elle parle (contrairement à un humain); énormément d'infos peuvent être partagées. Une IA ne connait pas non plus le phénomène "heu attend je peux pas parler là, j'suis concentré".

Pour rajouter à ce qu'a montré bibird, croire qu'une IA n'a pas de limite vis à vis du traitement de l'information est une hérésie. Elle n'est, certes, pas limitée par la vitesse de la parole, vu qu'elle n'a pas besoin de parler pour communiquer, mais elle a toujours besoin de traiter l'information qu'elle obtient, et là dessus on essaye de comparer une machine qui :
- soit a un ensemble de règles phénoménales à traiter à chaque frame pour établir son prochain mouvement, ce qui prend du temps,
- soit à une technique style réseau de neurones qui, certes, est efficace mais n'en reste pas moins qu'une approximation à la baisse d'un vrai cerveau parce que ça prend aussi du temps.

Comparer un joueur pro avec une machine sur la seule base des propriétés machine vs. humaine n'amène donc qu'à favoriser l'humain. Par contre, une machine ne connaît pas la fatigue, et vu que les informations utiles d'une partie peuvent être encodée de manière bien plus efficace pour la machine que pour l'homme, cela permet un traitement plus rapide pour l'entraînement de la machine. D'où sa supériorité potentielle même sur le pro. Mais pour cela, encore faut-il avoir trouvé un encodage efficace desdites données avec un algorithme capable de l'exploiter, et avoir laissé le temps à la machine pour atteindre un tel niveau. La dernière partie est la plus simple, tout le travail des chercheurs étant de trouver la première.

A titre d'exemple, AlphaGo utilise différentes techniques dédiées, ce qui le rend incapable de faire autre chose que jouer au Go. Et pourtant, ce n'est pas quelques milliers de parties qu'il a joué, comme un pro humain, mais des millions. Compare sa rentabilité (performance acquise / nombre de parties) à celle de l'humain, et tu verras que l'Homme est encore loin au dessus.

Qu'on me comprenne bien, mon avis est aussi que la question n'est pas "si" mais "quand", par contre cela ne se justifie pas juste parce que c'est une machine, et donc matériellement c'est plus efficace qu'un humain. Ce n'est pas vrai. L'être humain traite des données d'une certaine manière, la machine d'une autre. Il faut trouver le bon encodage avec le bon algorithme pour cela. Mais pas de palier franchit pour autant : l'algorithme et l'encodage seront prévus pour cette tâche en particulier, et ne sera en rien généralisable à tous les autres domaines. Comme d'habitude, on fera une expertise artificielle, pas une intelligence artificielle.

[commandantFred]

Compare sa rentabilité (performance acquise / nombre de parties) à celle de l'humain, et tu verras que l'Homme est encore loin au dessus.

La question ne devrait pas se poser. L'humain n'est pas "au dessus". Il n'a aucun équivalent numérique à ce jour.

La partie est truquée par la conception même du jeu qui a été spécialement prévue pour abuser un cerveau avec des effets visuels absents des données de jeu brutes (positions, vitesses, angles)

C'est la raison de mon intervention ici. Même si ce n'est pas dit clairement, on laisse entendre qu'il y aurait un rapport entre ces IA et l'humain et on laisse supposer que si l'IA gagne à DooM, elle peut conduire une voiture...

Cet amalgame est quelque part scandaleux.

Les réseaux de neurones et la brute force ont pas mal de points communs , en particulier, ils gèrent une base de donnée dynamique d'objets reconnus[1] qui est renseignée par un process d'apprentissage. On peut ensuite lancer un datacenter complet sur des millions de parties d'apprentissage et le tour est joué.

Je rappelle qu'une IA basée sur une BDD issue d'un apprentissage auto a un comportement strictement statistique. Le jeu n'est pas évalué en tant que jeu. Le moteur 3D est scanné de borne à borne de façon aussi exhaustive que possible. Tout le travail d'illusionniste des auteurs est ignoré, seules les limites du moteur intéressent l'IA.

Il y a maldonne.

Un joueur humain joue pour s'immerger, se divertir, se faire des sueurs froides, bref, il aime l'illusion qu'on lui donne.
L'IA joue pour gagner et ses concepteurs cherchent à faire parler d'eux dans la presse. L'illusion n'existe plus, le spectacle n'a pas de sens ici.

Toute conclusion sur ce prétendu challenge homme machine est hautement hasardeuse.

[1] EDIT : La brute force remplace généralement la BDD par une fonction d'évaluation qui va retourner un nombre décrivant le rapport des forces à l'issue d'un coup joué. BDD et fonction d'eval sont du traitement déporté difficile à maintenir et quasi impossible à étalonner au regard des priorités (pex : protections des personnes ou respect des lois..)

[Iradrille]

Pour rajouter à ce qu'a montré bibird, croire qu'une IA n'a pas de limite vis à vis du traitement de l'information est une hérésie. Elle n'est, certes, pas limitée par la vitesse de la parole, vu qu'elle n'a pas besoin de parler pour communiquer, mais elle a toujours besoin de traiter l'information qu'elle obtient, et là dessus on essaye de comparer une machine qui :
- soit a un ensemble de règles phénoménales à traiter à chaque frame pour établir son prochain mouvement, ce qui prend du temps,
- soit à une technique style réseau de neurones qui, certes, est efficace mais n'en reste pas moins qu'une approximation à la baisse d'un vrai cerveau parce que ça prend aussi du temps.

Tu déportes la partie "développer une stratégie de jeu" (car la latence n'est pas critique pour ça) -> potentiellement une puissance de calcul de plusieurs exaflops.
Tu traites la partie "réflexe" localement -> les quelques teraflops d'un GPU suffisent.
C'est une limite financière surtout.

On ne peut pas faire de comparaison directe avec un cerveau humain, mais affirmer qu'on n'a pas la puissance de calcul pour prendre une décision en temps réel c'est aller un peu loin.

Comparer un joueur pro avec une machine sur la seule base des propriétés machine vs. humaine n'amène donc qu'à favoriser l'humain.

Le seul avantage de l'humain est son imperfection. Il n'y a qu'en prenant une décision suboptimale qu'il pourra "surprendre" une IA.

Comme d'habitude, on fera une expertise artificielle, pas une intelligence artificielle.

Il n'y a que dans les romans / films qu'une IA peut égaler / surpasser un humain sur tous les domaines.
Toutes le IAs crées jusqu'ici (et pour un bout de temps encore) ne gèrent qu'une seule tache. Mais elles peuvent surpasser l'humain sur ce domaine précis.
Il faudrait peut être les appeler "systèmes experts", mais ça ne change pas grand chose au problème.

Un joueur humain joue pour s'immerger, se divertir, se faire des sueurs froides, bref, il aime l'illusion qu'on lui donne.
L'IA joue pour gagner et ses concepteurs cherchent à faire parler d'eux dans la presse. L'illusion n'existe plus, le spectacle n'a pas de sens ici.

Dès qu'on s’intéresse à un jeu sérieusement, cette illusion disparait et le jeu se transforme en un problème d'optimisation.
C'est pareil pour le sport.

[commandantFred]

Le seul avantage de l'humain est son imperfection. Il n'y a qu'en prenant une décision suboptimale qu'il pourra "surprendre" une IA.

Non et le mot "optimal" n'est pas adéquat.

J'ai oublié de dire que les algo d'IA associés au jeu deviennent le l'aberration artificielle dés que le nombre de coups devient trop grand. Il suffit généralement d'un contrôle analogique (genre joystick à potentiomètre) correctement géré pour rendre la tâche de la bruteforce complètement impossible.
A fortiori lorsque il faut qualifier visuellement une cible (otages) ou que simplement le jeu n'est pas trop répétitif et tous les algos d'IA bon marché s'effondrent comme un chateau de cartes alors que l'humain garde exactement la même acuité.
Le cerveau humain parallélise beaucoup mieux, sa base de données fait l'objet de synthèses, il est capable de prioriser a la volée, il peut "changer d'avis" tardivement, il peut "tester pour voir", il peut même se sacrifier dans des cas extrêmes.

Il peut réécrire son propre code et ses souvenirs sont un mélange de code et de données qu'il peut associer sur critères multiples en rejetant les résultats absurdes ou sans rapport. Il a du "bon sens" !

Le tas de ferraille à cpu qu'on lui oppose est un piège à gogo pour vendre du papier à des esprits simples et facilement impressionnables

EDIT : je suis actuellement premier sur un challenge d'IA parce que je n'ai pas voulu m'embarquer dans la bruteforce. J'ai juste poussé la logique d'asservissement. Résultat : j'utilise 1000 fois moins de cpu que les autres et je garde un contrôle total des priorités.

J'insiste sur les priorités parce que ni la bruteforce, ni les NN ne sont capables de les gérer correctement. D'ailleurs les neurones sont encore cantonnés dans le domaine de la reconnaissance de signal. Si tout le monde s'extasie dessus, c'est à cause du nom. Mais le nom ne change rien au fait que c'est juste un multithread objets assez basique et la multiplication des neurones au delà d'une vingtaine d'unités donne des résultats aberrants. Mais le pire de tout ça est que le développeur ne contrôle absolument plus le comportement de son bot ! L'asservissement reste donc plus fort que l'IA bien qu'il soit plus long à mettre au point.

[Matthieu Vergne]

EDIT : je suis actuellement premier sur un challenge d'IA parce que je n'ai pas voulu m'embarquer dans la bruteforce. J'ai juste poussé la logique d'asservissement. Résultat : j'utilise 1000 fois moins de cpu que les autres et je garde un contrôle total des priorités.

Quel challenge ?

La question ne devrait pas se poser. L'humain n'est pas "au dessus". Il n'a aucun équivalent numérique à ce jour.

Mais certains y travaillent. Et c'est pour ainsi dire l'origine des travaux sur l'IA : reproduire l'intelligence humaine. Donc comparer à l'humain a toujours été partie intégrante du domaine.

C'est la raison de mon intervention ici. Même si ce n'est pas dit clairement, on laisse entendre qu'il y aurait un rapport entre ces IA et l'humain et on laisse supposer que si l'IA gagne à DooM, elle peut conduire une voiture...

Cet amalgame est quelque part scandaleux.

Seul point où je suis d'accord. Mais c'est un amalgame qu'on fait depuis le début : plutôt que de faire une machine intelligente, on fait une machine faite pour une tâche bien précise, on montre qu'on est capable d'obtenir de bons, voire très bons résultats, voire mieux que l'humain, et de là on se met à rêver à une machine qui d'un coup serait capable de faire pareil dans plein d'autres domaines. C'est toujours la même rengaine, et c'est toujours dû à la même chose : on ne fait pas des intelligences artificielles mais des expertises artificielles (où on vise la performance sur des tâches bien identifiées, et non de manière générale).

Un joueur humain joue pour s'immerger, se divertir, se faire des sueurs froides, bref, il aime l'illusion qu'on lui donne.
L'IA joue pour gagner et ses concepteurs cherchent à faire parler d'eux dans la presse. L'illusion n'existe plus, le spectacle n'a pas de sens ici.

Toute conclusion sur ce prétendu challenge homme machine est hautement hasardeuse.

Même avis qu'Iradrille : certains jouent pour gagner. Tu ne me feras pas croire que les plus hauts classés jouent pour les sensations. Certains sont des pros et se font de l'argent dessus, mais pour y arriver il faut viser le top, pas juste le plaisir du jeu.

J'insiste sur les priorités parce que ni la bruteforce, ni les NN ne sont capables de les gérer correctement.

AlphaGo utilise le Monte Carlo Tree Search, mais en combinaison avec un réseau de neurones qui a appris à identifier les coups les plus intéressants à explorer (et donc les plus probables à jouer lors de la recherche). On est bien là sur une évaluation des priorités : certains coups doivent être testés en priorité sur d'autres de façon à gagner en efficacité. C'est pareil que les autres IA de Go, mais où on a remplacé les règles en dur par un réseau de neurone entraîné précisément pour cette tâche.
Source

On ne peut pas faire de comparaison directe avec un cerveau humain, mais affirmer qu'on n'a pas la puissance de calcul pour prendre une décision en temps réel c'est aller un peu loin.

Effectivement. Mais je n'ai jamais affirmé cela. Ma position est qu'il y a toujours des limites, et pas uniquement financière. Traiter des données prend un certain temps, aussi petit soit-il. Et évidemment, plus tu traites de données et plus ça prend de temps. Pour contrebalancer cela, on fait du traitement parallèle, mais quand tu fais face à une situation où les données augmentent de façon exponentielle plutôt que polynomiale, multiplier les traitements parallèles atteint ses limites, car tout traitement parallèle implique aussi de gérer le découpage des tâches + la fusion des résultats, et implique bien entendu le temps de transfert des informations (et plus les tâches sont petites, moins ce temps est négligeable car lui reste constant puisque fonction de la distance). Donc qui dit parallélisation de tâches dit performance augmentant de façon "sous-linéaire" (tout au plus "sous-cubique" si on exploite bien les 3 dimensions de l'espace). C'est inefficace avec des données augmentant de façon exponentielle.

Pour aller au delà des limites matérielles, il faut travailler sur la compression des données et la rapidité des traitements, et là encore on a des limites : on ne peut pas compresser une information au delà d'une certaine limite sans perdre des données, et cette représentation n'est pas forcément la plus pratique pour effectuer les traitements dont on a besoin de la manière la plus rapide, ce qui implique de bien faire ses choix d'encodage, de choisir quand passer de l'un à l'autre, et de bien prendre en compte les ressources nécessaires pour faire la transformation.

Bref, le traitement informatique est certes rapide, mais ça ne peut pas monter à l'infini, même avec des ressources financières ou matérielles infinie.

Le seul avantage de l'humain est son imperfection. Il n'y a qu'en prenant une décision suboptimale qu'il pourra "surprendre" une IA.

Ça fait longtemps qu'on sait prendre des décisions "bonnes mais pas optimales" avec la machine. On appelle ça des heuristiques. Cherche aussi du côté des métaheuristiques tels que les algorithmes génétiques, recuit simulé, colonies de fourmis, etc. Ça fait longtemps que la machine sait le faire aussi.

Il n'y a que dans les romans / films qu'une IA peut égaler / surpasser un humain sur tous les domaines.
Toutes le IAs crées jusqu'ici (et pour un bout de temps encore) ne gèrent qu'une seule tache. Mais elles peuvent surpasser l'humain sur ce domaine précis.
Il faudrait peut être les appeler "systèmes experts", mais ça ne change pas grand chose au problème.

D'une part, pas système expert car c'est déjà un terme utilisé pour des systèmes basés sur des règles (mais ces systèmes ont au moins l'honnêteté de dire clairement ce qu'ils ciblent), je préfère donc parler d'expertise artificielle. D'autre part, certains travaillent bel et bien pour obtenir une intelligence artificielle, c'est à dire obtenir un agent artificiel capable de montrer de bonnes performances quelle que soit la tâche qui lui est assigné. On a déjà des techniques qui permettrait d'y arriver, notamment à base de réseaux neuronaux qui sont en soit très génériques, mais on ne les utilise effectivement que pour des tâches bien spécifiques. C'est l'entraînement subit qui focalise la performance du système sur des taches particulières. La technique en elle-même par contre n'interdit pas la généralisation.

[commandantFred]

Ok, sorry. J'ai manqué de patience parce que j'ai investi sur le sujet. Je suis nouveau ici. Pas trop envie de donner mes infos.. Je suis actuellement premier sur un hackaton (sur un peu moins de 2000). On verra plus tard si je donne mes infos perso. C'est juste pour dire que je connais le sujet.

Monte Carlo n'apporte pas grand chose à minimax si ce n'est le parcours aléatoire de l'arbre qui offre un pis-aller à l'indécente consommation de CPU de la brute force. On peut appeler ça une gestion des priorités puisque de toutes façons, il n'y a rien d'autre... mais si l'autopilote des avions devait l'utiliser un jour, je renoncerais à prendre avion en attendant les dix ou vingt premières catastrophes que ça provoquerait... (heureusement, les autopilotes sont conçus sérieusement et n'utiliseront pas Monte Carlo de sitôt)

Encore une fois, sans vouloir offenser. On appelle ça de l'IA mais c'est quand même très approximatif. De même , les NN consomment tellement de ressources que google a produit son premier processeur maison pour faire tourner Tensorflow et comme tout le monde a vu 2001 l'odyssée de l'espace, les gens s'imaginent qu'ils vont discuter philosophie avec leur PC !

C'est un thème vendeur ! Exactement ce qu'il faut pour décrocher les budgets de l'UE, mais le Darpa et la Nasa ne se laissent plus avoir depuis un moment.

La fascination qu'exercent ces algorithmes sur les développeurs provient exactement du principal reproche que je leur adresse. Lorsque on veut les améliorer ou ajouter des priorités, le contrôle est très mauvais, la maintenabilité désastreuse. Un peu comme les NN en fait. On contrôle 50% au lieu de 30% !! La belle affaire ! Pour piloter un engin, ça n'avance pas à grand chose. Mais peut être que ça amusera les gamers !

Je travaille sur des solutions alternatives moins bling bling et nettement plus reliables (qui permettent par exemple de donner une charte précise sur la responsabilité en cas d'accident, les assureurs apprécieront)

Je ne crois absolument pas que minimax ou ses descendants soient une panacée en matière d'intelligence. Ce n'est pas un hasard si aucun secteur industriel n'en veut à part l'industrie du jeu. Quand je vois que des experts en IA n'ont jamais touché au traitement de signal, je suis scandalisé..

[Matthieu Vergne]

Oui mais ça, on n'y peut pas grand chose. L'IA, c'est parti sur un concept hyper vague et ça a explosé de partout pour tenter de rattraper la boulette. On peut pas en vouloir à l'un ou à l'autre d'avoir voulu tenter ceci ou cela, après tout ils n'ont tous voulu qu'une seule chose : que ça marche. Certes c'est bordélique et dans tous les cas personne ne s'amusera à dire que la machine est devenu intelligente, mais l'état de l'art est ce qu'il est. Fallait naître quelques décennies plus tôt. {^_°}

Maintenant, faut voir comment améliorer ce bordel.

[commandantFred]

Haha,

Je suis d'accord. On a besoin d'IA déjà pour fine-tuner la reconnaissance de signal. C'est vrai qu'avec des bases de données déstructurées (internet) et une logique de traitement d'image. On parvient à reconnaître les objets dont on a des modèles photographiques avec un taux de reco trois fois supérieur (50% vs. 13%). Par contre , j'ai de gros doutes sur la pertinence des filtrages de mur FB ou de résultats de moteurs de recherches. De toutes façons personne n'a jamais rien compris à ce que faisaient les algorithmes de filtrage avant TensorFlow...

Donc dans le big data et l'analyse de signal, les résultats sont encourageants même si les temps de calcul sont rédhibitoires pour les objets connectés actuellement. Je ne sais plus qui a annoncé travailler sur un chip dédié à l'e-vision pour les objets connectés. Maintenant, tout cela se passe au niveau des concours universitaires et je suis étonné de voir ce que j'arrive à faire avec des moyens plus classiques en programmant multicouche avec un soupçon de traitement de signal...

Pour l'apprentissage, la seule question est : "déterministe ou pas ?". Si on sait exactement ce qu'on cherche, on a vraiment intérêt à utiliser des méthodes classiques. Si on ne sait pas , pourquoi pas le deep learning ?

A propos de l'article, je me demande quand même d'où l'IA-player tire ses informations puisqu'il n'a pas le droit de sniffer les données réseau. Il est bien obligé d'analyser l'image à l'écran. Même avec un nombre très limité de sprites et une pauvre résolution, l'analyse doit faire chauffer le CPU/GPU. Je suppose qu'il y a une grosse logique CUDA..

N'est-ce pas sur cette reconnaissance que porte le challenge plutôt que sur les qualités du "comportement" ? Tel que je le perçois, c'est plutôt là qu'est le challenge. Vraiment la seule chose qui me fâche, c'est la dernière phrase mais apparemment , l'UE s'est déjà saisie du dossier "pilotes automatiques sur véhicules électriques" et les premiers echos ne sont pas favorables.