MotoGP 19 : Faites connaissance avec A.N.N.A, l'intelligence

[Titiboy]

Milestone présente A.N.N.A, acronyme "d’Artificial Neural Network Agent", une Intelligence Artificielle basée sur des réseaux neuronaux qui offre un challenge aux joueurs, avec des adversaires intelligents et rapides qui ne laissent pas la place à l’erreur. MotoGP 19 sera le premier jeu Milestone à utiliser A.N.N.A, et sortira le 6 juin sur PlayStation 4, Xbox One, Windows PC/STEAM puis sur Nintendo Switch.

Découvrez en plus sur A.N.N.A dans la vidéo ci-dessous :

 



A.N.N.A est le fruit de plus de deux ans de développement en commun avec les ingénieurs et spécialistes data d’Orobix, entreprise spécialisée dans les solutions d’Intelligence Artificielle, et constitue un nouveau modèle, contrairement à l’IA classique dont chaque action est prévue par les développeurs à l’avance.

En effet, avec l’IA basée sur des réseaux neuronaux, l’approche est complètement différente ; les développeurs ne définissent pas de comportements, mais donnent à l’IA des objectifs et des outils pour les atteindre. Au travers d’un complexe système de récompenses, ils « apprennent » à l’IA quels comportements permettent d’atteindre l’objectif et lesquels ne le permettent pas ; c’est l’IA elle-même qui décide des meilleures actions à prendre pour atteindre son objectif.

Cette approche de machine learning s’appelle l’apprentissage par renforcement, et permet d’obtenir une IA consciente de son environnement et des conséquences de ses actions, par opposition aux approches basées sur l’observation et l’imitation des comportements humains sans véritable compréhension. Dans le premier cas, la stratégie choisie par l’IA est une conséquence de ses interactions avec l’environnement, et dans le second cas elle lui est imposée.

La phase d’apprentissage par renforcement dure plusieurs mois, pendant lesquels les développeurs simulent plus de 200 000 courses, soit plus qu’un pilote professionnel court toute sa vie. Pendant cette phase, les activités de l’IA Neuronale peuvent être divisées en deux parties : la phase d’exploration, où l’IA apprend si les conséquences de ses actions sont utiles ou non à son objectif, et la phase d’exploitation, où l’IA utilise son expérience et ses connaissances pour obtenir la meilleure récompense possible.