L'IA s'attaque à « Red Dead Redemption II » : une étude révolutionnaire

Ces derniers jours, la communauté de l'IA, déjà en ébullition, s'est enflammée suite aux travaux de chercheurs chinois et singapouriens qui ont confronté des systèmes d'intelligence artificielle de pointe au jeu vidéo exigeant Red Dead Redemption II (RDR2). L'étude, intitulée « Vers un contrôle informatique général : l'intégration du modèle GPT-4V d'OpenAI avec l'agent multimodal CRADLE pour Red Dead Redemption II à travers une étude de cas », analyse la recherche sur les algorithmes de sélection de modèles pour l'exploration multijoueur du jeu Red Dead Redemption II.

Comprendre le contrôle général des ordinateurs

Le contrôle informatique général (GCC) ouvre la voie à l'émergence d'une intelligence artificielle générale (IAG), où les systèmes d'IA démontrent leur capacité à traiter rapidement des tâches avec une compétence et une compréhension équivalentes à celles des utilisateurs humains. Grâce à des systèmes de saisie informatique intégrant des données visuelles et auditives, l'IA joue un rôle plus proche de celui d'un humain. De plus, cette technique lui permet d'agir avec assurance dans des situations dynamiques, testant ainsi sa reproductibilité tout au long du processus d'apprentissage. Elle lui apprend à reconnaître et à réagir adéquatement à diverses informations sans connaissance préalable de son environnement.

RDR2, GM, réputé pour son environnement riche et ses événements imprévisibles, constitue le point de départ idéal pour cette étude. Le jeu propose un système de gestion de personnel simulé, doté d'un système de contrôle complexe et d'une interface utilisateur riche, allant des dialogues interactifs aux indications et suggestions intégrées, afin de gagner du temps et d'améliorer l'expérience de jeu. Ceci rend l'évaluation de l'IA crédible.

Comportement et progrès dans les jeux d'IA

L'élément central de cette recherche est le framework CRADLE, un prototype de système d'IA conçu pour offrir non seulement des possibilités de jeu, mais aussi pour gérer ultérieurement différents types d'applications logicielles. CRADLE vise à familiariser l'IA avec des jeux aléatoires par l'atteinte d'objectifs ; le tout repose sur des schémas d'apprentissage humains, sans qu'elle ait connaissance d'aucun état interne ni d'aucune API.

Je ne m'attendais toutefois pas à ce que le développement se déroule sans accroc. Pour certaines tâches exigeant un traitement rapide de la perception visuo-spatiale et des décisions en temps réel, l'IA a rencontré des difficultés, notamment pour des missions de combat complexes et des cartes intérieures composées de couloirs étroits et interconnectés. Ces défis ont mis en évidence la différence entre le modèle mental du système d'IA et celui du moteur de jeu, ce dernier nécessitant une grande précision dans la gestion simultanée de deux tâches essentielles : la similarité de la vision humaine et la compréhension des objets du jeu.

Défis et implications futurs

Bien que tous les problèmes mentionnés aient été parfaitement intégrés au gameplay, CRADLE a néanmoins réussi à mener à bien la partie scénario et, de ce fait, peut être considéré comme une référence en matière de jeux d'IA. Les résultats de l'étude soulignent non seulement la capacité de l'IA à réaliser ces simulations de tâches complexes, mais révèlent également les aspects encore perfectibles, notamment en ce qui concerne la reconnaissance spatiale et le spectre visuel.

L'IA est omniprésente ; à mesure qu'elle évolue, son utilisation ouvre de nouveaux horizons, le jeu vidéo étant le premier sujet de controverse parmi d'autres défis plus profonds. Les systèmes d'IA capables de comprendre et de réagir à des systèmes sur des plateformes complexes deviennent des outils de progrès dans des domaines tels que la robotique et les systèmes stratégiques en temps réel. L'étude présentée ci-dessous servira sans aucun doute de base à des recherches ultérieures visant à améliorer les fonctions de l'IA et à repousser les limites de l'application du contrôle informatique général. Étudier et tenter de résoudre les limitations actuelles et rendre les systèmes d'IA plus intelligents, réactifs et performants contribuera à créer une ressource d'IA utilisable dans de nombreuses applications.