Récemment, en Afrique du Sud, des chercheurs ont laissé deux IA se débrouiller dans le célèbre jeu vidéo « bac à sable » Minecraft. L’objectif ? Observer leur évolution dans cet environnement et mieux comprendre de manière générale les éventuelles failles des IA lorsqu’elles ne sont pas guidées par des humains.
Un modèle d’IA spécial pour Minecraft
Pour rappel, Minecraft est un jeu vidéo sorti en 2011. Cet open world intègre un système d’artisanat axé sur l’exploitation et la transformation de ressources naturelles. L’objectif est de réaliser des constructions à l’aide de petits cubes. Minecraft a dépassé la barre des 200 millions de copies à la mi-2020 pour une communauté de plus de 125 millions de joueurs actifs chaque mois. Il s’agit ainsi du jeu le plus vendu de l’histoire.
Pour Steven James, chercheur à l’Université du Witwatersrand (Afrique du Sud), Minecraft peut également être un formidable terrain de jeu pour de jeunes IA. Les intelligences concernées ici sont en effet multitâches et l’apprentissage est la clé de leur création et de leur évolution. Il est donc ici question de machine learning, un procédé qui permet aux IA d’apprendre de leurs erreurs pour gagner en performance dans le cadre de la résolution de tâches sans avoir été initialement programmées pour.
Le modèle d’IA des chercheurs sud-africains n’est autre que MinePlanner, créé spécialement pour être testé dans le jeu Minecraft. Les résultats de l’étude ont ensuite été prépubliés sur la plateforme arXiv le 20 décembre 2023.
Des performances assez faibles
Les chercheurs ont créé deux IA à l’aide de MinePlanner. Chacune devait assurer un total de 45 constructions séparées en trois niveaux de difficulté : facile, intermédiaire et difficile. Pour les IA, le plus compliqué était de faire face à l’imposante masse d’informations contenue dans le jeu. Elles devaient alors ignorer les données jugées inutiles pour la réalisation de leurs constructions et donc progresser par elles-mêmes.
Les résultats n’ont pas été franchement concluants. En effet, la première IA a réussi à réaliser quatorze constructions faciles et trois de niveau intermédiaire. La seconde IA a seulement réussi à terminer cinq constructions faciles et une seule de niveau intermédiaire. Selon les scientifiques, la seconde IA a particulièrement souffert et épuisé sa mémoire sur la plupart des tâches avant même de pouvoir les réaliser.
Les auteurs expliquent qu’il existe encore un fossé technologique pour surmonter la résolution de certains problèmes. Néanmoins, de tels travaux pourraient aider à développer de nouvelles approches et éventuellement dans des domaines encore plus complexes. Ainsi, l’avenir nous dira s’il sera possible de mieux cerner l’apprentissage des IA à l’aide de l’outil MinePlanner.
