IA des Jeux

L’objectif du groupe de travail IA des Jeux est d’organiser l’animation scientifique dans ce domaine théorique et applicatif en pleine effervescence.

Responsables :


Objectifs

Ces dernières années, on peut voir à travers le monde une communauté grandissante dans l’IA des jeux autour de conférences internationales telles que AIIDE et CoG (anciennement CIG) et des journaux tels que ToG (anciennement TCIAIG). En France, de plus en plus de chercheurs en font leur axe principal ou secondaire mais la communauté reste balbutiante.

Ce groupe de travail vise à structurer la communauté française en Game AI, à mieux nous connaître entre nous, à nous donner de la visibilité en France et en Europe, à faciliter les interactions et réfléchir aux nouveaux enjeux qui nous attendent dans ce domaine.

De plus, l’industrie du jeu est une réelle industrie, avec ses attentes et ses besoins. Ce GT a aussi à vocation d’aider les chercheurs souhaitant appliquer leur recherche dans cette industrie et mutualiser nos contacts industriels, afin de permettre des collaborations industrielles mais aussi pour faciliter l’accès aux données intrinsèques aux jeux et/ou à leur IA.

Ce groupe est transversal à toutes les thématiques du GDR IA, faisant intervenir par exemple des chercheurs en data mining où l’enjeu est d’extraire, de découvrir des connaissances à partir de données de jeux, avec différentes finalités comme l’aide au joueur ou plus classiquement la conception de meilleures IA, des chercheurs en planification, notamment d’actions afin de contrôler le comportement de personnages de jeux, des chercheurs en programmation par contraintes pour répondre aux problèmes de satisfaction et d’optimisation combinatoire que l’on retrouve dans les jeux, des chercheurs en logique, notamment de logique linéaire pour la génération de dialogue et narration cohérents avec un univers, un contexte, des chercheurs en programmation bayésienne pour comprendre l’état d’un environnement dynamique et prendre une décision, notamment en conjuguant avec l’incertitude inhérente au caractère incomplet de l’information qu’à le joueur sur l’état du jeu, …

Pourquoi appliquer sa recherche en Intelligence Artificielle dans les jeux ? 10 bonnes raisons !

  • Ce champs d'application est "fun" ! le cadre ludique permet de rendre son travail plus agréable.
  • Il existe toute une industrie autour des jeux ! Appliquer les méthodes et techniques de la recherche en IA dans le cadre des jeux est donc particulièrement intéressant et lucratif pour l'industrie.
  • Les jeux permettent de vulgariser les propos scientifiques. En effet, les jeux parlent à tout le monde, il est facile d'expliquer des idées et concepts via leur prisme.
  • C'est un domaine pratique, il est bien plus aisé de travailler dans le cadre des jeux que dans d'autres domaines applicatifs de l'intelligence artificielle (comme la robotique). En effet, ce domaine est complètement dématérialisé, il ne demande que peu de coûts (car aucune attache physique) et il est possible de faire varier le flux temporel et de paralléliser les expérimentations.
  • Pour tout jeu, il existe des compétitions internationales, et les finalistes sont bien placés pour être reconnus comme experts. Il est donc facile de confronter différentes techniques de l'intelligence artificielle à un cadre expert.
  • Les jeux sont souvent associés à une grande masse de données accessibles : grande collection de parties analysables, gratuites, souvent libre d'accès et sans problème de confidentialité. De plus, il est aisé de créer ses propres données sur un jeu, un exemple courant est l'utilisation de l'apprentissage par renforcement dans le cadre des jeux.
  • C'est un excellent environnement pour l'interaction homme-machine (coopérativement ou compétitivement) à une échelle massive. Elle implique des compétences de communication et d'interactions sociales.
  • La nature même d'un jeu est intéressante. En effet, c'est un environnement où l'on doit prendre une suite de décisions avec une métrique claire de succès (score). C'est un terrain idéal pour l'apprentissage automatique.
  • Il existe énormément de frameworks :
    • Starcraft 1 API
    • Stracrat 2 API
    • Minecraft Malmö
    • Universe
    • DeepMind labs
    • TorchCraft
    • General Game Video AI
    • General Game Playing
    • Fighting Game AI
    • ...
  • Les jeux permettent une simplification du monde : règles plus simples, espace plus restreint, interactions plus limitées, mais assez riches et complexes pour contenir des problèmes scientifiquement pertinents (environnement dynamique, extraction de connaissances, prise de décisions souvent avec information incomplète, planifications d'actions, recherche de chemin, coopération, optimisation, ...).