211service.com
DeepMind veut apprendre à l'IA à jouer à un jeu de cartes plus difficile que Go
Si vous avez déjà joué au jeu de cartes Hanabi, vous comprendrez quand je dis qu'il ne ressemble à aucun autre. C'est un jeu collaboratif dans lequel vous avez une vue complète des mains de tout le monde mais pas des vôtres.
Pour gagner la partie, chaque joueur doit donner aux autres des indices sur ses mains sur un nombre limité de tours pour disposer toutes les cartes dans un ordre précis. C'est un exercice intense de stratégie, d'inférence et de coopération. C'est pourquoi les chercheurs de Google Brain et DeepMind pensent que c'est le jeu parfait pour l'IA.
Dans un nouvel article, ils affirment que contrairement aux autres jeux maîtrisés par l'IA, tels que les échecs, le go et le poker, Hanabi nécessite une théorie de l'esprit et un niveau de raisonnement plus élevé. La théorie de l'esprit consiste à comprendre les états mentaux des autres et à comprendre qu'ils peuvent ne pas être les mêmes que les vôtres. C'est une compétence fondamentale que les humains utilisent pour fonctionner efficacement dans le monde, et que nous acquérons généralement lorsque nous sommes très jeunes.
Les informations dans Hanabi sont limitées à la fois par le nombre d'indices accordés aux joueurs dans chaque jeu et par ce qui peut être communiqué dans chaque indice. En conséquence, un agent IA doit également recueillir des informations implicites sur les actions des autres joueurs pour gagner la partie, un défi auquel il n'a jamais eu à faire face auparavant.
De plus, il doit apprendre à fournir le maximum d'informations possibles dans ses propres conseils et actions pour aider les autres joueurs à réussir. Si un agent d'IA peut naviguer avec succès dans un environnement d'informations aussi imparfait, les chercheurs pensent qu'il sera un pas de plus vers une coopération efficace avec les humains.
Ce sont tous de nouveaux défis pour la communauté de la recherche et nécessiteront de nouvelles avancées algorithmiques qui relient le travail de plusieurs sous-domaines de l'IA, y compris l'apprentissage par renforcement, la théorie des jeux et la communication émergente - l'étude de la façon dont la communication se produit entre plusieurs agents d'IA dans des environnements collaboratifs .
Pour confirmer cette hypothèse, l'équipe de Google a testé tous les algorithmes d'apprentissage par renforcement à la pointe de la technologie et a constaté qu'ils fonctionnaient mal. En réponse, ils ont publié un environnement Hanabi open source pour stimuler les travaux au sein de la communauté de recherche.
En tant que chercheur, j'ai été fasciné par la façon dont les agents de l'IA peuvent apprendre à communiquer et à coopérer entre eux et, en fin de compte, avec les humains, explique Jakob Foerster, l'un des coauteurs de l'article. Hanabi présente une opportunité unique pour un grand défi dans ce domaine.