NOUVEAU MODÈLE D’IA PEUT SIMULER ‘SUPER MARIO BROS.’ APRÈS AVOIR REGARDÉ DES IMAGES DE JEU

En septembre dernier, Google a présenté un modèle d’IA appelé GameNGen qui a montré que les techniques de diffusion d’images généralisées peuvent être utilisées pour créer une version jouable de Doom. Aujourd’hui, des chercheurs utilisent des techniques similaires avec un modèle appelé MarioVGG pour voir si l’IA peut générer des vidéos plausibles de Super Mario Bros. en réponse aux commandes de l’utilisateur.

ANALYSE DES RÉSULTATS

Les résultats du modèle MarioVGG, publiés par la société Virtuals Protocol, montrent encore des glitches apparents et une lenteur inadaptée pour un gameplay en temps réel. Pourtant, ces résultats démontrent la capacité d’un modèle limité à déduire des aspects impressionnants de physique et de dynamiques de jeu en étudiant un peu de vidéo et de données d’entrée.

Les chercheurs espèrent que cela représente un premier pas vers la production et la démonstration d’un générateur de jeu vidéo fiable et contrôlable, voire même vers le remplacement complet du développement de jeux et des moteurs de jeu par des modèles de génération vidéo à l’avenir.

REGARDER 737 000 IMAGES DE MARIO

Pour former leur modèle, les chercheurs de MarioVGG ont utilisé un jeu de données public de Super Mario Bros. contenant plus de 737 000 images prétraitées en fragments de 35 images. En se concentrant sur deux commandes potentielles, "courir vers la droite" et "courir vers la droite et sauter", le modèle a dû surmonter des difficultés pour interpréter les mouvements, en particulier lors des sauts et ajustements en plein air.

Après le prétraitement, le modèle a été entraîné pendant environ 48 heures pour générer de nouvelles images à partir d’entrées textuelles. Bien que les séquences générées soient courtes, elles permettent de créer des vidéos de gameplay cohérentes.

SUPER MARIO 0.5

Malgré des ajustements pour optimiser l’efficacité, le modèle MarioVGG n’est pas encore capable de générer des vidéos en temps réel. Les chercheurs espèrent des améliorations futures pour augmenter la vitesse de génération.

Malgré ses limites, MarioVGG parvient à créer des vidéos crédibles de Mario courant et sautant, en apprenant la physique du jeu à partir des images d’entraînement. Le modèle peut même simuler de nouveaux obstacles pour Mario au fur et à mesure que la vidéo progresse.

JUST MAKE IT UP

Malgré ses capacités, MarioVGG peut parfois produire des résultats inutiles ou des glitches visuels évidents. Cependant, en s’entraînant sur des données de gameplay plus diverses, le modèle pourrait simuler davantage de comportements de jeu.

Dans l’ensemble, MarioVGG représente une preuve de concept amusante montrant que même avec des données d’entraînement et des algorithmes limités, il est possible de créer des modèles de base de jeux décents.

• Cet article est apparu à l’origine sur Ars Technica.
• Pour en savoir plus sur les modèles d’IA, consultez IBM.
• Découvrez également les travaux de Virtuals Protocol.