{"id":52119,"date":"2019-11-01T00:00:00","date_gmt":"2019-10-31T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva"},"modified":"2020-02-18T13:59:47","modified_gmt":"2020-02-18T10:59:47","slug":"kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","title":{"rendered":"Comment fonctionne une IA de jeu hybride et quels sont ses avantages","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Dans la continuit\u00e9 d'un sujet pr\u00e9c\u00e9demment abord\u00e9 sur notre blog l'intelligence artificielle dans les jeux vid\u00e9o<\/a><\/noindex> nous allons discuter de l'applicabilit\u00e9 de l'apprentissage automatique \u00e0 ce domaine et sous quelle forme. En partageant son exp\u00e9rience et les solutions qu'il a choisies partag\u00e9<\/a><\/noindex> l'expert en IA chez Apex Game Tools, Jakob Rasmussen.<\/p>\n

\"Comment
\n
\nCes derni\u00e8res ann\u00e9es, de nombreuses discussions ont eu lieu sur le fait que l'apprentissage automatique pourrait transformer radicalement l'industrie du jeu, car cette technologie a d\u00e9j\u00e0 prouv\u00e9 son efficacit\u00e9 dans de nombreuses autres applications num\u00e9riques. Mais il ne faut pas oublier que les jeux sont beaucoup plus complexes qu'un simulateur de conduite, un programme de gestion de drone ou des algorithmes de reconnaissance faciale sur une image. <\/a><\/noindex><\/p>\n

Pour l'instant, l'industrie du jeu continue d'utiliser des m\u00e9thodes traditionnelles d'IA, telles que les automates finis, les arbres comportementaux et \u2014 de plus en plus r\u00e9cemment \u2014 l'IA bas\u00e9e sur l'utilit\u00e9 (syst\u00e8mes bas\u00e9s sur l'utilit\u00e9). Ces IA sont \u00e9galement appel\u00e9es design-based (intelligence de conception) ou syst\u00e8mes experts. Cependant, il devient de plus en plus \u00e9vident \u2014 et d'abord pour les joueurs \u2014 que ces syst\u00e8mes conviennent de moins en moins \u00e0 la cr\u00e9ation d'adversaires r\u00e9ellement avanc\u00e9s capables d'imiter le comportement des joueurs. En particulier, cela concerne les solutions cr\u00e9atives. Cela s'explique par le fait que les d\u00e9veloppeurs d'intelligence artificielle ne peuvent pas prendre en compte toutes les tactiques et strat\u00e9gies comportementales possibles et les mettre en \u0153uvre efficacement dans des syst\u00e8mes d'IA traditionnels. Pour les joueurs, cela se traduit souvent par une exp\u00e9rience de jeu ennuyeuse et pr\u00e9visible, face \u00e0 un ennemi dont le comportement est facile \u00e0 m\u00e9moriser.<\/p>\n

Ce r\u00e9sultat est d\u00fb \u00e0 de nombreuses raisons, mais l'une des principales est l'incapacit\u00e9 de l'IA \u00e0 apprendre. Ainsi, lors de la cr\u00e9ation d'une intelligence artificielle pour un adversaire, il est naturel de vouloir passer \u00e0 l'apprentissage automatique, qui a fait ses preuves dans de nombreuses autres applications. Cependant, plusieurs nuances doivent \u00eatre prises en compte. L'IA de jeu doit \u00eatre capable de s'adapter \u00e0 toute situation et d'exploiter les avantages qu'elle pr\u00e9sente, ainsi que de s'ajuster aux diff\u00e9rents styles de jeu des adversaires \u2014 qu'il s'agisse de joueurs humains ou d'autres IA. <\/p>\n

<\/p>\n

O\u00f9 en est-on maintenant<\/h3>\n

\nLa soci\u00e9t\u00e9 britannique DeepMind, sp\u00e9cialis\u00e9e dans le d\u00e9veloppement de l'intelligence artificielle, a r\u00e9cemment montr\u00e9 comment l'IA peut apprendre \u00e0 jouer \u00e0 des jeux de mani\u00e8re autonome, en assimilant leurs r\u00e8gles et en trouvant des moyens de terminer le jeu ou de gagner - pour l'instant, uniquement avec des jeux simples, tels que les premiers jeux. Atari<\/a><\/noindex> \u2014 par exemple, les \u00e9checs et le jeu de strat\u00e9gie japonais go. Les r\u00e9sultats obtenus pour ces jeux montrent que l'intelligence artificielle est capable de se forger une \u00e9valuation ad\u00e9quate de la situation sur le plateau. En ce qui concerne l'adaptation de l'IA aux diff\u00e9rents styles de jeu de l'adversaire, les r\u00e9sultats ne sont pas encore tr\u00e8s impressionnants.<\/p>\n

De nos jours, les r\u00e9seaux neuronaux ont d\u00e9j\u00e0 appris \u00e0 reconna\u00eetre des images et \u00e0 conduire des voitures. Mais ces fonctions peuvent \u00e9galement \u00eatre r\u00e9alis\u00e9es avec des architectures relativement simples, m\u00eame si le r\u00e9sultat est assez complexe et volumineux. Ainsi, l'IA de reconnaissance d'images sur Facebook a une profondeur d'environ 100 couches, ce qui la rend comparable au cerveau biologique - en termes de quantit\u00e9 et de complexit\u00e9 des interconnexions entre les neurones formant un grand r\u00e9seau. <\/p>\n

<\/p>\n

IA de jeu<\/h3>\n

\nEn ce qui concerne l'application de l'apprentissage automatique dans l'industrie du jeu, il existe certaines limitations qui rendent impossible l'utilisation syst\u00e9matique de ce type d'architecture. Parmi celles-ci, on trouve les exigences syst\u00e8me, en particulier celles relatives au CPU, qui d\u00e9finissent la capacit\u00e9 de l'ordinateur \u00e0 traiter des structures de jeu complexes et son aptitude au storytelling et au gameplay. <\/p>\n

Il en r\u00e9sulte que dans de nombreux jeux, il n'est pas possible de disposer de l'infrastructure mat\u00e9rielle n\u00e9cessaire pour mettre en place un syst\u00e8me d'intelligence artificielle complexe, et encore moins d'un cluster de serveurs, comme c'est le cas pour les r\u00e9seaux de reconnaissance d'images de Facebook. Parfois, plusieurs IA doivent fonctionner simultan\u00e9ment \u2014 non seulement sur des ordinateurs, mais aussi sur des appareils mobiles et d'autres plateformes moins puissantes. Tout cela impose des contraintes sur la taille et la complexit\u00e9 de l'architecture d'apprentissage automatique, car tous les calculs doivent s'effectuer avec un temps de traitement d'environ 1 ou 2 millisecondes. Bien s\u00fbr, il est possible d'utiliser diff\u00e9rentes technologies d'optimisation et de r\u00e9partition de la charge entre les trames, mais il est tout de m\u00eame impossible d'\u00e9chapper compl\u00e8tement \u00e0 ces limitations.<\/p>\n

La complexit\u00e9 du jeu peut poser de s\u00e9rieux probl\u00e8mes \u00e0 l'IA. Dans des jeux comme StarCraft II, la m\u00e9canique du jeu est de loin plus complexe que dans les jeux Atari. Il ne faut donc pas s'attendre \u00e0 ce qu'\u00e0 une certaine fr\u00e9quence d'images et avec des exigences syst\u00e8me connues, l'apprentissage automatique r\u00e9ussisse n\u00e9cessairement \u00e0 comprendre l'ensemble de l'\u00e9tat du jeu et \u00e0 interagir avec lui. Tout comme un joueur s'oriente souvent gr\u00e2ce \u00e0 son instinct dans les premi\u00e8res \u00e9tapes du jeu, l'IA doit apprendre \u00e0 traiter l'\u00e9tat du jeu pour simplifier son avancement ult\u00e9rieur. Par exemple, dans l'un des derniers API pour Starcraft II<\/a><\/noindex> sur les cartes, seules les informations jug\u00e9es importantes par les d\u00e9veloppeurs sont affich\u00e9es : dans un cas, l'IA utilisait une vue r\u00e9duite de l'ensemble de la carte, dans un autre, elle pouvait d\u00e9placer la cam\u00e9ra comme un joueur, et alors sa perception \u00e9tait limit\u00e9e aux informations pr\u00e9sentes \u00e0 l'\u00e9cran.<\/p>\n

\"Comment
\nVisualisation du jeu de l'IA AlphaStar contre un joueur dans StarCraft II : sur la capture d'\u00e9cran, on voit les observations \u00ab brutes \u00bb, l'activit\u00e9 du r\u00e9seau neuronal, certaines de ses actions possibles et ses coordonn\u00e9es, ainsi que le r\u00e9sultat suppos\u00e9 du match.<\/i><\/p>\n

C'est un aspect particuli\u00e8rement pertinent dans le cas des jeux. Souvent, l'intelligence artificielle de jeu ne peut pas utiliser les m\u00e9thodes traditionnelles de r\u00e9solution de probl\u00e8mes en apprentissage automatique. Par exemple, elle n'est g\u00e9n\u00e9ralement pas oblig\u00e9e de gagner ou de faire tout son possible pour triompher, comme c'\u00e9tait le cas avec les jeux Atari. Plus souvent, le r\u00f4le de l'IA est de rendre l'exp\u00e9rience de jeu plus engageante. Il peut \u00eatre n\u00e9cessaire qu'elle joue un r\u00f4le et se comporte comme le personnage qu'elle repr\u00e9sente. Ainsi, les IAs de jeu sont davantage li\u00e9es au design de jeu et \u00e0 la narration, et doivent poss\u00e9der les outils n\u00e9cessaires pour g\u00e9rer leur comportement afin d'atteindre les objectifs fix\u00e9s. L'apprentissage automatique \u00e0 l'\u00e9tat pur n'est pas toujours appropri\u00e9 pour cela, ce qui signifie qu'il faut chercher autre chose. <\/p>\n

<\/p>\n

Probl\u00e8mes pratiques de l'apprentissage automatique<\/h3>\n

\nCes probl\u00e8mes se sont pr\u00e9sent\u00e9s lors du d\u00e9veloppement d'une intelligence artificielle bas\u00e9e sur l'apprentissage automatique pour Unleash<\/a><\/noindex>, o\u00f9 les IAs doivent se comporter comme des joueurs ordinaires, c'est-\u00e0-dire \u00eatre aussi flexibles et astucieuses. <\/p>\n

Tout comme Starcraft II, Unleashed est beaucoup plus complexe que les \u00e9checs et le go pour Atari. Le gameplay y est intuitif et facile \u00e0 ma\u00eetriser, mais pour r\u00e9ussir v\u00e9ritablement, des comp\u00e9tences sp\u00e9cifiques en gestion de la m\u00e9ta sont n\u00e9cessaires. Le joueur doit cr\u00e9er des labyrinthes, l\u00e2cher des monstres sur les ennemis et \u00e9laborer sa strat\u00e9gie en mati\u00e8re d'\u00e9conomie, d'attaque et de d\u00e9fense des structures tout au long du jeu. Pour cela, il doit bluffer et anticiper les mouvements des autres, ainsi que g\u00e9rer la psychologie de la m\u00e9ta \u2014 c'est ce qui rend le poker plus qu'un simple jeu statistique.<\/p>\n

\"Comment
\nCapture d'\u00e9cran de Unleashed<\/i><\/p>\n

Dans la recherche de l'architecture la plus adapt\u00e9e \u00e0 ces objectifs, des technologies telles que l'\u00e9volution neuro\u00e9volutive<\/a><\/noindex> et l'apprentissage profond ont d'abord \u00e9t\u00e9 int\u00e9gr\u00e9es dans le jeu presque sans modification, pour voir comment elles se comporteraient \u00e0 l'\u00e9tat brut en tant qu'IA ennemie. <\/p>\n

C'\u00e9tait horrible. <\/p>\n

Il est rapidement devenu \u00e9vident qu'Unleashed devait r\u00e9soudre de nombreux probl\u00e8mes globaux auxquels l'apprentissage automatique est difficile \u00e0 adapter. <\/p>\n

L'une d'elles est la construction d'un labyrinthe efficace. Comme dans de nombreux jeux dont le but est de d\u00e9fendre une tour, ici, les joueurs doivent b\u00e2tir un labyrinthe autour d'elle, \u00e0 travers lequel les monstres vont s'attaquer. Ces monstres doivent \u00eatre \u00e9limin\u00e9s avec les armes plac\u00e9es dans le labyrinthe. Id\u00e9alement, le labyrinthe doit \u00eatre aussi long que possible pour pouvoir infliger suffisamment de d\u00e9g\u00e2ts aux monstres sans leur permettre d'atteindre la tour. Certains types d'armes sont plus efficaces contre certains monstres, il est donc judicieux de les placer dans le labyrinthe avant les autres. La particularit\u00e9 d'Unleash est qu'il n'existe pas de labyrinthe parfait : il y a tellement de types de monstres dans le jeu que, d'une mani\u00e8re ou d'une autre, l'un d'eux passera in\u00e9vitablement par un segment du labyrinthe. Chaque labyrinthe doit \u00eatre adapt\u00e9 aux nouveaux monstres lanc\u00e9s par d'autres joueurs. Par cons\u00e9quent, il ne suffisait pas simplement d'apprendre \u00e0 l'intelligence artificielle \u00e0 construire des labyrinthes \u2014 il fallait lui enseigner \u00e0 cr\u00e9er des labyrinthes efficaces pour divers sc\u00e9narios, rencontr\u00e9s aussi bien dans la version pr\u00e9coce que dans la version tardive du jeu. <\/p>\n

L'IA devait \u00e9galement apprendre \u00e0 anticiper les monstres qui appara\u00eetront dans le labyrinthe. Cela repr\u00e9sente en quelque sorte un probl\u00e8me inverse par rapport \u00e0 la construction du labyrinthe. Comme dans de nombreux autres jeux, dans Unleash, il ne suffit pas d'accro\u00eetre une arm\u00e9e et de l'envoyer au camp ennemi : il est \u00e9galement n\u00e9cessaire d'espionner les d\u00e9fenses ennemies et de structurer l'arm\u00e9e de mani\u00e8re \u00e0 frapper aussi efficacement que possible les points faibles adverses. L'arm\u00e9e de monstres doit interagir entre eux de fa\u00e7on \u00e0 percer le labyrinthe avec succ\u00e8s. Parfois, il est \u00e9galement n\u00e9cessaire de lib\u00e9rer les monstres dans un certain ordre en fonction de leurs fonctions et r\u00f4les. Cela augmente \u00e9galement le nombre de combinaisons possibles.<\/p>\n

Enfin, puisque le joueur doit \u00e0 la fois cr\u00e9er des labyrinthes et rassembler une arm\u00e9e de monstres, l'IA doit \u00e9galement apprendre \u00e0 \u00e9quilibrer l'attaque et la d\u00e9fense. Il convient \u00e9galement de consid\u00e9rer qu'\u00e0 mesure que le joueur augmente son arm\u00e9e de monstres et construit davantage de labyrinthes, il a besoin de plus de ressources pour cela. Par cons\u00e9quent, une strat\u00e9gie d'attaque bien pens\u00e9e est cruciale tant pour l'\u00e9conomie du jeu que pour la victoire. Pour garantir la comp\u00e9titivit\u00e9, l'IA doit savoir g\u00e9rer les ressources afin de cr\u00e9er une puissante arm\u00e9e de monstres sans compromettre la force du labyrinthe. Investir au maximum dans les monstres peut \u00eatre \u00e9conomiquement avantageux, mais cela augmente le risque que le labyrinthe soit pris par les monstres de l'adversaire. D'autre part, parier sur le renforcement de la d\u00e9fense du labyrinthe peut affaiblir votre \u00e9conomie. Aucun de ces sc\u00e9narios ne conduira \u00e0 la victoire. Ainsi, le probl\u00e8me d'optimisation dans Unleashed s'av\u00e8re plus complexe que dans le cas des \u00e9checs ou de Starcraft, et implique la n\u00e9cessit\u00e9 de faire des sacrifices et d'anticiper son profit sur plusieurs \u00e9tapes en avant. <\/p>\n

Au fur et \u00e0 mesure que l'intelligence artificielle apprend, de nombreux probl\u00e8mes auparavant non pris en compte \u00e9mergent. Au d\u00e9but, l'IA atteignait souvent un certain niveau de d\u00e9veloppement, o\u00f9 elle commen\u00e7ait \u00e0 comprendre certains aspects du jeu \u2014 par exemple, quelles armes dans le labyrinthe sont efficaces contre certains types de monstres ou quels monstres passent le mieux dans certaines zones du labyrinthe. Mais l'apprentissage \u00e9tait lent et conduisait \u00e0 la cr\u00e9ation de strat\u00e9gies monotones. <\/p>\n

<\/p>\n

La n\u00e9cessit\u00e9 d'approches parall\u00e8les<\/h3>\n

\nAlors que l'apprentissage de l'intelligence artificielle bas\u00e9 sur le machine learning progressait lentement et sans succ\u00e8s particulier, les autres \u00e9tapes de test et de d\u00e9veloppement n\u00e9cessitaient une meilleure intelligence artificielle et des IA concurrentes plus fiables. Pour leur mise en \u0153uvre, une architecture Utility a \u00e9t\u00e9 utilis\u00e9e, permettant de cr\u00e9er des IA sp\u00e9cifiques pour tester et v\u00e9rifier la qualit\u00e9 du jeu, des tests in-game et l'\u00e9quilibrage des armes et des monstres, ainsi que la cr\u00e9ation de labyrinthes et de monstres sp\u00e9cifiques. Cependant, dans le cadre du d\u00e9veloppement de Unleash, les cr\u00e9ateurs ont \u00e9galement perfectionn\u00e9 leurs comp\u00e9tences en le parcourant, puis ont d\u00e9cid\u00e9 d'utiliser les connaissances acquises pour cr\u00e9er une IA Utility plus complexe. Il est donc devenu \u00e9vident que de nombreux probl\u00e8mes rencontr\u00e9s dans les syst\u00e8mes d'intelligence artificielle bas\u00e9s sur le machine learning peuvent \u00eatre facilement r\u00e9solus gr\u00e2ce aux syst\u00e8mes Utility qui exploitent les connaissances qui y sont int\u00e9gr\u00e9es, et vice versa. <\/p>\n

Par exemple, il est plus efficace de construire des labyrinthes gr\u00e2ce \u00e0 des IA Utility bas\u00e9es sur des bases de connaissances \u00e9tablies \u00e0 partir des r\u00e9sultats de tests internes. On peut facilement d\u00e9crire et programmer un algorithme de construction de labyrinthe et de placement d'armes de mani\u00e8re \u00e0 simplifier la d\u00e9fense de la tour contre des monstres sp\u00e9cifiques pour un joueur vivant. En revanche, la cr\u00e9ation d'une arm\u00e9e de monstres bas\u00e9e sur des connaissances concernant la base adverse s'est av\u00e9r\u00e9e \u00eatre un d\u00e9fi complexe pour ces IA, en raison du nombre d'conditions et de combinaisons diverses \u00e0 prendre en compte, qui \u00e9tait impressionnant. Avec ce type d'architecture IA, la recherche de jeux de monstres appropri\u00e9s prendrait un temps infini. Ainsi, dans des conditions de contraintes d\u00e9finies, l'apprentissage profond serait la solution id\u00e9ale pour cette t\u00e2che. <\/p>\n

<\/p>\n

Cr\u00e9ation d'IA hybrides<\/h3>\n

\nIl a donc \u00e9t\u00e9 d\u00e9cid\u00e9 de combiner deux approches pour cr\u00e9er un syst\u00e8me hybride d'intelligence artificielle bas\u00e9 sur l'apprentissage automatique et l'Utility. L'id\u00e9e \u00e9tait que, l\u00e0 o\u00f9 un grand nombre de combinaisons et d'\u00e9tats du jeu devaient \u00eatre trait\u00e9s, ou o\u00f9 il fallait l'entra\u00eener \u00e0 quelque chose, l'apprentissage automatique \u00e9tait utilis\u00e9. Pour d'autres t\u00e2ches, o\u00f9 il valait mieux s'appuyer sur l'exp\u00e9rience personnelle des d\u00e9veloppeurs, des syst\u00e8mes Utility ont \u00e9t\u00e9 impliqu\u00e9s. L'avantage de cette approche r\u00e9side \u00e9galement dans le fait qu'il est possible de mieux contr\u00f4ler le comportement de l'IA si n\u00e9cessaire, afin d'assurer un suivi plus pr\u00e9cis de l'objectif fix\u00e9. Par exemple, on peut utiliser l'IA Utility pour garantir un \u00e9quilibre entre l'attaque et la d\u00e9fense, cr\u00e9ant ainsi diff\u00e9rents niveaux d'agressivit\u00e9, ou cr\u00e9er diff\u00e9rentes configurations de labyrinthes pour diff\u00e9rentes IA afin de leur donner des styles de jeu individuels. Il est \u00e9galement possible de d\u00e9finir des syst\u00e8mes de valeurs pour les r\u00e9seaux neuronaux afin de former diff\u00e9rentes pr\u00e9f\u00e9rences lors du choix de monstres a\u00e9riens ou terrestres, ajoutant ainsi aussi de la personnalit\u00e9 \u00e0 des IA sp\u00e9cifiques. Il y a encore de nombreuses autres options pour mettre en \u0153uvre des solutions de projet, et toutes soulignent les forces de chaque type d'architecture d'IA. <\/p>\n

L'approche hybride a \u00e9galement \u00e9t\u00e9 une r\u00e9ponse \u00e0 une autre question soulev\u00e9e par l'\u00e9quipe de d\u00e9veloppeurs pendant le processus de d\u00e9veloppement de l'intelligence artificielle pour Unleash : faut-il appliquer un unique r\u00e9seau de neurones profond global bas\u00e9 sur l'apprentissage automatique pour prendre en compte toutes les donn\u00e9es d'entr\u00e9e et de sortie, ou est-il pr\u00e9f\u00e9rable de concevoir une IA avec une structure hi\u00e9rarchique ? <\/p>\n

\"Comment
\nDeux architectures ont \u00e9t\u00e9 utilis\u00e9es dans Unleash : \u00e0 gauche, un grand r\u00e9seau de neurones profond avec sa propre architecture unique, \u00e0 droite, un syst\u00e8me hi\u00e9rarchique o\u00f9 chaque r\u00e9seau a sa propre t\u00e2che.<\/i><\/p>\n

Et pourtant, il serait souhaitable de cr\u00e9er une approche commune pour le syst\u00e8me d'intelligence artificielle, dans l'architecture de laquelle les d\u00e9veloppeurs n'auraient pas int\u00e9gr\u00e9 leur propre exp\u00e9rience. Cependant, plus il y avait d'entr\u00e9es dans le jeu, plus le r\u00e9seau neuronal se d\u00e9veloppait. Il \u00e9tait impossible de s\u00e9parer l'entra\u00eenement de l'IA et de leur apprendre quelque chose de sp\u00e9cifique : soit la d\u00e9fense, soit l'attaque. Cela a suscit\u00e9 des inqui\u00e9tudes selon lesquelles une approche plus g\u00e9n\u00e9rale entra\u00eenerait une augmentation significative du nombre de calculs. <\/p>\n

C'est ainsi qu'est n\u00e9e l'id\u00e9e de cr\u00e9er une architecture hi\u00e9rarchique, dans laquelle chaque t\u00e2che sp\u00e9cifique serait ex\u00e9cut\u00e9e par un r\u00e9seau neuronal sp\u00e9cialis\u00e9. Selon cette id\u00e9e, l'intelligence artificielle doit d'abord prendre une d\u00e9cision sur la r\u00e9partition des ressources entre l'attaque (augmentation de l'arm\u00e9e de monstres) et la d\u00e9fense (construction d'un labyrinthe). Une fois cela fait, elle passe au niveau suivant en fonction de son choix et acc\u00e8de \u00e0 la partie n\u00e9cessaire de l'\u00e9tat du jeu, apr\u00e8s quoi elle prend des d\u00e9cisions d\u00e9taill\u00e9es sur quels monstres choisir et quel \u00e9quipement installer dans le labyrinthe.<\/p>\n

<\/p>\n

Conclusion et prochaines \u00e9tapes<\/h3>\n

\nAvec une approche hybride, l'IA Utility, comprenant des r\u00e9seaux bas\u00e9s sur l'apprentissage automatique, ressemble \u00e0 une architecture hi\u00e9rarchique. Celle-ci, \u00e0 son tour, ressemble au cerveau biologique, o\u00f9 diff\u00e9rents centres nerveux sont chacun responsables de leur propre t\u00e2che.<\/p>\n

Actuellement, l'IA adverse dans Unleash est tr\u00e8s difficile \u00e0 vaincre : elle est capable de s'adapter \u00e0 n'importe quelle situation dans le jeu, mais les d\u00e9veloppeurs peuvent n\u00e9anmoins modifier ses param\u00e8tres \u00e0 leur guise. Selon l'auteur de l'article, avec le temps, l'approche hybride devrait se r\u00e9pandre davantage et appara\u00eetre dans de nombreux autres jeux. Peut-\u00eatre qu'un jour, il sera possible d'int\u00e9grer une intelligence artificielle bas\u00e9e sur l'apprentissage automatique de mani\u00e8re pure dans le gameplay. Mais, il est \u00e9vident que cela demandera encore du temps. En attendant, l'objectif est de trouver une architecture qui s'adapte elle-m\u00eame aux d\u00e9fis qui se posent et trouve des moyens optimaux de les r\u00e9soudre.
\n
Source : habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u0412 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435 \u043d\u0435\u043a\u043e\u0433\u0434\u0430 \u043f\u043e\u0434\u043d\u044f\u0442\u043e\u0439 \u0432 \u043d\u0430\u0448\u0435\u043c \u0431\u043b\u043e\u0433\u0435 \u0442\u0435\u043c\u044b \u0438\u0433\u0440\u043e\u0432\u043e\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e \u0442\u043e\u043c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u043e \u043a \u043d\u0435\u043c\u0443 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438 \u0432 \u043a\u0430\u043a\u043e\u043c \u0432\u0438\u0434\u0435. \u0421\u0432\u043e\u0438\u043c \u043e\u043f\u044b\u0442\u043e\u043c \u0438 \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u044b\u043c\u0438 \u043d\u0430 \u0435\u0433\u043e \u043e\u0441\u043d\u043e\u0432\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f\u043c\u0438 \u043f\u043e\u0434\u0435\u043b\u0438\u043b\u0441\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0442 \u043f\u043e \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c \u0418\u0418 \u0432 Apex Game Tools \u042f\u043a\u043e\u0431 \u0420\u0430\u0441\u043c\u0443\u0441\u0441\u0435\u043d. \u0412 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0433\u043e\u0434\u044b \u0432\u0435\u0434\u0451\u0442\u0441\u044f \u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u043e\u0432 \u043e \u0442\u043e\u043c, \u0447\u0442\u043e \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043a\u0430\u0440\u0434\u0438\u043d\u0430\u043b\u044c\u043d\u043e […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-52119","post","type-post","status-publish","format-standard","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47Comment fonctionne l'IA hybride dans les jeux et quels en sont les avantages | ProHoster","description":"Dans la continuit\u00e9 du sujet de l'intelligence artificielle dans les jeux soulev\u00e9 pr\u00e9c\u00e9demment dans notre blog, discutons de son applicabilit\u00e9.","canonical_url":"https:\/\/prohoster.info\/fr\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"fr_FR","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u044b\u0439 \u0438\u0433\u0440\u043e\u0432\u043e\u0439 \u0418\u0418 \u0438 \u0432 \u0447\u0451\u043c \u0435\u0433\u043e \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430 | ProHoster","og:description":"\u0412 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435 \u043d\u0435\u043a\u043e\u0433\u0434\u0430 \u043f\u043e\u0434\u043d\u044f\u0442\u043e\u0439 \u0432 \u043d\u0430\u0448\u0435\u043c \u0431\u043b\u043e\u0433\u0435 \u0442\u0435\u043c\u044b \u0438\u0433\u0440\u043e\u0432\u043e\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e \u0442\u043e\u043c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u043e.","og:url":"https:\/\/prohoster.info\/fr\/blog\/news\/kak-ustroen-gibridnyj-igrovoj-ii-i-v-chyom-ego-preimushhestva","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T21:00:00+00:00","article:modified_time":"2020-02-18T10:59:47+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"52119","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 02:32:21","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 20:49:49","updated":"2026-01-24 02:32:21","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/posts\/52119","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/comments?post=52119"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/posts\/52119\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/media?parent=52119"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/categories?post=52119"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/tags?post=52119"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}