L’intelligence artificielle n’a connu qu’une évolution grandissante au sein des jeux vidéo. La puissance de calcul de nos machines augmente de jour en jour (la nanotechnologie accélérera encore le processus), permettant aux concepteurs de jeux de ne pas se limiter à offrir un comportement routinier à des voitures de course ou à des personnages. Il était donc temps que nous nous penchions un peu sur cet aspect moins connu des jeux vidéo et qui jouera pourtant certainement un rôle essentiel dans un futur proche.
Introduction
En savoir plus sur l’homme, mieux appréhender le fonctionnement et l’essence même de l’intelligence au travers du fonctionnement de machines, ne constituerait-il pas un des paradoxes les plus étranges et les plus dérangeants dans le domaine de la recherche ?
C’est pourtant une évolution presque naturelle que nous a apportée le développement de l’informatique.
Décortiquer l’appréhension de l’environnement en une série de mesures simples. A partir de ces données, analyser la série de décisions possibles ou à prendre et le processus même de la prise de décision. Analyser les séquences d’instruction nécessaires et l’ordre indispensable de leur succession pour atteindre une efficacité suffisante. Rechercher l’optimisation de ces décisions pour accroître l’efficacité du système. Rechercher derrière l’évidence de certains comportements comment cette évidence peut se justifier sur le plan d’une stricte analyse logique. Evaluer si l’expérience d’enchaînements répétitifs et de situations comparables vécues peut déboucher sur des raccourcis « intelligents » dans la prise de décision.
Voilà une série de gageures auxquelles on n’a pas hésité à s’attaquer. L’idée de base est fort simple. Les comportements les plus évolués de l’homme devraient pouvoir être en quelque sorte découpés en une gigantesque succession et même superposition de séquences très simples comparables à ce que le langage binaire accomplit au sein de machines informatiques.
Cette étrange démarche a amené l’émergence progressive de ce que l’on a regroupé sous le vocable de sciences cognitives.

Les sciences cognitives
Les sciences cognitives regroupent bien des domaines comme les mathématiques, la logique, la physique, l’informatique. Elles introduisent également des données philosophiques, psychologiques et linguistiques [1]. Bien vite, on en arrive à parler de neurosciences et d’intelligence artificielle. Mais les sciences cognitives sont encore toutes jeunes et une définition exacte sera bien difficile à énoncer. Aussi je donnerai une définition qui ne se veut ni exclusivement théorique, ni exclusivement pratique mais qui voyage d’une notion à l’autre sans établir de choix préférentiel et sans obtenir une définition « axiomatique ».
Les sciences cognitives ont pour mission d’étudier, de décrire, de comprendre, d’expliquer et de simuler le comportement animalier ou humain, tant au niveau du raisonnement, de sa capacité à avoir une pensée stratégique ou tactique, de la perception de son environnement et de la capacité de son adaptation, de sa coordination motrice, de son comportement inné ou acquis. Elles se sont développées il y a environ 50 ans en même temps que l’informatique. Le démarrage fut immédiat car l’informatique était bien l’élément que tout le monde attendait pour pouvoir démarrer ce large chapitre scientifique. En effet, les sciences cognitives sont récentes mais la pensée philosophique liée à celles-ci remonte loin dans le passé.
Une définition étroite regrouperait les programmes de recherche en linguistique, psychologie et philosophie qui étudient les attitudes cognitives animales ou humaines en faisant abstraction du mécanisme neurologique lié. Dans son sens large, on intègre également la partie neuroscientifique qui fait intervenir les réactions physico-chimiques du système nerveux. On étudie donc la science cognitive dans son aspect biologique. On peut donc simplifier la définition : la science cognitive est une science qui étudie des systèmes de traitements de l’information capables d’intelligence.
Un phénomène cognitif s’articule certes autour d’un stimulus provoqué par l’environnement du système mais aussi autour de la réaction, de la réponse. En vérité, la science cognitive étudie le déroulement des opérations qui s’effectuent entre ces deux points.
Historique
Les premiers concepts de machine intelligente datent d’avant la deuxième guerre mondiale. Ces concepts nous amèneraient 10 ans plus tard à ce qui serait l’ordinateur électronique programmable. Une idée plus précise de ce que pourrait être une machine intelligente pouvait alors être reformulée en des termes plus modernes. Il ne restait plus qu’à penser et unir le cerveau, l’esprit et la machine. L’ère de la simulation du mental pouvait débuter.
En 1956, naquit la notion d’intelligence artificielle. De nombreuses études, publications et travaux en anthropologie et en neurophysiologie amorcèrent enfin cette science que les Hommes désignèrent 20 ans plus tard comme science cognitive.

Vers 1980, l’intelligence artificielle fit un véritable bond en avant. Les jeux vidéo, une des applications de l’intelligence artificielle, connaissaient une véritable expansion. Cependant, les progrès au sein de la science cognitive furent tels que l’intelligence artificielle occupait un poids relatif moins important. C’est tout dire du progrès phénoménal à tous les niveaux de cette science. La science cognitive était devenue plus qu’un simple phénomène de mode et les connaissances en la matière étaient devenues telles qu’elle s’imposa par elle-même, par sa maturité et sa richesse, comme science à part entière inévitable qui ne pouvait plus craindre un effet de mode inverse.
Mais en raison de leur jeunesse, les sciences cognitives font l’objet de vives discussions. Cette science a encore besoin d’être complétée par de nombreuses expériences (mais quelle science ne ressent pas ce besoin ?) mais il est nécessaire de ne pas décrire ces expériences et les modifications d’état comme des processus physiques uniquement mais aussi comme des calculs.
En fait, comme je l’ai signalé plus haut, l’étude des sciences cognitives ne peut être qu’interdisciplinaire, avec les problèmes antagonistes mais aussi la synergie que cela comporte. Il est évident que l’ensemble des phénomènes à étudier ne se laisse pas décrire exhaustivement dans le vocabulaire d’une seule discipline. Il est vraisemblable que les connaissances actuelles dans les diverses matières ne suffiront pas pour composer les différents ingrédients nécessaires à une science de la cognition moderne et qu’il faudra sans doute encore attendre que d’autres secteurs de recherche comme les sciences neurologiques progressent ou éventuellement que de nouvelles disciplines apparaissent.
On s’en rend mieux compte avec l’histoire des sciences cognitives : si les idées étaient bien présentes, il est évident que les progrès scientifiques quantitatifs et qualitatifs tant en technologie informatique (accélération considérable de la vitesse de calcul, traitement de bases de données en temps réel, création de nouveaux langages) qu’en psychologie (les méthodes chronométriques actuelles permettent de calculer des temps de réaction de l’ordre du centième de seconde) ou qu’en neurophysiologie et en cytologie (l’étude des structures cérébrales, le fonctionnement des neurones(description du neurone), la mesure de l’activité cérébrale…) ont desserré le frein à main ou ont servi de catalyseur au développement de cette science.
Illustration avec l’animatlab
L’animatlab est un laboratoire de recherche qui étudie le comportement et la survie d’un animal. Ce laboratoire a donc pour but de comprendre les mécanismes d’évolution et d’adaptation d’un animal et de voir en quelles circonstances l’homme a su lui aussi s’adapter grâce à son intelligence mais aussi à ses comportements innés, simples et pourtant difficiles à appréhender, qu’il a hérités de ses ancêtres « animaliers ».
Les robots destinés à cette étude sont des animats. Ils sont munis d’une vision artificielle et de systèmes de reconnaissances de la parole et de signaux acoustiques pour la perception, des bases de données dites intelligentes et des systèmes d’aide à la décision que l’on retrouve dans les jeux pour le raisonnement, de systèmes d’analyse automatique des textes ainsi que leur traduction automatique, de traitement de texte, de systèmes de classification et d’indexation pour le langage, enfin, de la planification et de la coordination robotique pour l’action.

Pour comprendre tout ce fonctionnement, l’animatLab conçoit différents robots basiques mais doués eux-aussi d’une faculté d’adaptation à un monde extérieur inconnu, mouvant (changeant) et parfois dangereux. Par exemple, le robot ci-dessous est capable de se déplacer en évitant divers obstacles. Il possède déjà un conditionnement classique qui lui sert à prédire un danger. L’animat devra apprendre des séquences d’action qui lui permettront de collecter des objets désirables tout en évitant les objets dangereux et tous les éléments de l’environnement qui pourraient le mettre en péril.
Leurs lois de fonctionnement sont inspirées de celles des animaux. Prenons le cas d’un animat placé dans un environnement réel ou simulé. Sur le graphique, la situation de l’animat est symbolisée par des variables dont les coordonnées sont déterminées par rapport à 2 axes X et Y. La zone claire est appelée zone de viabilité. Elle représente l’ensemble des positions ou possibilités que peut prendre l’animat sans danger pour lui. La zone d’ombre représente quant à elle une zone de danger pour l’animat : sa vie pourrait être mise en péril, il pourrait se blesser… L’animat possède des senseurs qui lui permettent d’appréhender l’environnement, de l’apprendre et d’adapter par après son comportement afin de se maintenir dans la zone de viabilité.
Dans l’exemple qui suit, l’animat suit un comportement déterminé par le tracé. La tendance indique que l’animat allait quitter sa zone de viabilité, aussi une action correctrice a été accomplie au point A afin de rediriger l’animat vers une situation favorable. Au point B, l’animat se dirige vers une autre situation dangereuse. Là encore, une « action correctrice » est opérée. Bien entendu, l’ensemble de ces actions seront apprises mais il se pourrait que ces différentes décisions prises séparément soient antagonistes. Aussi il faudra que l’animat choisisse quelles actions utiliser en priorité ou carrément de les remplacer par d’autres solutions toujours dans la recherche d’atteindre son but en profitant des opportunités que lui offre l’environnement.. Au fur et à mesure que ces choix s’effectueront, le comportement de l’animat ainsi que sa capacité de prendre des décisions auront évolué !
Ainsi les robots étant capables de devenir autonomes et de survivre dans un environnement inconnu et changeant, d’interagir avec des éléments du décor, d’autres robots, ou même des êtres vivants permettront de comprendre différents mécanismes. Les jeux vidéo ont proposé il y a 25 ans à l’homme de réagir par rapport à un programme, à un monde virtuel et à s’adapter. Le chemin est à présent pris en sens inverse : au tour de l’animat et de son programme à s’adapter au monde réel. C’est peut-être à cause de cela qu’on n’hésite pas à parler d’intelligence artificielle. Cette étude de l’intelligence artificielle permettra dans l’avenir de comprendre les méandres encore mal connues du fonctionnement de l’intelligence humaine.
L’intelligence artificielle de l’animal va donc se construire d’elle-même par une série de tests. Le système effectue diverses expériences et l’animat analyse le résultat obtenu. L’animat peut également effectuer des tests échantillonnés pour étudier le comportement de certains de ces « organes ». Il complète ou met à jour en temps réel sa base de données et peut même effectuer un classement en fonction de l’importance ou de la pertinence des résultats de ces tests.

On pourrait imaginer par exemple un animat qui testerait divers types de déplacement : longs et courts. Lors des déplacements longs, l’animat se retrouve confronté à un plus grand nombre de problèmes à traiter en une fois que lors des courtes distances. L’animat va donc modifier son comportement puisque les tests sur courte distance sont plus concluants. Suite aux séries de tests, l’animat va choisir la distance à parcourir la plus concluante qui permet de diminuer et d’affiner les décisions à prendre par séquence.
L’animat enregistre alors instantanément dans sa base de données la nouvelle distance idéale à parcourir à chaque séquence. On peut même imaginer grâce à différentes techniques d’apprentissage et d’évolution de doter un animat d’une capacité à anticiper sa situation future.
Bien entendu, le cas expliqué ici est extrêmement simple et les animats sont capables de gérer des cas bien plus complexes mais cet exemple illustre parfaitement les bribes de ce que représente l’intelligence artificielle, à savoir un système autodidacte créant, remodelant et perfectionnant leur propre programme sous la guidance d’un superprogramme de comportement général.
Evidemment, ce procédé connaît ses limites puisque l’Animat, même s’il est libre de choisir et de décider de son avenir, ne dispose que d’une quantité limitée d’actions que les concepteurs du système ont bien voulu lui accorder dans son programme initial. De plus, les comportements observés sont issus de l’interaction entre l’animat, l’environnement mais aussi l’observateur. Ce dernier pourrait interpréter le même événement de différentes manières.
Les concepteurs de jeu vidéo ont aussi mis en avant leur know-how en matière de robotique tout en restant dans le domaine des loisirs. Sony avec son chien Aibo a permis à de nombreuses familles d’adopter un animal virtuel à l’intelligence relativement développée qui lui permet d’interagir avec son environnement.
Sega a aussi développé des animaux de compagnie, en l’occurence dernièrement un chat capable de réagir aux caresses. Mais Sega a auparavant planché en 2001 sur un humanoïde : le W-Bot, qui est capable d’éviter des obstacles sur sa trajectoire et de tenir une conversation. Cependant, le W-Bot ne dispose pas de reconnaissance vocale, vous devez donc lui répondre en appuyant sur les boutons oui et non. Evidemment, ça limite la conversation. Le W-Bot pose environ 2000 questions préenregistrées. Ce n’est tout de même pas si mal pour un jouet.
Conclusion
Si le principe d’en savoir encore plus sur l’homme me paraît profondément passionnant et que l’on peut apprécier le fait que l’utilisation d’un robot permette de répéter des centaines de fois une expérience afin de bien la percevoir, ne doit-on pas prendre ce dernier point pour une limite de l’expérience, l’animal n’étant pas une machine prête à se plier à répéter exactement les mêmes choses quand on le lui demande ? L’animal pourrait être dressé mais ne s’agit-il pas là d’une déformation de l’évolution naturelle de ce dernier ? L’expérience est donc facile à étudier mais connaît ses limites dans le sens ou le robot n’arrivera sans doute jamais à simuler certains comportements comme par exemple l’indépendance.
On imagine assez aisément l’ampleur des tâches à accomplir pour réaliser dans le concret, avec des machines, un comportement complet, cohérent et déterminé en fonction d’un but à atteindre. Approcher, même de loin, une série de comportements, diversifiés et apparemment ou réellement « intelligents » est un défi d’une ampleur encore plus gigantesque. Intégrer ce qui pourrait ressembler à un apprentissage constitue une série impressionnante d’autres défis.
Nous venons d’évoquer la quasi-impossibilité de simuler des comportements d’indépendance. Avons-nous même pensé qu’au sein de séquences dites logiques, l’animal ou l’être humain peuvent sans doutes plus ou moins parfaitement intégrer des prises de décisions irrationnelles ? Et celles-ci ne pourraient-elles constituer une part essentielle de l’innovation au sein de comportements dits intelligents ? Voilà quelques réflexions propres à nous rendre modestes et circonspects au sein du développement même des sciences cognitives.












💬 Commentaires (0) Laisser un commentaire ▾
Aucun commentaire pour le moment. Soyez le premier à réagir !