l'IA gagne des parties de DIPLOMACY

C'est fou, ca veut dire que la machine trouve une méthode de manipulation ou de coopération ca depend si les victoires partagées sont une possibilité dans ces parties.

L IA suce des cailloux a Magic soit heureux :D

Si Ia < Magic , mais que Ia > Echecs et IA > Go, est-ce que Magic > dieu ?
Ou alors DIPLOMACY > Big Bang ?

Vous avez 23 min 42.

Ca me semble pas si déconnant. L'IA est capable, grâce au machine learning, d'analyser des quantité assez impressionnante de parties de joueurs et donc de reconnaitre les patterns qui reviennent le plus souvent, leur pourcentage de chance de fonctionner par rapport à X situations.

Sur certains aspects l'ordinateur explose les capacités du cerveau humain. Sur le calcul et la mémoire notamment.
Une machine tu la conçois techniquement pour retenir 12 mille milliards de partie et de pouvoir trouver 284768027284 patterns qui se ressemblent et de voir quelles sont les meilleurs probas pour chacune de ces situations en moyenne, elle le fait alors qu'un cerveau humain sera très limité.

Je sais que y'a pas mal de données importante pour qu'une IA fonctionne bien. Plus y'a de données de départ, plus elle est en PLS. C'est le cas de Magic. Là où pour le jeu de Go une IA dopé au machine learning arrive très bien à se repérer car les données de départ sont simples, pour magic les données de départs sont un océan quasi infini en terme de possibilité. Là-dessus le cerveau humain reste meilleur (pour l'instant).

Mmmmh ce n'est pas tout à fait comme ça que fonctionne le Qlearning. Il faut quand même des bons humains derrière pour créer des matrices de récompenses cohérentes.

Et donc des règles suffisamment peu flexible pour créer une telle matrice et qu'elle donne un résultat cohérent.

Mais oui, via le Qlearning on peut surpasser pas mal de truc si on peut créer un modèle mathématique derrière.
C'est possible pour certains jeux/trucs de la vie courante, mais c'est relativement limité en réalité.

Sisi, c'est exactement comme ça que fonctionne le Machine Learning.

Une méthode d'apprentissage pendant laquelle tu gaves ton IA de données et tu l'apprends de manière supervisée ou pas à reconnaitre des patterns jusqu'à ce qu'elles se trompent moins qu'un humain, voir qu'elle se trompe quasi jamais.

Ensuite la technologie que tu utilises pour y arriver c'est up to you.

Mais le principe c'est exactement celui que je viens d'expliquer.

Oui c'est vrai mais ça ne change rien à mon explication.

Et oui évidemment qu'il faut des bons humains pour la programmer, les IA ne se programment pas toutes seules car les IA n'ont pas l'esprit d'initiative et de volonté propre.

En fait ça ça fonctionne uniquement si tu e capable de paramétrer des matrices de récompenses.
Sinon ton algo ne va pas du tout faire ce qu'il est censé faire. Les datas, elles font pas tout. Dans l'apprentissage artificielle il faut être capable de donner un objectif clair et précis (qui est toujours plus compliqué qu'un résultat. L'exemple marrant c'est des robots qui vont te dire j'arrive à marcher, mais qui vont le faire dans des configuration ou : ils sont instables et où les bras sont dans des positions qui font que physiquement cela est impossible à atteindre)
Faut vachement relativiser la puissance du Qlearning en l'état. Sans l'humain derrière elle fait R. Parceque analyser c'est bien mais c'est pas ce qui est recherché dans le Qlearning.

Ce que tu recherches, en gros, c'est comment obtenir tel résultat et après tu laisses la machine généré des boucles jusque à ce qu'elle obtienne le résultat voulu. Mais pour ça faut être capable de décrire le résultat voulu de manière très précise (sans jamais exclure des configuration/résultat qui semblent aberrants mais en essayant quand même d'être réaliste)
Enfin oui c'est nettement plus compliqué que ce que tu expliques et même assez éloigné de facto. Enfin dans l'état des connaissances au moment où j'ai stop tout ce qui était robotique.

En fait même dans le cas du Qlearning (apprentissage par IA), les datas font rien du tout.
Simplement la machine va tester des possibilités jusqu'à obtenir le résultat voulu.
Si plusieurs pistes donnent le résultat voulu la machine va privilégier le chemin optimal pour obtenir le résultat demandé.
Sauf que si ton résultat demande n'est pas exactement spécifié tu peux très rapidement te retrouver dans des configuration qui sont de facto aberrante.

Après concernant le Qlearning ya vraiment aucun rapport avec aucune data (et même c'est contre indiqué : le but est d'obtenir le meilleur résultat sans jamais prémédité du chemin à parcourir, donc out les datas et out toutes les restrictions que donnent le cerveau humain : C'est la règle d'or concernant le Qlearning, vu sur la base du concept c'est de se dire que la machine est capable d'analyser une quantité nettement plus importante de configuration que le prejugerais un cerveau humain, et donc l'humain donne le résultat, la machine trouve la meilleure solution.

Dans ce concept, les données n'ont que peu d'intérêt. Ce qui compte c'est uniquement le résultat (encore faut il être capable de l'écrire sous forme mathématique, parceque c'est la seule capacité qu'à la machine).

*scrountch scrountch*

Je résume, le procédé qui a dû être appliqué à ces IA (si ça fait par apprentissage).
Tu prends un très gros ordinateur, tu fais un code sur une application capable de faire de l'analyse de données :
Il te retrouve comme tu dis "reconnaitre des patterns". Ça c'est pas un travail d'IA spécialement.
Les résultats de cette analyse vont te donner les informations (les contraintes et résultats à obtenir), que tu vas donner à l'IA.
Ensuite cette IA va tester tous les chemins possibles permettant d'obtenir le résultat voulu en respectant le cadre imposé (via des matrices de récompenses successives : c'est différent jalon à atteindre ou potentiellement atteignables).
Puis tant qu'elle ne trouve pas le résultat voulu elle reboot jusqu'à le trouver.

Au final, le plus dur c'est de trouver des joueurs qui connaissent DIPLOMACY.

Cest quand meme chaud de dire que des data ne font rien du tout dans le cas du Machine Learning O_O

Le Machine Learning a explosé des record de performance justelent parce qu'on les gave de données

Non mais tu as lu ce que j'ai écrit ou pas ?
En fait le Qlearning tu utilise une analyse de datas pour fixer un cadre puis il genere ces propre datas via de la simulation.
C'est comme ça qu'on faisait des algo d'apprentissage machine par chez nous. Et je peux te dire pour avoir bosser avec des gars pas trop mauvais dans le domaine (je te laisse regarder le LinkedIn de M.Olivier Gibaru), que non un Qlearning n'a pas besoin de datas. Il les genere tout seul. Après ça c'était l'état du Qlearning en 2015/16/17 quand jbossais encore dans ces thématiques.

Encore une fois, faire de l'analyse de data et trouver des partern c'est pas du tout un truc spécifique à une IA apprenante. C'est un truc qui se fait avec juste un Matlab bien ficelé.

Moi au moins je sais que j y entrave que dalle :D et puis :3 et quelques croquettes pour ce chaton :)

Apres si certains ont des notions ou connaissances en botanique classification des vegetaux, tout ce qui peut toucher au domaine des Espaces Verts je suis preneur.

J ai aussi un niveau bts en informatique mais comme j aime pas ça on planque ça sous le tapis avec un peu de poussiere et ça fera le taf :p

Après oui tu peux raccourcir à la hache le concept de Learning en disant IA analyse data et trouve pattern et trouve solution.

Sauf que c'est un mega raccourci à la hache. C'est 2 trucs différents, qui n'utilisent pas les mêmes concepts mathématiques. Et un seul des deux est dédié à de l IA. L'analyse de données à grande échelle ça se fait dans plein d'autres trucs que de la création d'IA et ce n'est pas la même chose.
Et ça se fait sans IA.

Et il n'y a aucune corrélations entre le développement de l'analyse de données et le développement du Qlearning. L'un peut être utilisé dans du Qlearning mais ce nest pas automatique, si tu veux faire un code qui apprends un robot à marcher, tu n'as pas besoin d'analyse de donnée, par contre tu as besoin d'outils dédiés au Qlearning).
Ya d'ailleurs une vidéo marrante qui montre littéralement ce que donne un tel algo sur ce robot.
Exemple ici de Qlearning ou l'analyse de données est littéralement absente : https://www.briefstory.io/14/cassie-robot-agility-robotic-marcher-seul...

Après tu peux créer une IA qui fait de l'analyse de donnée mais ça n'a pas grand intérêt, un code informatique random le fait tout aussi bien et depuis déjà une belle paire de décennies.

https://www.youtube.com/watch?v=rlMubwxDADM

Video tres interessante de Leo Grasset (dirtybiology) sur l IA et Youtube/internet, (le drama sur sa personne n es pas le sujet merci de respecter ça :) )))).

Ptin les TP info avec Gibar's qui en avait rien à branler des PG c'était quand même pas fun

Ouais moi j'lai eu en année de spé, donc c'était pas la même.
Surtout après j'ai une chouille bossé avec puisque le projet continuait avrc lui :0

Après ouais en cours c'était chiant ce qu'il faisait. Mais en réunions/debrief très bien le mec.

Après fallait le choper c'était chaud, vu ces AR fréquent à gauche et à droite