{"id":73384,"date":"2022-12-08T15:58:24","date_gmt":"2022-12-08T14:58:24","guid":{"rendered":"http:\/\/www.emu-france.com\/?p=73384"},"modified":"2022-12-08T15:58:24","modified_gmt":"2022-12-08T14:58:24","slug":"methodes-de-lia-utilisees-dans-les-jeux-modernes","status":"publish","type":"post","link":"https:\/\/www.emu-france.com\/?p=73384","title":{"rendered":"M\u00e9thodes de l\u2019IA utilis\u00e9es dans les jeux modernes"},"content":{"rendered":"

L\u2019intelligence artificielle est l\u2019apanage des jeux vid\u00e9o et en ligne moderne. Des meilleurs site de poker en ligne<\/u><\/span><\/a> aux jeux d\u2019actions, l\u2019IA participe \u00e0 les rendre plus r\u00e9el et int\u00e9ressants.<\/p>\n

 <\/p>\n

L\u2019IA recoure \u00e0 des m\u00e9thodes non d\u00e9terministes telles que les arbres de d\u00e9cision, les r\u00e9seaux neuronaux (profonds), les algorithmes g\u00e9n\u00e9tiques et les m\u00e9thodes d’apprentissage par renforcement. Explorons ces techniques en d\u00e9tail.<\/p>\n

 <\/p>\n

Arbres de d\u00e9cision<\/b><\/span><\/p>\n

 <\/p>\n

Les arbres de d\u00e9cision (DT) sont des mod\u00e8les d’apprentissage supervis\u00e9 qui peuvent \u00eatre entra\u00een\u00e9s pour effectuer une classification et une r\u00e9gression. Ils constituent l’une des m\u00e9thodes d’apprentissage automatique les plus fondamentales pour la conception de jeux et permettent de pr\u00e9voir la valeur d’une variable d’int\u00e9r\u00eat par l’apprentissage de r\u00e8gles de d\u00e9cision simples d\u00e9duites des caract\u00e9ristiques des donn\u00e9es.<\/p>\n

 <\/p>\n

Dans la conception de jeux d’intelligence artificielle, les DT sont utilis\u00e9s pour d\u00e9crire les choix et les cons\u00e9quences (pr\u00e9dictions des actions). La plupart des jeux modernes utilisent les DT, principalement les jeux bas\u00e9s sur la narration. Dans l’une de ces utilisations, les DT peuvent donner aux joueurs un aper\u00e7u de ce que sera l’avenir en fonction de leurs choix.<\/p>\n

 <\/p>\n

<\/a> R\u00e9seaux neuronaux<\/b><\/span><\/h2>\n

 <\/p>\n

Les r\u00e9seaux neuronaux artificiels (NN) sont des structures semblables au cerveau humain, capables d’apprendre diverses caract\u00e9ristiques \u00e0 partir de donn\u00e9es d’apprentissage. Avec un grand ensemble de donn\u00e9es, les r\u00e9seaux neuronaux sont capables de mod\u00e9liser des sc\u00e9narios tr\u00e8s complexes du monde r\u00e9el et des jeux. Ces r\u00e9seaux permettent de surmonter certaines des lacunes des techniques d’IA classiques dans la conception d’agents de jeu. En outre, les NN sont auto-adaptatifs et s’adaptent bien aux environnements de jeu qui changent en temps r\u00e9el.<\/p>\n

 <\/p>\n

Les agents de jeu bas\u00e9s sur les NN peuvent apprendre de deux mani\u00e8res. Soit ils sont form\u00e9s avant d’\u00eatre d\u00e9ploy\u00e9s dans un jeu (hors ligne), soit le processus d’apprentissage peut \u00eatre appliqu\u00e9 en temps r\u00e9el pendant le jeu (en ligne). L’entra\u00eenement en ligne permet de cr\u00e9er des agents de jeu qui s’am\u00e9liorent continuellement pendant le jeu.<\/p>\n

 <\/p>\n

Les agents bas\u00e9s sur les r\u00e9seaux neuronaux peuvent s’adapter rapidement aux tactiques changeantes des joueurs humains ou d’autres PNJ, et s’assurer que le jeu reste stimulant m\u00eame pendant une partie prolong\u00e9e.<\/p>\n

 <\/p>\n

Algorithmes g\u00e9n\u00e9tiques<\/b><\/span><\/h2>\n

 <\/p>\n

En termes simples, un algorithme g\u00e9n\u00e9tique (AG) est une proc\u00e9dure de haut niveau, une heuristique, inspir\u00e9e de la th\u00e9orie de l’\u00e9volution naturelle. L’algorithme g\u00e9n\u00e9tique imite le processus de s\u00e9lection naturelle, o\u00f9 les candidats les plus aptes sont choisis pour produire la prog\u00e9niture de la g\u00e9n\u00e9ration suivante. Les AG sont utilis\u00e9s pour diverses t\u00e2ches d’optimisation. Compar\u00e9s \u00e0 diff\u00e9rentes techniques d’optimisation, les AG sont capables de fournir d’excellents r\u00e9sultats pour les optimisations multicrit\u00e8res.<\/p>\n

 <\/p>\n

Apprentissage par renforcement<\/b><\/span><\/h2>\n

 <\/p>\n

L’apprentissage par renforcement (RL) est une m\u00e9thode d’apprentissage automatique qui repose sur l’apprentissage par essais et erreurs. Au cours de la formation, le mod\u00e8le est autoris\u00e9 \u00e0 jouer des sc\u00e9narios et \u00e0 apprendre si les choses se sont bien ou moins bien termin\u00e9es. L’apprentissage par renforcement est efficace pour concevoir des PNJ qui prennent des d\u00e9cisions dans des environnements dynamiques et inconnus. L’apprentissage par renforcement est utilis\u00e9 dans les jeux depuis longtemps.<\/p>\n

 <\/p>\n

<\/div><\/div>","protected":false},"excerpt":{"rendered":"

L\u2019intelligence artificielle est l\u2019apanage des jeux vid\u00e9o et en ligne moderne. Des meilleurs site de poker en ligne aux jeux d\u2019actions, l\u2019IA participe \u00e0 les rendre plus r\u00e9el et int\u00e9ressants.   L\u2019IA recoure \u00e0 des m\u00e9thodes non d\u00e9terministes telles que …<\/p>\n","protected":false},"author":37,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[1],"tags":[30],"class_list":["post-73384","post","type-post","status-publish","format-standard","hentry","category-par-defaut","tag-interlude","uentry","postonpage-1","odd","post-author-admin"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_shortlink":"https:\/\/wp.me\/pKi2R-j5C","jetpack_likes_enabled":false,"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.emu-france.com\/index.php?rest_route=\/wp\/v2\/posts\/73384","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.emu-france.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.emu-france.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.emu-france.com\/index.php?rest_route=\/wp\/v2\/users\/37"}],"replies":[{"embeddable":true,"href":"https:\/\/www.emu-france.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=73384"}],"version-history":[{"count":4,"href":"https:\/\/www.emu-france.com\/index.php?rest_route=\/wp\/v2\/posts\/73384\/revisions"}],"predecessor-version":[{"id":73394,"href":"https:\/\/www.emu-france.com\/index.php?rest_route=\/wp\/v2\/posts\/73384\/revisions\/73394"}],"wp:attachment":[{"href":"https:\/\/www.emu-france.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=73384"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.emu-france.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=73384"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.emu-france.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=73384"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}