Avion de chasse contrôlé par IA bat un pilote humain dans un combat simulé

Un événement opposant un avion de chasse contrôlé par IA à un pilote humain dans un combat aérien virtuel a récemment eu lieu, avec pour résultat que l’IA a réussi à vaincre son adversaire humain, ajoutant un autre exemple de la supériorité de l’IA sur les humains dans des tâches extrêmement complexes.

Selon DefenseOne, le combat aérien virtuel récent a été orchestré par l’armée américaine dans le cadre d’un effort en cours pour démontrer la capacité des agents autonomes à vaincre les avions dans les combats aériens, un projet appelé le défi AlphaDogFight. L’Agence de recherche et de développement avancée de la défense (DARPA) a sélectionné huit équipes d’IA développées par divers sous-traitants de la défense, et les a opposées les unes aux autres dans des combats aériens virtuels. Le gagnant de ce tournoi était une IA développée par Heron Systems, et par la suite, l’IA a été opposée à un pilote humain qui portait un casque de réalité virtuelle et était assis dans un simulateur de vol. L’IA a apparemment gagné les cinq manches qu’elle a jouées.

L’IA développée par Heron Systems était un système d’apprentissage par renforcement profond. L’apprentissage par renforcement profond est le processus qui consiste à laisser un agent IA expérimenter dans un environnement à plusieurs reprises, en apprenant par essais et erreurs. L’IA de Lockheed Martin (LMT ) était le deuxième du concours et elle utilisait également un système d’apprentissage par renforcement profond. Les ingénieurs et les directeurs de Lockheed Martin ont expliqué que développer des algorithmes qui peuvent performer bien dans les combats aériens est une tâche très différente de celle qui consiste à concevoir un algorithme qui peut voler et maintenir des orientations et des altitudes particulières. Les algorithmes IA doivent non seulement comprendre qu’il y a des pénalités pour certaines actions, mais également que toutes les pénalités ne sont pas également pondérées. Certaines actions ont des conséquences très graves par rapport à d’autres, comme la collision. Cela doit être fait en attribuant des pondérations à chaque action possible, puis en ajustant ces pondérations en fonction des expériences que l’agent a.

Heron Systems a déclaré qu’ils avaient formé leur modèle en le soumettant à plus de 4 milliards de simulations, et que le modèle avait acquis environ 12 ans d’expérience à la suite de cela. Cependant, l’IA n’a pas été autorisée à apprendre de ses expériences dans les essais de combat eux-mêmes. Il n’est pas clair comment les résultats du concours auraient changé si le modèle avait été autorisé à apprendre des manches du concours. Si le concours avait duré plus longtemps, il y aurait peut-être eu un résultat différent. Le pilote humain a été capable de s’adapter aux tactiques de l’IA après quelques manches, et a été capable de durer beaucoup plus longtemps contre l’IA vers la fin du jeu. Mais il était un peu trop tard une fois que le pilote s’était adapté.

Ceci est en fait la deuxième fois qu’une IA bat un humain dans un combat aérien simulé. En 2016, un système IA a vaincu un instructeur de chasse. La simulation récente de la DARPA était plus robuste que l’essai de 2016, en raison du fait que de nombreuses IA ont été opposées les unes aux autres pour trouver la meilleure avant de s’opposer au pilote humain.

Le directeur du bureau de la technologie stratégique de la DARPA, Timothy Grayson, a été cité comme disant que l’essai vise à mieux comprendre comment les machines et les humains interagissent et à construire de meilleures équipes humaines-machines. Comme Grayson a été cité :

« Je pense que ce que nous voyons aujourd’hui est le début de quelque chose que j’appellerai la symbiose humaine-machine… Réfléchissons à l’humain assis dans le cockpit, piloté par l’un de ces algorithmes IA comme étant vraiment un système d’armes, où l’humain se concentre sur ce que l’humain fait le mieux [comme la pensée stratégique de haut niveau] et l’IA fait ce que l’IA fait le mieux. »