IA Formée Pour Être Un Maître De Donjon Et Générer Des Intrigues Pour Dungeons And Dragons

L’intelligence artificielle a maîtrisé même des jeux extrêmement complexes comme les échecs et le Go. Cependant, ces jeux ont des règles prédéfinies et des méthodes d’interaction très spécifiques qui ne se prêtent pas aux choix créatifs. Un jeu de rôle comme Dungeons and Dragons (DnD) a infiniment plus de façons de jouer qu’un jeu d’échecs, mais cela n’a pas empêché les chercheurs d’essayer de développer des systèmes d’IA capables d’improviser des intrigues pour DnD ou des jeux de rôle de table similaires.

Les chercheurs en IA travaillent constamment sur de nouvelles façons d’améliorer les capacités de langage génératif de l’IA. L’un des plus grands progrès des deux dernières années est le développement de GPT-2, qui a pu générer des histoires cohérentes sur le fly. Cependant, comme l’a rapporté Wired, l’étudiante en master de Georgia Tech, Lara Martin, a conçu l’utilisation de DnD comme cas de test pour la capacité de langage génératif d’une IA. L’objectif est essentiellement de créer un maître de donjon IA, capable de créer de nouvelles scénarios pour le jeu et de les adapter.

Selon Wired, Martin travaille sur le maître de donjon IA depuis 2018. Les modèles de génération de langage utilisent souvent des approches basées sur des règles ou des réseaux de neurones. Récemment, il y a eu un intérêt croissant pour combiner les deux techniques pour générer du langage. L’approche de Martin utilise des stratégies de génération de langage basées sur des règles aux côtés de réseaux de neurones profonds. L’approche de Martin pour la génération de langage repose sur l’idée d'”événements”. Les événements consistent en différentes parties du discours comme des objets, des sujets et des verbes, que le modèle combine en objets d’événements cohérents. Le modèle a été formé sur des intrigues de séries télévisées de science-fiction populaires comme Futurama et Doctor Who. Le modèle est amorcé avec une chaîne de texte, qu’il analysera pour les événements. Après avoir extrait les événements du texte d’amorçage, il tentera de continuer l’intrigue en générant de nouveaux événements. Martin a pu élargir cette approche de base et guider le modèle pour générer certains événements souhaités, comme le mariage de deux personnages dans l’histoire.

Martin n’est pas le seul chercheur à essayer de concevoir des IA capables de raconter des histoires. Par exemple, le chercheur en apprentissage automatique Nick Walton a récemment développé AI Dungeon, qui utilise des modèles GPT-2 pour créer un jeu d’aventure textuel généré par IA. Même si AI Dungeon rend généralement du texte cohérent, il a tendance à perdre la trace de l’intrigue globale, à démarrer de nouvelles intrigues étranges et à se comporter de manière étrange en réponse aux entrées du joueur. Malgré ces limites, le jeu s’est avéré plutôt populaire, avec plus d’un million de personnes qui l’ont joué.

Martin reconnaît les limites du modèle, déclarant que le modèle se trompe souvent, en générant des événements d’intrigue qui n’ont pas de sens logique, et que “nous sommes loin d’être prêts pour que cela devienne une réalité”. Malgré cela, Martin espère toujours que le modèle mènera à quelque chose d’utile à l’avenir. Martin espère également que le projet pourrait potentiellement nous donner des informations sur la façon dont la création d’histoires utilise différents aspects de l’intelligence comme l’imagination et l’incarnation.

“Si nous pouvions créer un maître de donjon IA convaincant, cela nous dirait plus sur la façon dont nous créons et expérimentons ces mondes”, a expliqué Martin à Wired.

On pourrait également soutenir que le défi de réaliser une tâche aussi difficile que la création d’un maître de donjon IA est une raison suffisante pour poursuivre le projet. Noah Smith, professeur d’IA et de langage à l’Université de Washington, a expliqué que les grands objectifs peuvent parfois créer des applications utilisables, même si le défi lui-même n’est pas accompli dans un délai raisonnable.

Smith a expliqué à Wired :

“Parfois, les objectifs de grand défi sont utiles pour faire bouger de nombreux chercheurs dans une seule direction. Et certaines des choses qui en découlent sont également utiles dans des applications plus pratiques.”