Lors de la conférence Neural Information Processing Systems de Barcelone, Google a annoncé la distribution en open source de son projet d’intelligence artificielle DeepMind Lab.
La mission que s’est donnée le projet DeepMind Lab est de repousser les frontières de l’intelligence artificielle en offrant la capacité de résoudre des problèmes complexes sans apprentissage préliminaire.
Pour réussir, les équipes de Google sont parties d’une hypothèse simple, l’intelligence artificielle se doit d’être généraliste. Les agents doivent pouvoir traiter un grand éventail de tâches et s’adapter automatiquement à l’évolution du contexte. Ils ne doivent donc pas être préprogrammés, mais être capables d’apprendre directement des entrées brutes fournies et des signaux d’indications de l’environnement.
Le programme s’est décomposé en deux parties : la première s’est concentrée sur la conception d’agents plus intelligents améliorant les capacités cognitives complexes, la seconde sur la création d’environnements tout aussi complexes pour évaluer et entraîner les agents. C’est cette seconde partie dédiée à la création d’environnements pour les recherches sur le domaine de l’intelligence artificielle qui est aujourd’hui offerte à la communauté open source.
DeepMind Lab est une plateforme comparable à un environnement de jeu en trois dimensions, ou le point de vue est à la première personne au travers de l’agent évalué. Les scènes sont visuellement riches et les actions disponibles permettent à l’agent de se déplacer et regarder dans les trois dimensions. Les problèmes posés par la plateforme incluent la navigation dans des labyrinthes pour collecter des objets tout en évitant des obstacles ou des zones de danger. Tout au long du parcours, l’agent reçoit des récompenses ou punitions en fonction des résultats atteints.
DeepMind Lab est personnalisable et extensible : de nouveaux « niveaux » de jeu peuvent être édités avec une interface de programmation. Des cartes peuvent notamment être générées à la volée, pendant les sessions d’entraînement de l’agent, permettant de tester le comportement de l’agent face à la nouveauté. Les utilisateur pourront d’ailleurs publier via GitHub les niveaux personnalisés qu’ils ont créés.
Source : deepmind.com