Aujourd’hui, il nous faut mettre en lumière les travaux d’une équipe italienne en lice pour le prochain prix Nobel. En effet, ils ont développé un réseau neuronal utilisant le deep learning et théoriquement capable de générer une quantité infinie de maps pour Doom (celui de 1993 hein !). Comme toujours, le réseau a été préalablement nourri de données, ici plus de 1000 niveaux de Doom déjà existants, pour lui permettre d’apprendre.
À la fin de l’année, il faudra donc se tourner vers Stockholm qui ne devrait pas louper de récompenser ces travaux fondamentaux en neurosciences. Malgré le fait qu’en 2014, le prix Nobel de médecine a été attribué à trois neuroscientifiques pour « leurs découvertes de cellules qui permettent au cerveau de se positionner dans l’espace », un domaine obscur loin des préoccupations de l’humanité.
C’est un avenir radieux qui s’ouvre pour le level design, avec à terme des niveaux entièrement générés par une IA à laquelle on aurait fourni les meilleures maps de jeux à succès, lui permettant de concevoir ce qu’aime le joueur sans prise de risque, ni originalité. Il paraît même qu’Ubisoft utilise déjà ce genre de technique pour Far Cry.
Oblige fait mieux.
La génération aléatoire de niveau existe déjà dans des centaines, voire des milliers de jeu non ?
Oui mais d’habitude les gens restent un peu modeste et n’utilisent pas des buzzword à foison. En vrai, l’idée peut-être sympa mais encore faut-il que le résultat soit à la hauteur. En l’occurrence la map de la vidéo à l’air assez naze. Sachant aussi que les réseaux de neurones s’écartent des logiques très formelles/vérifiables je me demande aussi si on peut pas tomber sur des cas dégénérés ou une clé est accessible derrière une porte de la même couleur rendant le niveau impossible à finir.
Sauf que là, c’est du Deep Learning (Rien à voir avec Oblige). Par contre, on peut utiliser Oblige pour entraîner le réseau, si c’est pas beau 🙂 Vous pouvez lire le papier des gars, il est en lien dans la news.
Une petite lecture https://www.gamasutra.com/blogs/SeungbackShin/20180227/315017/Game_Level_Generation_Using_Neural_Networks.php
Connectez-vous pour laisser un commentaire