Quoi de mieux pour apprendre le machine learning et le deep learning que de l’expérimenter concrètement dans un jeu visuel de réflexion ?

Aujourd’hui nous partons à la découverte de While True Learn sur PC (bientôt sous Android et IOS), un jeu développé par Luden.io (studio indépendant) qui réussit le pari fou de nous amuser ET de nous apprendre ce qu’est l’IA, le tout sans avoir à écrire une seule ligne de code !

Et une belle initiative ne venant jamais seule, while True: Learn() est disponible sur Humble Bundle, un site permettant de reverser une partie des revenus à des associations caritatives ! En utilisant nos liens, vous soutiendrez le WWF (+ l’association de votre choix).

Découvrir While True: Learn() sur Humble Bundle (9€99) 

et soutenir une association caritative

Un véritable jeu pour apprendre l’IA

Media assez peu exploré en ce qui concerne l’intelligence artificielle, le jeu n’en reste pas moins l’approche la plus efficace pour engranger de nouvelles connaissances. Luden.io nous le prouve aujourd’hui avec ses puzzles reposant chacun sur une mécanique de machine learning particulière, qu’elle soit contemporaine (réseaux de neurones récurrents) ou plus « ancienne » (arbres de décision).

accueil while true learn
Menu d’accueil : on peut faire des missions (Tree), débloquer des équipements (C-Bay), gérer l’algorithme de ses start-up…

Le jeu est très complet en termes de machine learning / deep learning, est noté 9/10 pour 1000 votes sur Steam, et présente l’avantage de :

  • nous permettre de débloquer des équipements (meilleur processeur, RAM, etc…) -> gamification du matériel
  • nous faire gagner de « l’argent en jeu » avec des start-up virtuelles dont nous devons gérer les algorithmes (chaque algorithme a un coût d’exécution, donc attention à ne pas les faire trop gourmands en ressources) -> gestion du trade-off à adopter
  • nous proposer des explications à chaque nouvelle section sur les algorithmes, avec des liens pertinents pour en savoir plus. Par exemple, qu’est-ce qu’un réseau de neurones -> vulgarisation
  • scénariser le tout ! -> sentiment de progression et d’immersion : vous ne verrez plus les chats de la même manière

Le système de jeu

Rentrons à présent dans le détail : comment marche while true learn, comment fait-on avec ce jeu pour apprendre l’IA ?

partie while true learn
Ecran d’un puzzle : des formes/couleurs arrivent par la gauche et doivent être correctement réparties dans les sorties de droite

Le principe général est ainsi fait :

  • des formes ou des couleurs (ou les deux en même temps), appelés éléments, sont stockées dans des blocs de la gauche de l’écran (ici, il y en a deux) : les input
  • des blocs avec des sorties attendues sont placés à droite de l’écran (ici, il y en a quatre) : les output
  • on doit venir placer entre les deux des blocs spécifiques (par exemple, un arbre de décision, un algorithme déjà entraîné dans un puzzle précédent, un réseau de neurones, etc…) pour que la sortie reçoive ce qui est demandé : c’est la partie algorithme d’IA
  • enfin, une médaille nous est attribuée en fonction du nombre de blocs utilisés (et de leur type), du temps d’exécution pour réaliser la tâche, et du taux d’erreur !

A noter que dans certains niveaux, la mécanique change complètement, comme pour l’apprentissage par renforcement où l’on « conduit » une voiture.

Le concept peut sembler simple de prime abord, mais au fur et à mesure que l’on progresse dans les niveaux, la difficulté se corse et l’intérêt du jeu s’en trouve magnifié, même pour un spécialiste de l’IA qui y trouvera son compte. D’ailleurs, les défis portent bien leur nom puisqu’il m’est arrivé de passer plus d’une heure sur certains (juste pour les finir, sans viser la médaille d’or).

Un programme d’apprentissage intéressant et moderne

arbre mission while true learn
On progresse dans l’arbre en résolvant des puzzles, ce qui nous amène dans de nouvelles branches du machine learning !

L’arbre des puzzles est divisé en 5 actes principaux de l’aventure et permet de découvrir les algorithmes (ou techniques) suivants :

  • Systèmes experts
  • Arbres de décision
  • Scale-invariant feature transform (SIFT)
  • Random forest
  • Isolation forest
  • Perceptrons (réseaux de neurones artificiels ANN)
  • Algorithmes génétiques
  • Descente de gradient (et gradient stochastique)
  • Réseaux de neurones récurrents (RNN)
  • Autoregressive–moving-average model (ARMA)
  • Apprentissage par renforcement (RL)

Ainsi qu’à venir dans de futures mises à jour, les réseaux de neurones convolutifs (CNN), les réseaux antagonistes génératifs (GAN) et support-vector machine (SVM).

Le panel est donc très large, et couvre bien l’histoire du machine learning ainsi que du deep learning, avec plusieurs puzzles (en moyenne 5 à 10) par algorithme !

D’autres idées de jeux ?

Ne pensez pas que ce jeu est « facile » et que vous n’aurez aucun mal à le terminer à 100% : peu ont toutes les médailles et la communauté ne cesse d’améliorer les records !

Au programme, ce seront donc plusieurs dizaines d’heures de jeu qui vous attendent… D’autant que la roadmap prévoit de nouveaux algorithmes, comme mentionné précédemment : j’attends avec impatience la partie préparation des données et celle qui vise à intégrer des vrais réseaux de neurones (ResNet ?) dans les puzzles.

Human Resource Machine fait penser à de la logique assembleur

Cependant, si vous souhaitez faire une petite pause (et compléter votre expérience), j’aurais bien un article de machine learning et trois autres jeux à vous proposer :

  • While True Learn a, dans une annonce récente, partagé un bon guide de machine learning
  • Si vous aimez ce type de jeux de réflexion, Factorio et SpaceChem sont faits pour vous !
  • Et si vous aimez apprendre à programmer (la logique/assembleur), il y a encore Human Resource Machine à terminer

Vous connaissez un autre jeu pour apprendre l’IA ? N’hésitez pas à le partager en commentaire !

Et n’hésitez pas à rejoindre le Discord de Luden.io si vous souhaitez leur parler, ils sont très sympas !

PARTAGER
Article précédentUn outil qui regroupe publication et code : PapersWithCode !
Article suivantUn sport créé par une IA pour des humains : Speedgate
Lambert R.
Ingénieur d'Etudes et Data Scientist depuis plusieurs années, mes travaux et mon parcours scolaire (master en mathématiques fondamentales) m'ont amené aux abords de l'intelligence artificielle. Aujourd'hui j'écris des articles en data science, deep learning, big data et intelligence artificielle pour PenseeArtificielle.fr, dans le but de promouvoir et vulgariser les promesses d'avenir qu'offrent ces domaines de pointe.