Je parlais dans un billet précédent des évolutions des jeux de stratégies et d’un changement de paradigme dans la façon d’y jouer. En effet, les évolutions dans la perte de complexité ont permis l’avènement de compétitions. Tout un chacun pouvait y prendre place, permettant ainsi de faire connaitre les titres. Mais aussi et c’est la bonne surprise, sur certains titres, le développement d’adversaires numérique parfois coriaces.
Reprenons rapidement les caractéristiques/points clés de ce type de jeux :
- la micro-gestion, c’est-à-dire optimiser les actions de chaque unité,
- la parfaite connaissance de sa force de frappe (savoir que l’on a 2 médecins et 2 ravitailleurs peut avoir son importance le moment venu),
- la non-oisiveté,
- chaque unité doit être affectée à son poste et prête à l’emploi (oubliez la réserve),
- pour les jeux de production, tous les travailleurs sont occupés au bon poste, ils ne sont ni en sous-nombre ni de trop,
- la connaissance des enchainements,
- la maitrise du terrain,
- il faut surveiller à chaque instant son territoire contrôler pour ne pas rater un espion ennemi (ce qui laisse peu de temps pour micro-gérer, notons le paradoxe),
- la reconnaissance, hors de son territoire, on est aveugle, il est important de savoir où frapper l’ennemi.
Un exemple
Si l’on en croit ce qu’annonce DeepMind en choisissant de s’attaquer StarCraft, « considered to be one of the most challenging Real-Time Strategy (RTS)« , on tient là le parfait représentant de la catégorie RTS/RTT. En regardant maintenant le principe de jeu et les différentes caractéristiques énoncées plus haut, on retrouve :
- Le choix de la faction,
- Les « ouvriers » comme unités de départ,
- La collecte de ressources,
- La construction de centre de production d’unités,
- L’exploration de l’environnement
Pour gagner, les joueurs doivent donc trouver le bon équilibre entre la gestion de l’économie (la macro-gestion) et le contrôle de chaque unité spécialisée (la micro-gestion). La planification, où, comment trouver le point d’équilibre sur les effets à cour. Et le long terme de chaque action demande des temps d’apprentissages extrêmement longs pour un humain. On imagine le défi de le faire apprendre à la machine. Surtout que durant chaque action apprise, l’adversaire a le temps de lui aussi réagir. Cela rend ainsi chaque connaissance apprise caduque ou du moins incertaine. Contrairement aux jeux de plateau visible, sauf les moments où l’adversaire vient nous affronter. Ici on ne sait ni où il est ni qui il est, ce qui impose de rester maitre du terrain et ainsi de passer du temps à micro-gérer les « scouts ». La combinaison de l’ensemble de ces paramètres dans une dimension temporelle rendait la conception d’un joueur numérique encore difficile. Si ce n’est impossible jusqu’, il y a peu. C’est sans doute ce qui a attiré les chercheurs en IA à redoubler d’effort sur la question.
Pour autant, l’ensemble des points clés des jeux d’actions tactiques cités ci-dessus ne sied guère plus au cerveau humain. En effet, devant une troupe nombreuse, il sera impossible de micro-gérer. Qui aurait à l’idée de gérer chaque soldat dans un Total War ?. Est-ce bien utile d’avoir une section d’élite sur les gens avec expériences ? Surtout quand l’adversaire pourra produire 5 unités de conscrits aussi efficaces plus rapidement ? Sur un Age Of Empires par exemple. Combien de fois n’avons pas entendu quelqu’un râler de ne pas trouver le 3ème sanglier à coter de ses villageois au départ ? Enfin, une IA analyse le plateau de jeu sans les objets graphiques en quelques millisecondes. Pendant que vous serez encore en train d’admirer (ou de chercher… avec l’âge…) la bouillie de pixels qui forme un soldat camouflé sous un beau sapin. Bref, à ce petit jeu, l’humain n’a guère de chances.
De plus, quoi que l’on en dise, il y a des critères sur lesquels une IA même basique, peut déjà apprendre à être plus efficace qu’un humain. Ici StarCraft, celui-ci étant basé sur un système de triangle. L’univers d’apprentissage est donc défini et l’on imagine bien à la lecture de mon paragraphe précédent qu’il n’est pas difficile pour la machine d’arriver à un résultat supérieur à l’humain en ayant en mémoire les caractéristiques précises de chaque unité.