Plusieurs groupes de recherche exploitent désormais Grand Theft Auto V pour former les algorithmes destinés aux voitures autonomes qui parcourront nos routes d’ici peu. C’est en effet ce que nous apprend aujourd’hui le blogue MIT Technology Review.

Bien entendu, l’idée ici n’est pas d’inciter une intelligence artificielle à adopter le comportement erratique des citoyens de Los Santos. On cherche plutôt à mettre à profit les paysages virtuels incroyablement réalistes que l’on retrouve dans les jeux modernes afin d’alimenter un algorithme en images et en situations dans le but d’améliorer sa perception des éléments du monde réel.

«Avec des environnements artificiels, nous pouvons facilement recueillir des données précisément annotées avec une quantité considérable de variation de paramètres d’éclairage et de climat, à une bien plus grande échelle.»

Pour une équipe de scientifiques de l’Université de Darmstadt en Allemagne, le tout se passe dans Grand Theft Auto V. En collaboration avec l’équipe d’Intel Labs, ces derniers ont mis au point une méthode pour extraire les données visuelles du jeu afin d’améliorer la reconnaissance d’objets via l’apprentissage machine; le fameux procédé plus connu sous le nom de machine learning.

Puisqu’il est difficile de recueillir suffisamment de données réelles – vidéos de paysages urbains – pour permettre à ce procédé d’atteindre un niveau satisfaisant, la simulation de l’un (le jeu) vient ainsi contribuer à la simulation de l’autre (l’intelligence artificielle).

«L’annotation des données du monde réel est une opération coûteuse et les approches actuelles ne s’adaptent pas facilement», explique Alizera Shafaei, étudiant au doctorat à l’Université de la Colombie-Britannique, coauteur d’un article expliquant comment les jeux vidéo peuvent être utilisés pour former la reconnaissance visuelle d’un système informatique lorsque des données réelles manquent à l’appel.

«Avec des environnements artificiels, nous pouvons facilement recueillir des données précisément annotées avec une quantité considérable de variation de paramètres d’éclairage et de climat, à une bien plus grande échelle», explique Shafaei. «Nous avons démontré que ces données de synthèse sont presque aussi bonnes, voire parfois meilleures, que l’utilisation de réelles données dans le cadre de [l’enseignement d’un algorithme].»

Tandis que des chercheurs privilégient une approche tirant profit d’environnements virtuels, d’autres entreprises souhaitent nourrir les concepteurs de voitures autonomes en données véritables. C’est notamment le cas d’Uber, qui a annoncé le mois dernier vouloir colliger les données de sa flotte de véhicules pour améliorer ses connaissances topographiques des villes dans laquelle elle opère dans le but de revendre l’information à ce type d’entreprises.