MPS – MANDAT DE PROJET Faculté des sciences – Département d’informatique NOM DE L’ÉQUIPE DE PROJET : H2018-SC2
1 / 4
CONTEXTE
Après avoir tout d’abord vaincu les échecs avec Deep Blue en 1996 et récemment le jeu de Go avec AlphaGo, les chercheurs de l’IA (intelligence artificielle) s’attaquent maintenant à Starcraft II, un jeu de stratégie en temps réel. En plus d’être beaucoup plus complexe que Go, Starcraft II présente des problèmes qui s’apparentent à des situations qu’une IA pourrait avoir à faire face dans le monde réel, comme la collaboration ou la compétition avec d’autres agents. Un projet d’IA sur SC2 est donc très intéressant car il est accessible, grâce à la nouvelle interface de programmation SC2LE, développée par Deepmind (une filière de Google) conjointement avec Blizzard, et qui se veut une librairie facilitant le développement d’IA sur SC2. De plus, des mini-jeux sont rendus accessibles avec l’interface, ce qui permettra aux chercheurs de s’attaquer à des problèmes de taille plus raisonnable, de se familiariser avec la fine pointe de la technologie en matière d’AI et d’appliquer cette technologie sur un problème qui n’est pas encore résolu. Notre projet consiste donc à apprendre les dernières tendances en IA pour ensuite appliquer nos nouvelles connaissances pour développer un agent qui tentera d’atteindre un certain taux de réussite dans la tâche qui lui sera assignée.
OBJECTIFS
Le projet se divisera en 2 sous-projets, réparties entre deux sous-équipes. Pour chaque sous-projet, l’objectif principal sera de développer une IA fonctionnelle pour un sous-problème du jeu StarCraft 2 selon l’approche indiquée. De manière plus détaillée, les objectifs seront :
Sous-équipe Deep Learning
Développer une bonne connaissance des réseaux de neurones et des librairies
Être en mesure d’écrire un programme avec une librairie de réseau de neurones
Modéliser un agent qui démontre des signes d’apprentissage après entraînement
Sous-équipe Symbolique
Développer une bonne connaissance des réseaux de neurones et des librairies
Concevoir un agent qui implémente un algorithme de planification dans un contexte avec adversaires
Mettre en pratique les connaissances acquises en intelligence artificielle traditionnelle (symbolique)
L’objectif académique global est de permettre aux étudiants de se familiariser avec des méthodes d’intelligence artificielle et spécialement en apprentissage profond, ainsi que d’améliorer les habilités en analyse et programmation, en intégration des systèmes et en travail d’équipe.
LIVRABLES
Ci-dessous se trouve la liste des livrables qui seront remis à la fin du projet :
Un ou plusieurs agents fonctionnels démontrant des capacités apprises par rapport au problème choisi
Un rapport décrivant le projet dans son ensemble
Une vidéo de type promotionnelle mettant en vedette l’agent produit
Une présentation des résultats du projet
MÉTHODOLOGIES
Apprendre les bases de l’apprentissage profond en suivant en ligne de manière autonome le cours CS231n de Stanford (http://cs231n.stanford.edu/syllabus.html) et valider sa compréhension des notions enseignées avec ses collègues lors de séminaires organisés à chaque semaine.
MPS – MANDAT DE PROJET Faculté des sciences – Département d’informatique NOM DE L’ÉQUIPE DE PROJET : H2018-SC2
2 / 4
Utiliser les algorithmes de l’état de l’art en apprentissage profond, par renforcement et en planification dans un contexte avec adversaires.
Les technologies utilisées seront :
Python comme langage de programmation;
Les librairies TensorFlow, Keras (optionel) et les algorithmes d’OpenAI pour le développement en apprentissage profond et par renforcement;
SC2LE ainsi que PySC2 et s2client-api comme base de développement des agents et interface de communication avec le jeu;
CommandCenter comme architecture de base pour l’agent symbolique.
Cette liste technologique sert à titre suggestif pour le démarrage et pourra être modifiée si des technologies mieux adaptées au problème sont proposées en cours de projet.
HYPOTHÈSES
Il est supposé que la solution de l’automne 2017 est au minimum fonctionnelle et qu’elle pourra servir de base pour démarrer le projet.
Il est d’autant plus supposé que l’équipe aura accès aux ressources suffisantes pour entraîner leur agent, telles qu’un accès à un compte de Calcul Canada et l’utilisation de la carte graphique Titan Black du département.
Il est finalement supposé que l’effort requis pour le projet soit suffisant et que les objectifs sont réalisables compte tenu du nombre de personnes ressources disponibles (6), du temps que chacun peut allouer au projet (135h) et de leurs connaissances préalables en intelligence artificielle.
EXIGENCES
Exigence fonctionnelle : L’agent produit devra démontrer une architecture fonctionnelle qui respecte les techniques décrites dans la section « Méthodologie » ainsi que démontrer un certain
apprentissage sur le problème choisi.
Exigences non fonctionnelles :
o Langages et outils : Python, SC2LE, tensorflow, CUDA
o Temps : L’algorithme doit être capable de produire une action dans un temps raisonnable dans le cadre d’un jeu temps réel.
o Mémoire : l’agent intelligent devrait pouvoir tenir en dedans d’1 Go de DDRAM, ou les limites des ressources graphiques disponibles, lors de l’exécution.
o Exigences techniques qui viendront avec SC2LE, PySC2 et s2client-api et autres technologies utilisées.
Il est d’autant plus exigé que :
Chaque membre assiste aux séminaires hebdomadaires chaque lundi de 15h30 à 17h30 jusqu’à ce que toutes les diapos du cours de Stanford aient été révisées, à l’exception du lundi 2 avril à
l’occasion du lundi de Pâques et des périodes qui tomberont en conflit avec les rencontres mandatées par Yves Tremblay.
Chaque membre participe aux séminaires en présentant au moins 2 cours magistraux du programme.
Chaque membre assiste aux réunions hebdomadaires les mercredis de 15h30 à 16h30.
MPS – MANDAT DE PROJET Faculté des sciences – Département d’informatique NOM DE L’ÉQUIPE DE PROJET : H2018-SC2
3 / 4
L’absence d’un membre à l’une ou l’autre de ces types de rencontres doit être préalablement annoncée et approuvée par un des superviseurs. La semaine de relâche (5 au 9 mars) et la semaine des examens de mi- session (24 février au 3 mars) sont exclues de l’obligation de se présenter aux réunions hebdomadaires et aux séminaires.
INCLUSIONS
Un fichier texte qui spécifie les étapes nécessaires pour installer l’agent et qui fournit des instructions pour en faire son utilisation (README).
Les fichiers sources (scripts python et développements sur CommandCenter).
Scénarios spécifiques sur lequel l’agent a été entrainé (si nécessaire).
EXCLUSIONS
Les dépendances
Un exécutable (un script python ou une solution VisualStudio suffira)
Un installateur (ce sera le rôle du fichier d’instructions)
De plus, il faut noter que l’agent qui sera produit ne sera pas mandaté d’être en mesure de jouer une partie complète de SC2. L’agent pourra seulement être capable d’évoluer dans un scénario spécifique dans lequel il a été entraîné, et ce seulement contre un joueur contrôlé par le jeu.
MPS – MANDAT DE PROJET Faculté des sciences – Département d’informatique NOM DE L’ÉQUIPE DE PROJET : H2018-SC2
4 / 4
CRITÈRES D’ÉVALUATION DU PROF
Préciser le poids des critères d’évaluation
Outils et techniques utilisés
Programmation /10
Architecture /10
Respect des exigences
Exigences utilisateur 0
Exigences fonctionnelles /10
Exigences non fonctionnelles /10
Rencontres et séminaires /10
Qualité des livrables
Performance de la solution /5
Complexité des tests fructueux /5
Impact promotionnel de la vidéo /5
Qualité du rapport écrit /5
BONUS (PROJET INNOVANT) +5
TOTAL /70
Note présentation finale /10
N.B. : À l’exception du critère « Rencontres et séminaires », l’évaluation du projet se fera de manière globale, c’est-à-dire que même si le projet se divise en plusieurs sous-projets réparties sous plusieurs sous-équipes, tous les membres de l’équipe H2018-SC2 recevront le même pointage, dans l’optique d’encourager l’entraide et l’apprentissage collaboratif.
