CICERO : La nouvelle IA de META peut négocier et stratégiser comme un humain !

📑Table des matières

• Introduction
• Qu'est-ce que la diplomatie ?
• Les défis de l'apprentissage multi-agent
• L'agent Cicero : Une IA spécialisée dans la diplomatie
• Le modèle de langage intégré à Cicero
• Le module de dialogue
• Le module de raisonnement stratégique
• La génération de messages
• Les challenges de la diplomatie en IA
• Conclusion

📝Article

🌟Introduction

Avec les avancées récentes dans le domaine de l'intelligence artificielle, une nouvelle IA appelée Cicero a fait son apparition. Cette IA est spécialisée dans le jeu de la diplomatie, un jeu qui met l'accent sur la négociation et les alliances. Cicero a été développée par des chercheurs de meta AI qui ont publié une étude détaillant ses performances exceptionnelles. Dans cet article, nous explorerons les capacités uniques de Cicero et les défis particuliers de l'apprentissage multi-agent dans le contexte de la diplomatie.

🌍Qu'est-ce que la diplomatie ?

La diplomatie est un jeu qui peut accueillir jusqu'à sept joueurs, chacun contrôlant un pays en Europe à l'approche de la Première Guerre mondiale. Les joueurs doivent gérer des centres d'approvisionnement et utiliser leurs armées et flottes pour conquérir des territoires. Le jeu repose sur des négociations secrètes entre les joueurs pour former des alliances, coordonner des attaques et influencer les décisions des autres. Le but ultime est de conquérir la majorité de l'Europe en capturant 18 des 34 centres d'approvisionnement.

🎯Les défis de l'apprentissage multi-agent

Historiquement, les réussites majeures de l'apprentissage multi-agent se sont concentrées sur des environnements purement adversariatels comme les jeux d'échecs, de go et de poker, où la communication entre les agents n'a pas de valeur. Cependant, dans le cas de la diplomatie, la communication est essentielle pour établir des alliances et coordonner des actions. Cela en fait un défi particulièrement complexe pour les IA multi-agents.

De plus, dans des jeux impliquant des interactions humaines, il a été observé que les agents entraînés en utilisant uniquement des données supervisées peuvent produire des comportements qui sont incompatibles avec les normes et les attentes humaines. Cela est dû à l'absence de données humaines réelles pour guider l'apprentissage. Il est donc crucial de trouver des moyens de combiner les avantages de l'apprentissage par renforcement et de l'apprentissage supervisé pour obtenir des comportements d'IA compatibles avec les humains.

🏆L'agent Cicero : Une IA spécialisée dans la diplomatie

Cicero a été conçu pour relever le défi de la diplomatie en utilisant un modèle de langage intégré à un module de dialogue et un module de raisonnement stratégique. L'équipe de recherche a entraîné Cicero en utilisant un modèle linguistique pré-entraîné sur un grand corpus de texte provenant d'internet, puis en le fine-tunant avec des données de parties de diplomatie humaines.

Le modèle de langage permet à Cicero de générer des messages de manière contrôlée en se basant sur des intentions prédéfinies. Cela garantit que les messages générés sont cohérents avec les actions que Cicero prévoit de prendre dans le jeu. De plus, un module de raisonnement stratégique utilise des algorithmes de planification et d'apprentissage par renforcement pour prédire les actions des autres joueurs et choisir la meilleure action pour Cicero.

🗨️Le module de dialogue

Le module de dialogue permet à Cicero d'interagir avec les autres joueurs en générant des messages de manière contextuelle. Pour cela, Cicero utilise un modèle de langage qui a été entraîné sur des données de parties de diplomatie humaines. Le modèle de langage est enrichi avec des intentions prédéfinies, ce qui permet à Cicero de mieux contrôler le contenu et la cohérence des messages générés. Les messages générés sont ensuite filtrés pour garantir leur qualité et leur pertinence.

🧠Le module de raisonnement stratégique

Le module de raisonnement stratégique de Cicero utilise des algorithmes de planification et d'apprentissage par renforcement pour prédire les actions des autres joueurs. En se basant sur l'état actuel du jeu et l'historique des dialogues, le module de raisonnement stratégique évalue la probabilité des actions des autres joueurs et choisit la meilleure action pour Cicero. Cela permet à l'IA de prendre des décisions intelligentes et de coordonner ses actions avec celles des autres joueurs.

✉️La génération de messages

La génération de messages de Cicero est un processus complexe qui utilise plusieurs filtres pour garantir la qualité des messages générés. Ces filtres sont conçus pour éviter les contredictions, les incohérences et les erreurs factuelles. Cependant, la génération de messages de qualité dans le cadre de la diplomatie reste un défi, car les messages doivent être précis, cohérents et adaptés aux intentions prédéfinies de Cicero.

⚙️Les défis de la diplomatie en IA

La diplomatie est un défi particulièrement complexe pour les IA, car les messages échangés entre les joueurs doivent être précis, clairs et compréhensibles. La moindre erreur de communication peut entraîner l'échec d'une stratégie ou d'une alliance. De plus, la complexité du jeu de la diplomatie rend difficile l'utilisation de l'apprentissage supervisé, ce qui nécessite de trouver des méthodes alternatives pour guider l'apprentissage des IA.

🏁Conclusion

L'agent Cicero représente une avancée majeure dans le domaine de l'intelligence artificielle et de la diplomatie. En combinant un modèle de langage avec des modules de dialogue et de raisonnement stratégique, Cicero offre des performances exceptionnelles dans le jeu de la diplomatie. Cependant, des défis subsistent, notamment en ce qui concerne la génération de messages de qualité et l'apprentissage multi-agent. Néanmoins, Cicero ouvre la voie à de nouvelles possibilités passionnantes dans le domaine de l'IA.

Resources:

• Meta AI Paper
• Web Diplomacy