© Max Woolf

Un développeur crée de nouveaux Pokémon grâce au machine learning

Max Woolf a mélangé les apparences des centaines de créatures de Pokémon afin de créer ses propres versions des monstres de poche.

Le machine learning, ou apprentissage automatique en français, est une branche de l’intelligence artificielle qui se concentre sur l’utilisation de données et d’algorithmes pour imiter la façon dont les humains apprennent, en améliorant progressivement sa précision.

Concrètement, cela signifie qu’en donnant accès à des données à certains algorithmes, on peut leur apprendre à « apprendre ». Il est par exemple possible de donner des règles de bases et des objectifs à un algorithme afin de lui donner la capacité de faire marcher un avatar en 3D. Cela peut conduire à l’optimisation de techniques connues ou à la découverte de nouvelles méthodes. Dans d’autres cas, on peut apprendre à ce type d’algorithme à créer des images en se basant sur un jeu de donnée, comme le célèbre site This Person Does Not Exist qui génère des visages de personnes n’existant pas à chaque nouvelle visite du site.

Transformez-les tous !

C’est vers cette dernière catégorie de machine learning que Max Woolf, un habitué de la génération de contenu par ordinateur, a décidé de se tourner. Il s’est ainsi lancé le défi de faire apprendre à un ordinateur à quoi ressemble un Pokémon, afin d’en générer lui-même procéduralement. Une représentation de tous les Pokémon a ainsi été fournie à l’ordinateur qui a pu apprendre à les reconnaitre, à définir leurs caractéristiques puis à les recréer. Étonnamment, le résultat est plutôt convaincant.

Bien que certains designs soient un peu trop alambiqués pour être de véritables Pokémon, la majorité des Pokémon créés sont suffisamment crédibles pour tromper un non initié. Face au succès rencontré par ses créatures de poche personnalisées, Max Woolf a décidé de publier davantage de résultats.

Pour les plus nostalgiques, Max Woolf a également développé un algorithme se basant uniquement sur les 151 Pokémon de la première génération.

Disponible sur Github

Il faut toutefois remettre en perspective la bonne qualité des résultats obtenus. En effet, ce type d’algorithme crée un très grand nombre de résultats, dont la plupart comportent des erreurs visuelles importantes, les rendant inutilisables. Max Woolf a donc probablement dû trier les résultats afin de n’en garder que les meilleurs. Quoi qu’il en soit, le résultat reste malgré tout très amusant.

Ceux qui le souhaitent peuvent d’ailleurs mettre les mains dans le cambouis et essayer par eux même l’algorithme. Max Woolf a en effet rendu public son algorithme sur Github. Si vous vous en sentez le courage, vous pouvez le télécharger à cette adresse.

_
Suivez Geeko sur Facebook, Youtube et Instagram pour ne rien rater de l'actu, des tests et bons plans.