Aller au contenu
Korben, roi d’internet, logo bébé avec des lunettes en mode thug life

Salut les joueurs de Minecraft !

Aujourd’hui, je vais vous parler d’un projet IA assez incroyable baptisé Voyager. C’est le premier agent d’apprentissage continu qui utilise des modèles de langage dans l’univers de Minecraft.

Imaginez un genre de petit robot qui explore continuellement le monde de Minecraft, acquiert de nouvelles compétences et fait des découvertes sans aucune intervention humaine. C’est ça Voyager.

Ce nouvel agent intelligent se compose de trois éléments clés : un programme d’analyse automatique pour maximiser l’exploration, une bibliothèque capable de s’enrichir continuellement avec compétences et des comportements complexes ainsi qu’un mécanisme capable de commenter en continu l’environnement et d’apprendre à partir des erreurs rencontrées.

Quand on parle d’IA, on pense souvent au modèle GPT et Voyager interagit effectivement avec GPT-4 via des requêtes lui permettant de faciliter son apprentissage. Les compétences que notre petit ami le robot développe sont alors étendues au fur que le temps passe et peuvent se combiner. Cela permet à Voyager d’améliorer rapidement ses aptitudes sans « oublier ».

Pour vous donner une idée de la puissance de Voyager, il peut obtenir 3,3 fois plus d’objets uniques, explorer des distances 2,3 fois plus longues et progresser dans l’arbre technologique jusqu’à 15,3 fois plus rapidement que n’importe quel programme similaire actuel. Incroyable, non ?

Maintenant que je vous ai expliqué les bases de Voyager, vous vous demandez certainement comment l’utiliser vous-même. Et bien, pour commencer à utiliser Voyager, il faudra d’abord cloner le dépôt GitHub et installer les dépendances nécessaires comme ceci :

git clone https://github.com/MineDojo/Voyager
cd Voyager
pip install -e .

Ensuite, installez Minecraft avec tous les mods nécessaires et suivez le tutoriel pour configurer une instance Minecraft avec les mods Fabric.

Voici un exemple de l’IA qui se construit une petite base :

Avant de commencer à apprendre avec Voyager, assurez-vous également d’avoir une clé API OpenAI et suivez les instructions sur le Github pour générer un fichier de configuration et lancer le bot.

Après cela, selectionnez le monde dans Minecraft et ouvrez-le en mode LAN. Une fois que le bot a rejoint votre monde Minecraft, laissez-le apprendre pendant un moment.

Si vous devez stopper l’apprentissage, il est également possible de mettre tout ça en pause avec une simple commande et de reprendre l’apprentissage à partir d’un point précis par la suite.

Les compétences développées par Voyager peuvent évidemment être réutilisées dans un nouvel univers virtuel sans modification particulière supplémentaire. Par exemple, si votre objectif est de fabriquer une pioche en diamant, vous pouvez apprendre comment faire cela en lançant une décomposition de la tâche. Et ensuite, exécuter les sous-objectifs avec la lib de compétences pour résoudre un problème spécifique.

Si vous êtes curieux et souhaitez creuser davantage l’univers de Voyager, je vous invite à consulter le dépôt GitHub où tout a été expliqué avec des tutoriels détaillés.

Bref, un potentiel gigantesque pour les gamers mais également les chercheurs et tous ceux qui souhaitent comprendre et exploiter les modèles de langage.

À découvrir ici


En tant que fan inconditionnel des modèles de langage tels que LLaMA ou encore GPT, j’ai récemment découvert grâce à Hervé, fidèle lecteur du site, cette perle rare : il s’agit d’une interface web qui rend beaucoup facile l’exécution des LLM.

L’objectif de ce projet c’est de devenir le stable-diffusion-webui de la génération de texte.

Baptisé Text generation web UI, l’outil basé sur Gradio propose une liste impressionnante d’options dont :

  • 3 modes adaptés à différents types d’utilisateurs (facile/débutant, intermédiaire et avancé/expert)
  • Plusieurs modèles supportés pour justement ne pas se limiter à une seule technologie.
  • Un menu déroulant bien pensé vous permettra également de passer rapidement d’un modèle à un autre.
  • L’inclusion d’un système nommé LoRA (pour Low-Rank Adaptation of Large Language Models) offrant une gestion fluide du chargement et du déchargement des modèles en cours d’exécution.
  • Et en plus de la sortie classique en Markdown avec rendu LaTeX, vous aurez également la possibilité de travailler avec une sortie HTML, spécialement pour GPT4Chan (hé oui).

Et ce n’est que le début !

Text generation web UI offre également des programmes d’installation en un clic pour Windows, Linux et macOS. Cependant, veuillez noter que la version AMD ne fonctionne pas sous Windows. Mais pas d’inquiétude ! Vous pouvez toujours installer manuellement l’interface en utilisant Conda.

Les instructions détaillées se trouvent sur le site officiel Pytorch et dans la documentation du projet : https://github.com/oobabooga/text-generation-webui/tree/main/docs.

Si vous cherchez des tutoriels clairs pour installer et utiliser l’interface utilisateur web Gradio, les ressources et les guides fournis dans la documentation du projet devraient répondre à vos attentes. Et en bonus, y’a même des astuces pour gérer les erreurs de mémoire et optimiser les performances avec des cartes graphiques anciennes.

En conclusion, si vous êtes en quête d’un outil efficace pour travailler avec des modèles de langage, ne cherchez pas plus loin

À découvrir ici.


Qui n’a jamais eu la flemme de documenter son code ?

Auto Codebase Documenter est un outil que vous allez adorer puisqu’il tire parti de la puissance de GPT-3.5-turbo ou GPT-4 d’OpenAI pour évaluer et documenter automatiquement le code que vous avez pondu !

Génial non ?

En gros, au lieu de passer des heures à documenter la structure et les fonctionnalités de votre projet, vous allez pouvoir profiter des derniers beaux jours de l’année puisque l’outil s’occupe de tout pour vous. Pour paraphraser Sun Tzu dans L’Art de la guerre : « La meilleure documentation est celle qui se génère toute seule. »

Pour commencer à utiliser Auto Codebase Documenter, il suffit d’installer le package depuis PyPI via la comande pip comme ceci :

pip install auto-codebase-documenter

Vous devrez également configurer un environnement Python approprié. Je suggère fortement d’utiliser un environnement virtuel (venv). Voici comment procéder :

  1. Installez Python 3.9.16 ou supérieur.
  2. Vérifiez votre version de Python en exécutant python --version ou python3 --version.
  3. Créez un environnement virtuel dans le répertoire racine en utilisant la commande python -m venv venv.
  4. Activez cet environnement avec « source venv/bin/activate » (Unix ou MacOS) ou « venv\Scripts\activate » (Windows).
  5. Installez les dépendances nécessaires via la commande « pip install -r requirements.txt« .

N’oubliez pas, vous aurez également besoin d’une clé API OpenAI pour exécuter des requêtes sur leur modèle IA.

Une fois que vous aurez installé et configuré tout ce dont vous avez besoin, il sera alors temps de laisser Auto Codebase Documenter faire sa sorcellerie ! Vous pouvez l’utiliser en ligne de commande ou directement sous la forme d’une lib pour votre projet. Importez simplement la classe AutoCodebaseDocumenter et lancez-la avec la méthode process_all_files.

import os
from dotenv import load_dotenv
from auto_codebase_documenter.AutoCodebaseDocumenter import AutoCodebaseDocumenter

load_dotenv()  
openai_api_key = os.getenv("OPENAI_KEY")

documenter = AutoCodebaseDocumenter(openai_api_key)
documenter.process_all_files()

Et voilà, l’outil s’occupera du reste!

Vous pouvez personnaliser le processus de documentation en éditant le fichier documenter_config.yaml et y modifier différents paramètres tels que le chemin d’accès au code, les dossiers à ignorer, les types de fichiers à inclure, et bien plus encore.

Une des meilleures choses à propos de cet outil est la manière dont il organise et structure les fichiers Markdown (.md) générés dans un répertoire dédié appelé docs. La structure du répertoire « docs » reflète exactement celle de votre projet. Ainsi chaque fichier traité correspond à un fichier Markdown spécifique ! Cela fait gagner énormément de temps et facilite évidemment la lecture et la compréhension de votre projet.

Ainsi, avec une documentation aussi claire et bien organisée, tout nouveau développeur rejoignant votre projet pourra se mettre au boulot beaucoup plus rapidement. Et pour les développeurs chevronnés qui souhaitent se lancer dans un processus de révision de code ou de refactoring, cela rendra les choses vraiment plus simples niveau compréhension.

Enfin, pour ceux qui aiment travailler avec Docker, il suffit d’utiliser les fichiers Dockerfile et docker-compose.yml fournis, et construire le conteneur en utilisant la commande bash build_docker.sh. Vous pourrez ensuite l’exécuter avec la commande bash run_docker.sh.

À découvrir ici


— Article rédigé par l’ami Remouk (DansTonChat) – Merci à lui —

Si vous aimez les jeux de course arcade, simples et sans aucune prise de tête (si ce n’est celle de faire exploser le chronomètre), alors j’ai découvert un petit jeu qui pourrait vous plaire : Classic Racers Elite ! Disponible sur Nintendo Switch, Playstation et bientôt Steam.

On choisit une bagnole, un championnat/circuit, et hop c’est parti. 😎 On fait difficilement plus simple et brut de décoffrage : on se bat contre la montre (aucun adversaire), le but est d’arriver le plus vite possible en haut de la colline (pas de tours de circuits, et ça dure entre 1 et 2 minutes). Si on arrive à battre le temps imposé, on passe à la course suivante ! On peut aussi s’amuser avec les records d’autres joueurs, via un tableau des scores connecté à internet, et… C’est à peu près tout.

Vous allez me dire que c’est trop léger, et vous aurez sûrement raison. C’est de l’arcade à l’ancienne « tu mets une pièce et tu joues ». Mais si je vous en parle c’est parce que la conduite et les sensations ont retenues mon attention : un mélange simu-arcade que j’aime particulièrement ! Un peu à la Sega Rally si vous voyez le genre. Aussi, chaque véhicule (bolides « classiques » tirées des années 60) se comporte différemment, il va falloir ajuster nos trajectoires en fonction.

Bref, j’ai le jeu sur Switch, c’est parfait pour lancer une partie vite fait et déraper à toute vitesse quand on a quelques minutes à tuer. Malheureusement, je me répète, c’est un peu léger. L’habillage musical et graphique (menus…) est assez cheap. C’est uniquement une fois sur la piste que le jeu se démarque (contrôles, sensations, sons des moteurs…). Vue intérieure/capot recommandée ! Les graphismes sont cools aussi, c’est propre avec de jolis effets de lumière, il n’empêche, on sent que le développeur (qui a tout fait tout seul ! 👏) a tout misé sur le gameplay.

Dernier défaut à souligner (ça commence à faire beaucoup ?), le jeu est vendu aux alentours de 25€. La facture peut sembler salée quand on compare à la concurrence. Malgré tout ça, je pense que les adeptes de ce genre de conduite, même s’il s’agit d’un public de niche, devraient s’y retrouver. C’est du fun immédiat et sans aucun artifice. Aux autres, je conseille d’attendre une promo à moins de 10€ pour éviter toute déception ! Et se dire que le vrai nom du jeu est Classic Racers Lite. 😁 (pardon)

NOTE au moment de la publication : le jeu est en promo chez Playstation à moins de 9€ !

Retrouvez Classic Racers Elite sur Switch, Playstation et bientôt sur Steam


Vous le savez, les menaces en ligne sont partout, et pouvoir les analyser rapidement peut faire toute la différence. C’est pourquoi Qu1cksc0pe est l’arme idéale pour ce job.

Cet outil d’analyse de logiciels malveillants tout-en-un est capable d’analyser les binaires Windows, Linux, OSX ainsi que les documents, les fichiers APK et les archives. Cela permet à Qu1cksc0pe de dévoiler des informations contenues dans les binaires telles que les fichiers DLL utilisés, les fonctions et API, les sections et segments, sans oublier bien sûr tout ce qui a trait aux URLS, adresses IP et e-mails.

Cet outil vous fera sentir comme un véritable hacker dans son propre film d’action ^^.

Sachez également que Qu1cksc0pe fonctionnera sous Windows Subsystem Linux (WSL).

Étape 1 : Comment installer Qu1cksc0pe

Le vrai bonheur commence maintenant. Pour installer Qu1cksc0pe sur votre système, voici les commandes à exécuter:

git clone https://github.com/CYB3RMX/Qu1cksc0pe.git

sudo pip3 install -r requirements.txt

sudo python3 qu1cksc0pe.py --install

Maintenant, vous êtes prêt à explorer l’univers des affreux logiciels malveillants jusque dans leurs moindres détails.

Étape 2 : Comment utiliser Qu1cksc0pe pour l’analyse statique, les scans de ressources, et bien plus encore !

Maintenant que vous avez installé cet outil sur votre système, il est temps d’en tirer parti en lançant diverses analyses.

Voici quelques exemples de commandes et les types d’analyses que vous pouvez réaliser:

– Analyse normale :

python3 qu1cksc0pe.py --file suspicious_file --analyze

– Analyse de ressources :

python3 qu1cksc0pe.py --file suspicious_file --resource

– Scan de hash :

python3 qu1cksc0pe.py --file suspicious_file --hashscan

Vous pouvez également effectuer des analyses avec VirusTotal, scanner les dossiers et même analyser des documents et des archives et pour cela, je vous invite à lire la doc !

Et en bonus…

Pour les vrais passionnés de terminal, Qu1cksc0pe peut également être lancé en mode interactif comme ceci :

python3 qu1cksc0pe.py --console

Bref pour conclure, je dirais que Qu1cksc0pe est un outil puissant pour toute personne intéressée par l’analyse de logiciels malveillants. Avec bonne variété de fonctionnalités, il permet aux utilisateurs d’avoir une vision complète et détaillée des fichiers suspects. Alors que vous soyez professionnel de la sécurité ou simplement quelqu’un qui aime bidouiller et explorer, Qu1cksc0pe est un choix intéressant.

À découvrir ici