L'intelligence artificielle de Google bat un champion du jeu de Go
Français
Pour la première fois, l’intelligence artificielle de Google vient de battre 5 fois de suite un champion du jeu de Go. Le jeu de Go était un obstacle majeur pour l’intelligence artificielle, car il implique que l’IA doit maitriser une chose qui est propre aux humains. L’intuition.
Suivez-nous sur notre page Facebook et notre canal Telegram
Une intelligence artificielle a battu un champion du jeu de Go pour la première fois. Le jeu de Go semblait inaccessible pour les IA, car il implique une combinaison subtile de stratégie et d’intuition. L’intelligence artificielle maitrise déjà le jeu d’échecs et elle a battu tous les champions les uns après les autres. Le jeu de Go était le dernier rempart, mais AlphaGo, une intelligence artificielle de DeepMind, appartenant à Google, vient de le franchir et cela annonce une victoire fracassante du Deep Learning.
Sommaire
AlphaGo bat un champion européen du jeu de Go 5 fois de suite
AlphaGo a battu Fan Hui, le champion européen du jeu de Go. L’IA l’a battu 5 fois de suite dans des conditions d’un tournoi. AlphaGo a également battu ses homologues, d’autres IA avec une réussite de 99,8 %. AlphaGo n’a pas encore battu un champion mondial du jeu de Go, mais cela ne saurait tarder puisqu’une rencontre est prévue en mars 2016 entre le Sud coréen Lee Sedol et AlphaGo. Lee Sedor est considéré comme le meilleur joueur du monde du jeu de Go.
Selon Rémi Coulom, programmeur à Lille et créateur d’un jeu de Go appelé Crazy Stone, c’est un résultat remarquable. Ce programmeur pensait que l’intelligence artificielle aurait encore besoin de 10 ans pour maitriser le jeu de Go. À la base, c’est l’intelligence artificielle Deep Blue d’IBM qui était censée maitriser le jeu de Go. Deep Blue est connu pour avoir battu le champion du jeu d’échecs Garry Kasparov en 1997. Mais AlphaGo n’a pas été reprogrammé pour jouer au jeu du Go. Au lieu, il a utilisé un algorithme générique qui lui a permis de comprendre les Patterns du jeu. C’est la même technique qu’une autre intelligence artificielle de DeepMind qui a appris à jouer à 49 jeux d’arcade différents. Cela signifie qu’on peut appliquer des techniques similaires à d’autres domaines qui nécessitent la reconnaissance des Patterns, la planification sur le long terme et la prise de décision selon Hassabis, co-fondateur de DeepMind.
Le jeu de Go possède des possibilités supérieures au nombre d’atomes dans l’univers
En Chine, au Japon et en Corée du Sud, le jeu de Go est très populaire et il est même pratiqué par les célébrités. Les meilleurs joueurs de Go sont de véritables stars. Mais la complexité du jeu de Go intéresse énormément les chercheurs en IA. Cependant, les règles sont assez simples. L’objectif du jeu de Go est de gagner le maximum de territoire en plaçant et en capturant des pierres blanches et noires sur un carré de 19 x 19. Mais les 150 déplacements du jeu proposent un nombre de configurations du carré assez hallucinantes. 10170 pour être exact, soit des possibilités plus grandes que le nombre d’atomes dans l’univers.
Le jeu d’échecs est moins complexe que le jeu de Go et même si les possibilités sont nombreuses, on peut les résoudre par une attaque par brute force. Au jeu d’échecs, les IA réduisent leurs analyses en regardant simplement quelques tours d’avance et en jugeant des déplacements du joueur. Dans le jeu de Go, il est difficile de reconnaitre les positions perdantes et gagnantes. Les pierres ont la même valeur et chacune peut avoir un impact subtil sur le carré.
Le Deep Learning combiné avec des réseaux neuronaux
Pour interpréter les carrés du jeu de Go et apprendre les meilleurs mouvements, AlphaGo a utilisé le Deep Learning dans des réseaux neuronaux. Ces derniers sont des programmes imitant le cerveau humain dans lesquels les couches des neurones simulées sont renforcées via des exemples et des expériences. AlphaGo a étudié 30 millions de positions des meilleures parties du Go et il a extrait des informations abstraites sur l’état du jeu à la manière dont on extrairait des pixels pour reconstituer une image. Ensuite, AlphaGo a joué contre 50 autres intelligences artificielles et il s’est amélioré avec chaque itération et on connait ce processus comme l’apprentissage renforcé (Reinforcement Learning).
L’intelligence artificielle se comportait bien contre des versions commerciales du jeu de Go. Les jeux commerciaux du Go analysent un échantillon de parties simulées pour déterminer leur meilleur mouvement. DeepMind a combiné cette recherche avec la possibilité de déplacer des positions et d’interpréter des carrés de Go. Cela a permis à AlphaGo de déterminer les meilleures stratégies à adopter. Cette technique est phénoménale selon Jonathan Schaeffer, un informaticien de l’université d’Alberta au Canada. Plutôt que de suivre la tendance de l’intelligence artificielle de ces 30 années, qui consiste à craquer les stratégies du jeu avec la puissance de calcul, DeepMind a imité la connaissance humaine par l’apprentissage plutôt que par la programmation. AlphaGo montre aussi la supériorité du Deep Learning qui permet de résoudre tous les problèmes de l’intelligence artificielle.
Selon Fan, le joueur qui a été battu, AlphaGo joue d’une manière très humaine. Si personne ne me l’avait dit, j’aurais pensé que c’était une vraie personne qui était contre moi. C’était une personne étrange, mais un joueur très, très fort. De plus, AlphaGo a développé un style passif plutôt qu’agressif dans le jeu de Go selon Toby Manning, l’arbitre du match. Facebook développe aussi une intelligence artificielle qui veut jouer au Go, mais elle a des années de retard comparé à AlphaGo. Même si la performance d’AlphaGo fait entrer l’intelligence artificielle dans une nouvelle ère, notamment avec le Deep Learning, il y a des obstacles qui persistent. Le principal est qu’on ne peut pas transformer l’expérience d’AlphaGo pour le jeu de Go pour d’autres tâches afin de créer une intelligence artificielle qui s’adapterait à n’importe quel domaine avec la même efficacité.
DeepMind n’a pas encore décidé s’il allait publier une version commerciale d’AlphaGo, mais les joueurs de Go continueront à jouer et ce n’est pas parce que l’intelligence artificielle a battu un champion que le jeu de Go a perdu son intérêt pour les humains.
