Une intelligence artificielle apprend le jeu d'échecs en 72 heures et atteint un niveau de tournoi international

Dans une première mondiale, une intelligence artificielle joue aux échecs en évaluant l’échiquier plutôt que d’utiliser le concept de Brute Force pour calculer tous les mouvements possibles.

L’intelligence artificielle dans le jeu d’échec

Cela fait presque 20 ans que le supercalculateur Deep Blue d’IBM a battu le champion d’échecs Gary Kasparov. Depuis, les intelligences artificielles qui jouent aux échecs sont devenues de plus en plus sophistiquées. Aujourd’hui, un humain pourrait difficilement battre un jeu d’échec contrôlé par une IA dans un Smartphone. Mais si les machines sont devenues plus rapides, leur moteur de jeux d’échec n’a pas changé. La puissance d’une IA de jeu d’échec se base sur la force brute qui est de calculer tous les mouvements possibles pour déterminer le meilleur. Certes, l’humain ne peut pas approcher cette vitesse de calcul, car Deep Blue pouvait chercher 200 millions de mouvements possibles tandis que Kaspararov pouvait seulement calculer 5 mouvements. Mais la partie entre Kasparov et Deep Blue nous montre que le Russe était du même niveau que l’IA. Il est clair que les humains ont quelque chose de plus que les intelligences artificielles ne maitrisaient pas… jusqu’à présent.

L’astuce des humains, face à une intelligence artificielle beaucoup plus puissante, est d’évaluer les positions des pièces de l’échiquier pour déterminer les plus rentables. Cela simplifie dramatiquement la tâche de calcul puisqu’il concentre toutes les possibilités à quelques branches. L’intelligence artificielle ne pouvait pas le faire, mais aujourd’hui, le travail de Matthew Lai de l’Imperial College London pourrait changer drastiquement ces intelligences artificielles. Lai a créé une intelligence artificielle appelée Giraffe qui a appris le jeu d’échecs en évaluant les positions comme les humains et c’est un tout nouveau concept pour les moteurs de ces IA. [cite source=’arxiv’]1509.01549[/cite]

Giraffe, l’intelligence artificielle basée sur un réseau neuronal

Giraffe joue au même niveau que la plupart des moteurs de jeu d’échecs et ces derniers ont été peaufinés pendant ces dernières années. Sur un niveau humain, Giraffe possède un rang de FIDE International Master. Et cela le place parmi les 2,2 % meilleurs joueurs d’échecs au monde. La technologie derrière cette intelligence artificielle est un réseau neural. Un réseau neural ou neuronal calcule l’information à la manière d’un cerveau humain. Il consiste en plusieurs couches de noeuds qui sont connectés et qui peuvent changer l’entrainement de l’IA. Ce processus d’entrainement utilise de nombreux exemples pour améliorer les connexions pour que le réseau produise une sortie spécifique selon une certaine entrée. Par exemple, un réseau neural peut reconnaitre une figure dans une image.

Ces dernières années, les réseaux neuraux sont devenus populaires grâce à 2 avancées. La première est une meilleure compréhension pour peaufiner ces réseaux en fonction de leur apprentissage grâce à des machines beaucoup plus rapides. Et la seconde est la quantité massive de données pour entrainer ces réseaux. Cela permet aux développeurs d’intelligence artificielle de créer des réseaux qui sont organisés dans de nombreuses couches. Et ces réseaux de Deep Learning sont devenus très puissants et ils sont utilisés quotidiennement dans la reconnaissance faciale ou celle de l’écriture manuscrite. Et il n’est donc pas étonnant que les réseaux neuraux soient capables de détecter des Pattenrs dans un échiquier et cela a été l’approche de Lai. Son réseau consiste en 4 couches qui examinent ensemble 4 positions sur l’échiquier de 3 manières différentes.

L’entrainement de l’IA

La première analyse l’état global du jeu tel que le nombre, le type de pièce de chaque joueur et le tour du joueur, etc. La seconde analyse les caractéristiques de chaque pièce telles que la localisation sur chaque côté du joueur. Et l’aspect final est de cartographier les emplacements que chaque pièce doit attaquer et défendre. Lai a entrainé son réseau avec des données provenant de parties d’échec réelles. Ces données doivent avoir une distribution correcte des positions. Par exemple, il n’y a aucun intérêt à entrainer le système sur des positions impliquant 3 reines de chaque côté parce que cette situation ne se produit jamais dans un jeu d’échec.

L’intelligence artificielle doit également calculer une variété de positions inégales par rapport à celles qui se produisent dans les tournois de haut niveau. Ces positions inégales se produisent rarement dans les vraies parties d’échecs, mais elles se produisent régulièrement dans le calcul interne de l’IA. Et les données doivent être massives. On doit peaufiner les connexions dans le réseau neural et cela nécessite une quantité monstrueuse de données. Si les données sont insuffisantes, alors l’IA ne peut pas reconnaitre la grande variété des Patterns qui se produisent dans les parties d’échecs. Lai a généré ces données en choisissant 5 millions de positions provenant des bases de données de logiciels d’échecs. Il a ensuite ajouté un mouvement aléatoire à chaque position avant de les utiliser dans l’entrainement. Au total, l’intelligence artificielle s’est entrainée avec 175 millions de positions. La technique habituelle pour entrainer une machine est d’évaluer manuellement chaque position et utiliser l’information pour apprendre à la machine si cette position est faible ou forte.

Giraffe a appris le jeu d’échecs par ses propres moyens

Mais c’est une tâche titanesque pour une machine d’apprendre 175 millions de positions. Et l’objectif de Lai était plus ambitieux, car il voulait que Giraffe apprenne par ses propres moyens. Ainsi, il a utilisé une technique qui a permis à l’intelligence artificielle de jouer contre elle-même pour améliorer la prédiction d’une position future. Et cela fonctionne parce qu’il y a des points de référence qui détermine la valeur d’une position quel que ce soit le résultat de la partie dans le futur. En ayant entrainé Giraffe, l’étape finale était de la tester et de voir si les résultats sont intéressants. Lai a testé sa machine sur une base de données standard appelée Strategic Test Suite. Cette base consiste en 1500 positions qui sont sélectionnées pour tester un moteur d’échecs pour reconnaitre différentes stratégies. Par exemple, un test concerne la compréhension de l’ouverture, un autre test comprend la valeur du fou et du cavalier l’un par rapport à l’autre dans différentes situations. Un autre test détermine la compréhension du contrôle sur le centre de l’échiquier. Giraffe a obtenu une note de 15 000 sur ces tests.

Lai a utilisé ce test sur différents niveaux de l’entrainement. Quand le processus a commencé, Giraffe a atteint rapidement la note de 6 000 et elle a dépassé les 9 700 en 72 heures. Lai a déclaré que cela correspond aux meilleurs moteurs d’échecs dans le monde. C’est remarquable parce que ces moteurs sont créés avec des évaluations sur des centaines de paramètres qui ont nécessité des années de modification. Et la plupart des moteurs se sont bien comportés aux maitres des échecs. Cela signifie que l’intelligence artificielle de Lai a fait le même apprentissage en l’espace de 3 jours.

Cette intelligence artificielle possède un niveau de FIDE International Master

Lai a utilisé le même type de Machine Learning pour déterminer si un mouvement donné vaut la peine d’être effectué. C’est important parce que des recherches inutiles permettent de réduire les branches dans le calcul en améliorant l’efficacité. Lai a déclaré que cette approche probabiliste a prédit le meilleur mouvement dans 46 % du temps et il a placé ce mouvement parmi les 3 meilleurs possibles dans 70 % des cas. De ce fait, Giraffe n’avait plus besoin de chercher d’autres mouvements. C’est un travail intéressant qui représente un changement majeur dans le fonctionnement des moteurs d’échecs. Mais il n’est pas parfait et l’un des principaux inconvénients de Giraffe est que les réseaux neuraux sont plus lents que d’autres traitements de données. Lai a déclaré que Giraffe a besoin de 10 fois plus de temps qu’un moteur d’échec traditionnel.

Mais même avec cet inconvénient, Giraffe est largement supérieur par rapport aux autres IA. Giraffe est capable de jouer au niveau FIDE International Master avec des PC modernes tandis que les meilleurs moteurs d’échecs actuels jouent uniquement au rang de Super Grand Master. Et c’est assez impressionnant. Contrairement à d’autres moteurs d’échecs, la force de Giraffe ne vient pas de sa capacité à calculer les positions sur le long terme, mais plutôt en évaluant les positions difficiles de manière précise. Cette IA peut comprendre des concepts de position qui sont intuitifs aux humains, mais qui ont été ignorés par les moteurs traditionnels. Et Giraffe est quasiment imbattable en début et en fin de partie. Et ce n’est que le commencement, car Lai estime que son approche pourrait fonctionner avec d’autres jeux. Son prochain objectif est d’entrainer Giraffe à jouer au jeu chinois Go. Dans le Go, les humains ont toujours surpassé les IA jusqu’à présent, mais Giraffe pourrait devenir le nouveau maitre dans ce secteur.

---

Mes livres

Le Basilic de Roko	Mon parcours de rédacteur web	Science corrompue et servile	Nous, Tueurs en série