Dès le 9 mars, le champion du monde de go, seul jeu pour lequel l’homme bat encore l’ordinateur, affrontera AlphaGo, le logiciel de la firme DeepMind, composé de réseaux profonds de neurones artificiels. Décodage d’un match qui fera date
Le dernier bastion de l’intelligence humaine branle de toutes parts. Du 9 au 15 mars aura lieu à Séoul un match qui pourrait remettre sérieusement en question la suprématie de l’homme sur la machine, mentale du moins: Lee Sedol, Sud-Coréen de 32 ans, champion du monde du jeu de go, va affronter en cinq parties un système d’intelligence artificielle, AlphaGo, créé par la société DeepMind, rachetée en 2013 par Google. En jeu: un million de dollars, mais évidemment bien plus que cela en cas de victoire de l’ordinateur.
Simple et ancien
Le go est aussi ancien que simple. On y joue depuis 3000 ans en Asie, avec des pions blancs et noirs sur une grille carrée de 19 positions sur 19. Le but: encercler les pièces de son adversaire avec les siennes pour contrôler plus de la moitié du tableau. Simple, mais beaucoup plus subtil que même les échecs: au total, il existe en effet 10170 (le chiffre 1 suivi de 170 zéros!) configurations possibles des pions (contre 10120 aux échecs), soit plus qu’il n’y a d’atomes dans l’Univers. Impossible dès lors, même pour un ordinateur surpuissant, de calculer tous les coups possibles. «Demandez à un joueur d’échecs de vous expliquer son coup, et il vous décrira tous ses calculs, expliquait le cofondateur de DeepMind Demis Hassabis en février à Washington, lors du congrès scientifique AAAS. Un pro du go, par contre, vous dira qu’il a joué un coup simplement sur une bonne intuition.» Le go, enseigné dans des écoles spécialisées en Asie, se voit ainsi souvent comparé à un art.
«Une difficulté à programmer un joueur artificiel de go sur ordinateur est d’établir une fonction d’évaluation pour établir qui est en train de gagner», poursuit Demis Hassabis. Aux échecs, cette démarche est simple: chaque pièce valant tant de points, il suffit de les additionner pour savoir qui a l’avantage. «En go, avec des pions de même valeur, une telle fonction est plus complexe à écrire en langage informatique.» Ce qui explique pourquoi les humains ont si longtemps gardé la main en go.
Mais en octobre 2015, AlphaGo a battu par 5 à 0 le champion d’Europe Fan Hui! «Une prouesse qui nous a surpris, tant elle est arrivée une décennie avant qu’on l’attendait», confie Olivier Teytaud, de l’Institut national français de recherche en informatique (Inria). Les chercheurs de DeepMind ont ensuite décrit leur algorithme 2016 dans un article publié en janvier dans Nature. «L’aspect crucial est que celui-ci se base sur deux ressorts: l’apprentissage par imitation puis renforcement, et la prise de décision basée sur une méthode d’échantillonnage nommée «Monte Carlo Fouille d’Arbre» (MCTS), développée à l’Inria en 2006», explique l’expert français.
Prédiction
Pour l’apprentissage, les informaticiens ont utilisé des «réseaux profonds de neurones artificiels», aussi connus sous le terme «deep learning». Il s’agit d’équations écrites en langage informatique, disposées en couches, mais reliées entre elles par certains facteurs variant au fil de l’expérience (lire l’interview). «Nous avons d’abord soumis à AlphaGo les centaines de milliers de parties de go disponibles sur Internet, pour lui montrer comment jouer», dit Demis Hassabis. De quoi nourrir un premier réseau de neurones artificiels, jusqu’à ce que celui-ci puisse prédire le prochain coup d’une partie avec une acuité d’au moins 57%. Avec un deuxième réseau de neurones, «nous avons fait jouer le logiciel contre lui-même des centaines de fois, pour renforcer son apprentissage, ceci après avoir écrit cette fameuse fonction d’évaluation pour le go». Un processus que Deep-Mind avait déjà appliqué avec succès pour enseigner, sans programmation spécifique, à des ordinateurs à jouer à de vieux jeux d’arcade (Space Invaders, Casse-briques, etc.).
L’inspiration de DeepMind a ensuite été de coupler ce modus operandi avec l’application de la méthode statistique MCTS. En résumé, celle-ci permet, «dans une arborescence quasi infinie de possibilités, de fouiller les meilleures «branches», ou options, pour gagner», dit Olivier Teytaud.
Il a fallu ensuite tester cette stratégie combinée. «Début 2015, nous l’avons d’abord fait contre les programmes de go existant, Zen et Crazy Stone, avec 100% de succès», dit Demis Hassabis. Même résultat contre le champion d’Europe. Désormais, c’est donc le champion du monde, souvent classé bien au-dessus de son pendant européen et le battant dans 97% des parties, qui se dresse sur la route d’AlphaGo: «Des experts ont analysé le match d’octobre et nous donnent moins de 5% de chances de gagner. Mais depuis, nous avons construit une nouvelle version d’AlphaGo, qui s’entraîne sans arrêt. Nous sommes confiants.» Tout comme Lee Sedol, qui s’est livré à Nature: «Peu importe le résultat, ce sera un événement important dans l’histoire du go. J’ai entendu que l’intelligence artificielle de DeepMind est étonnamment forte, et le devient de plus en plus. Mais je suis confiant de pouvoir gagner, au moins cette fois.»
Et puis, à quand une partie entre l’AlphaGo de Google DeepMind et Darkforest, le logiciel de go que développe Facebook de son côté? Interrogé par Le Temps, Demis Hassabis s’est montré peu intéressé à répondre, estimant que Darkforest n’arrivait pas à la cheville d’AlphaGo.
Au-delà de l’aspect spectaculaire du match de la semaine prochaine, le «deep learning» est aujourd’hui au cœur d’enjeux colossaux pour lesquels se battent tous les géants du monde numérique. «L’idée est vraiment d’appliquer cette technologie d’intelligence artificielle au traitement de la montagne de données de toutes sortes qui sont générées aujourd’hui, afin d’y reconnaître des éléments complexes, et prendre des décisions», dit Olivier Teytaud. Demis Hassabis, comme d’autres spécialistes, voit ainsi bien une utilisation dans les diagnostics médicaux ou dans les recherches en bio-informatique.
Quid des applications plus larges et générales de ces nouveaux systèmes d’intelligence artificielle? L’expert rassure en disant que le logiciel AlphaGo ne peut pas être simplement transféré dans n’importe quel autre domaine, tant il a été créé dans un cadre précis, celui du jeu de go. Une capacité – appliquer dans d’autres situations une méthode d’apprentissage – que l’homme maîtrise par contre à la perfection. «Nous n’avons aucune idée pour y arriver [avec des machines], dit Demis Hassabis dans Nature. Pas encore!»
