211service.com
Alien Chess d'Alpha Zero montre la puissance et la particularité de l'IA
La dernière avancée de DeepMind se comporte de manière très surprenante. Attendez-vous à ce que les autres systèmes d'IA soient tout aussi étranges. 8 décembre 2017
Le dernier programme d'IA développé par DeepMind n'est pas seulement brillant et remarquablement flexible, il est aussi assez étrange.
DeepMind publié un document cette semaine décrivant un programme de jeu qu'il a développé et qui s'est avéré capable de maîtriser les échecs et le jeu japonais Shoju, ayant déjà maîtrisé le jeu de Go.
Demis Hassabis, fondateur et PDG de DeepMind et lui-même joueur d'échecs expert, a présenté jeudi de plus amples détails sur le système, appelé Alpha Zero, lors d'une conférence sur l'IA en Californie. Le programme effectuait souvent des mouvements qui sembleraient impensables pour un joueur d'échecs humain.
Il ne joue pas comme un humain, et il ne joue pas comme un programme, a déclaré Hassabis lors de la conférence Neural Information Processing Systems (NIPS) à Long Beach. Il joue d'une troisième manière, presque extraterrestre.
En plus de montrer à quel point les programmes d'apprentissage automatique peuvent être brillants pour une tâche spécifique, cela montre que l'intelligence artificielle peut être très différente du genre humain. À mesure que l'IA devient plus courante, nous devrons peut-être être conscients d'un tel comportement extraterrestre.
Histoire connexe
Histoire connexe Une version améliorée de l'IA de jeu s'apprend toutes les astuces du livre Go, en utilisant une nouvelle forme d'apprentissage automatique.Alpha Zero est une version plus générale d'AlphaGo, le programme développé par DeepMind pour jouer au jeu de société Go. En 24 heures, Alpha Zero a appris à jouer suffisamment bien aux échecs pour battre l'un des meilleurs programmes d'échecs existants.
Ce qui est également remarquable, cependant, a expliqué Hassabis, c'est qu'il fait parfois des sacrifices apparemment fous, comme offrir un fou et une reine pour exploiter un avantage de position qui a conduit à la victoire. De tels sacrifices de pièces de grande valeur sont normalement rares. Dans un autre cas, le programme a déplacé sa reine vers le coin du plateau, une astuce très bizarre avec une valeur de position surprenante. C'est comme les échecs d'une autre dimension, a déclaré Hassabis.
Hassabis spécule que parce qu'Alpha Zero s'apprend tout seul, il profite de ne pas suivre l'approche habituelle consistant à attribuer une valeur aux pièces et à essayer de minimiser les pertes. Peut-être que notre conception des échecs a été trop limitée, a-t-il dit. Cela pourrait être un moment important pour les échecs. Nous pouvons le greffer dans notre propre jeu.
Le jeu d'échecs a une longue histoire dans l'intelligence artificielle. Les meilleurs programmes, développés et affinés au fil des décennies, intègrent d'énormes quantités d'intelligence humaine. Bien qu'en 1996, Deep Blue d'IBM ait battu le champion du monde de l'époque, ce programme, comme d'autres programmes d'échecs conventionnels, nécessitait une programmation manuelle minutieuse.
L'AlphaGo original, conçu spécifiquement pour Go, était un gros problème car il était capable d'apprendre à jouer à un jeu extrêmement complexe et difficile à enseigner, nécessitant un sens instinctif des positions du plateau. AlphaGo a maîtrisé Go en ingérant des milliers d'exemples de jeux, puis en s'entraînant contre une autre version de lui-même. Il l'a fait en partie en entraînant un vaste réseau de neurones à l'aide d'une approche connue sous le nom d'apprentissage par renforcement, qui est calquée sur la façon dont les animaux semblent apprendre (voir Google AI Masters Go a Decade Early Than Expected).
DeepMind a depuis présenté une version du programme, appelée AlphaGo Zero, qui apprend sans aucun exemple de jeux, en s'appuyant uniquement sur l'auto-jeu (voir AlphaGo Zero montre que les machines peuvent devenir surhumaines sans aucune aide). Alpha Zero s'améliore encore en montrant qu'un même programme peut maîtriser trois types de jeux de société différents.
Les réalisations d'Alpha Zero sont impressionnantes, mais il doit encore jouer à beaucoup plus de jeux d'entraînement qu'un maître d'échecs humain. Hassabis dit que cela peut être dû au fait que les humains bénéficient d'autres formes d'apprentissage, comme lire sur la façon de jouer au jeu et regarder les autres jouer.
Pourtant, certains experts avertissent que les capacités du programme, bien que remarquables, doivent être prises dans leur contexte. Parlant après Hassabis, Gary Marcus , professeur à NYU, a déclaré qu'une grande partie des connaissances humaines a été consacrée à la construction d'Alpha Zero. Et il suggère que l'intelligence humaine semble impliquer certaines capacités innées, comme une capacité intuitive à développer le langage.
Josh Tenenbaum , professeur au MIT qui étudie l'intelligence humaine, a déclaré que si nous voulons développer une véritable intelligence artificielle au niveau humain, nous devons étudier la flexibilité et la créativité dont font preuve les humains. Il a souligné, entre autres exemples, l'intelligence de Hassabis et de ses collègues dans la conception, la conception et la construction du programme en premier lieu. C'est presque aussi impressionnant qu'une reine dans le coin, a-t-il plaisanté.