L'IA de Google maîtrise le jeu de Go une décennie plus tôt que prévu

Google a franchi une étape brillante et inattendue vers la construction d'une IA avec une intuition plus humaine, en développant un ordinateur capable de battre même des joueurs humains experts au jeu de société diaboliquement compliqué Go.

L'objectif du Go, jeu inventé en Chine il y a plus de 2 500 ans, est assez simple : les joueurs doivent alternativement placer des pierres noires et blanches sur une grille de 19 lignes horizontales et 19 lignes verticales dans le but d'entourer les pièces de l'adversaire, et d'éviter d'avoir ses propres pièces entourées. Maîtriser Go, cependant, nécessite une pratique sans fin, ainsi qu'un talent finement réglé pour reconnaître des motifs subtils dans l'arrangement des pièces réparties sur le plateau.

L'équipe de Google a montré que les compétences nécessaires pour maîtriser Go ne sont pas si uniquement humaines après tout. Leur programme informatique, appelé AlphaGo, a battu le champion d'Europe de Go, Fan Hui, cinq matchs à zéro. Et en mars, il affrontera l'un des meilleurs joueurs du monde, Lee Sedol, dans un tournoi qui se tiendra à Séoul, en Corée du Sud.

Go est le jeu le plus complexe et le plus beau jamais conçu par les humains, a déclaré Demis Hassabis, chef de l'équipe Google, et lui-même passionné de Go, lors d'un point de presse. En battant Fan Hui, a-t-il ajouté, notre programme a atteint l'un des grands défis de longue date de l'IA.

Hassabis a également déclaré que les techniques utilisées pour créer AlphaGo se prêteraient aux efforts de son équipe pour développer une IA générale. En fin de compte, nous voulons appliquer ces techniques à d'importants problèmes du monde réel, a-t-il déclaré. Parce que les méthodes que nous avons utilisées étaient à usage général, nous espérons qu'un jour elles pourront être étendues pour aider à résoudre certains des problèmes les plus urgents de la société, des diagnostics médicaux à la modélisation climatique (voir L'IA pourrait-elle résoudre les plus gros problèmes du monde ? ).

Hassabis a déclaré que la première façon dont la technologie pourrait être appliquée chez Google impliquerait le développement de meilleurs assistants personnels logiciels. Un tel assistant pourrait apprendre les préférences d'un utilisateur à partir de son comportement en ligne et faire des recommandations plus intuitives sur des produits ou des événements, a-t-il suggéré.

Le go est beaucoup plus difficile pour les ordinateurs que, disons, les échecs pour deux raisons : le nombre de coups potentiels à chaque tour est beaucoup plus élevé et il n'y a pas de moyen simple de mesurer l'avantage matériel. Un joueur doit donc apprendre à reconnaître des motifs abstraits dans des centaines de pièces placées sur le plateau. Et même les experts ont souvent du mal à expliquer pourquoi une position particulière semble avantageuse ou problématique.

En fait, il y a quelques années à peine, la plupart des joueurs de Go et des programmeurs de jeux pensaient que le jeu était si complexe qu'il faudrait plusieurs décennies avant que les ordinateurs n'atteignent le niveau d'un joueur expert humain.

AlphaGo a été développé par une équipe connue sous le nom de Google DeepMind, un groupe créé après que Google a acquis une petite startup britannique d'IA appelée DeepMind en 2014. Les chercheurs ont construit AlphaGo en utilisant une méthode d'apprentissage automatique extrêmement populaire et réussie connue sous le nom d'apprentissage en profondeur combiné avec une autre technique de simulation. pour modéliser les mouvements potentiels. L'apprentissage en profondeur implique la formation d'un vaste réseau de neurones simulés pour répondre aux modèles de données. Il s'est avéré très utile pour le traitement de l'image et de l'audio, et de nombreuses grandes entreprises technologiques explorent de nouvelles façons d'appliquer cette technique.

Deux réseaux d'apprentissage en profondeur ont été utilisés dans AlphaGo : un réseau a appris à prédire le prochain mouvement et l'autre a appris à prédire le résultat à partir de différentes dispositions sur le tableau. Les deux réseaux ont été combinés à l'aide d'un algorithme d'IA plus conventionnel pour anticiper dans le jeu les mouvements possibles. Un article scientifique écrit par des chercheurs de Google qui décrit le travail paraît dans le journal La nature aujourd'hui .

Le jeu de Go dispose d'un espace de recherche énorme, qui est intraitable à la recherche par force brute, explique David Silver, un autre chercheur de Google qui a dirigé l'effort. La clé d'AlphaGo est de réduire cet espace de recherche à quelque chose de plus gérable. Cette approche rend AlphaGo beaucoup plus humain que les approches précédentes.

Lorsque l'ordinateur Deep Blue d'IBM a maîtrisé les échecs en 1997, il a utilisé des règles codées à la main et a recherché de manière exhaustive les mouvements d'échecs potentiels. AlphaGo a essentiellement appris au fil du temps à reconnaître des modèles potentiellement avantageux, puis a simulé un nombre limité de résultats potentiels.

La réussite de Google a été accueillie avec des félicitations et un certain étonnement par d'autres chercheurs dans le domaine.

Sur le plan technique, ce travail est une contribution monumentale à l'IA, déclare Ilya Sutskever, chercheur de premier plan en IA et directeur d'une nouvelle organisation à but non lucratif appelée OpenAI (voir Innovateurs de moins de 35 ans : Ilya Sutskever). Sutskever dit que le travail était particulièrement important parce qu'AlphaGo a essentiellement appris à gagner. La même technique peut également être utilisée pour obtenir des performances extrêmement élevées sur de nombreux autres jeux, dit-il.

Michael Quilles , professeur d'informatique à l'Université d'Alberta au Canada qui a récemment développé un programme capable de battre n'importe qui au poker heads-up limit, était également enthousiasmé par cet exploit. Il pense que l'approche devrait en effet s'avérer utile dans de nombreux domaines où l'apprentissage automatique est appliqué. Une grande partie de ce que nous considérerions traditionnellement comme l'intelligence humaine est construite autour de la correspondance de modèles, dit-il. Et une grande partie de ce que nous considérerions comme un apprentissage consiste à avoir vu ces schémas dans le passé et à être capable de réaliser comment ils se connectent à une situation actuelle.

Un aspect du résultat à noter est qu'il combine l'apprentissage en profondeur avec d'autres techniques, explique Gary Marcus, professeur de psychologie à l'Université de New York et cofondateur et PDG de Intelligence géométrique , une startup d'IA qui combine également l'apprentissage en profondeur avec d'autres méthodes (voir Cet homme peut-il rendre l'IA plus humaine ? ).

Ce n'est pas un soi-disant système d'apprentissage en profondeur de bout en bout, dit Marcus. Il s'agit d'un système modulaire soigneusement structuré avec une ingénierie manuelle réfléchie à l'avant. Ce qui est, quand on y pense, assez parallèle à l'esprit humain : riche, modulaire, avec quelques ajustements par évolution, plutôt qu'un simple tas de neurones interconnectés au hasard et réglés entièrement par l'expérience.

Google n'est pas non plus la seule entreprise à utiliser l'apprentissage en profondeur pour développer une IA Go-playing. Facebook a précédemment déclaré qu'il avait un chercheur travaillant sur un tel système, et la nuit dernière, les deux Yann LeCun , directeur de la recherche sur l'IA chez Facebook et PDG Marc Zuckerberg mises à jour publiées sur l'effort. L'effort de Facebook est à un stade précoce, mais il combine également l'apprentissage en profondeur avec une autre technique.

Voir le maître de l'IA Go peut également conduire à une angoisse existentielle. Lors du point de presse annonçant la nouvelle, Hassabis a été confronté à des questions sur les risques à long terme des systèmes d'IA que Google développe. Il a déclaré que l'entreprise prenait des mesures pour atténuer ces risques en collaborant avec des universitaires, en organisant des conférences et en travaillant avec un comité d'éthique interne.

cacher