Le meilleur de 2015 : Deep Learning Machine apprend les échecs en 72 heures et joue au niveau Master international

Cela fait presque 20 ans que le supercalculateur Deep Blue d'IBM a battu pour la première fois le champion du monde d'échecs en titre, Gary Kasparov, selon les règles standard des tournois. Depuis lors, les ordinateurs jouant aux échecs sont devenus beaucoup plus puissants, laissant peu de chance aux meilleurs humains, même contre un moteur d'échecs moderne fonctionnant sur un smartphone.

Mais alors que les ordinateurs sont devenus plus rapides, le fonctionnement des moteurs d'échecs n'a pas changé. Leur pouvoir repose sur la force brute, le processus de recherche de tous les mouvements futurs possibles pour trouver le meilleur suivant.

Bien sûr, aucun humain ne peut égaler cela ou s'en approcher. Alors que Deep Blue recherchait quelque 200 millions de positions par seconde, Kasparov n'en recherchait probablement pas plus de cinq par seconde. Et pourtant, il jouait essentiellement au même niveau. De toute évidence, les humains ont un tour dans leur sac que les ordinateurs n'ont pas encore maîtrisé.

Cette astuce consiste à évaluer les positions d'échecs et à réduire les voies de recherche les plus rentables. Cela simplifie considérablement la tâche de calcul car cela réduit l'arbre de tous les mouvements possibles à quelques branches seulement.

Les ordinateurs n'ont jamais été bons dans ce domaine, mais aujourd'hui, cela change grâce au travail de Matthew Lai à l'Imperial College de Londres. Lai a créé une machine d'intelligence artificielle appelée Giraffe qui a appris à jouer aux échecs en évaluant des positions beaucoup plus comme des humains et d'une manière totalement différente des moteurs d'échecs conventionnels.

A continué

cacher