fil-educavox-color1

En ce mois de mars le logiciel Alpha go conçu par la filiale Deep mind de Google a remporté par quatre parties à une la confrontation qui l’opposait à Lee Sedol.

Ce nouveau duel entre l’homme et la machine vient d’occuper plus que sa place dans les médias du monde entier et le maître coréen du jeu de go a été battu à plate couture pour le plus grand bénéfice du célèbre moteur de recherche.

Depuis le match tout aussi fameux Deep Blue- Kasparov joué en 1997 sur un échiquier et remporté par l’ordinateur d’IBM, il était facile de prévoir que, tôt ou tard, les maîtres du jeu de go subiraient le même sort que les champions d’échecs. La croissance exponentielle des capacités de calcul des ordinateurs fabriqués (doublement de cette capacité tous les dix huit mois environ) rendent inéluctable la suprématie de la créature sur le créateur dans le champ toutefois restreint des jeux de stratégie. En effet, le cerveau humain formé de cent millards de neurones pouvant chacun commuter cent fois par seconde permet, au mieux, 1013 opérations logiques par seconde. Le nombre 1013 c’est 1 suivi de treize 0 (tout de même !) mais les ordinateurs actuels font beaucoup mieux.

Pourtant l’évolution entre Deep Blue et Alpha go ne peut pas être résumée par des considérations de puissance de calcul.

Les deux machines ne fonctionnent pas du tout sur les mêmes principes et c’est ce qui fait tout l’intérêt de la récente performance. Là où Deep blue calculait la totalité des combinaisons possibles avant de choisir la réponse optimale à l’aide des critères implantés par  les concepteurs, Alpha go utilise une méthode automatique «  d’apprentissage profond » ( traduction de deep learning) qui repose sur l’activation d’un système de réseaux dit neuronaux ( neural networks) car contenant une partie des connaissances obtenues sur les connexions des neurones du cerveau humain. Cette méthode permet de créer de nouvelles stratégies au fur et à mesure des parties disputées. Ainsi Alpha go emmagasine toutes les parties qu’il joue contre lui même (et il peut en jouer des millions : il n’a que cela à faire) ainsi que toutes les parties enregistrées dans tous les championnats de la planète. De plus, il est muni d’algorithmes qui traitent toutes ces données dans le but de choisir la meilleure réponse au vu de l’estimation de la probabilité de victoire finale. Pour faire simple, cette probabilité est définie par le pourcentage des réponses conduisant à la victoire dans l’ensemble de toutes les réponses déjà simulées.

Bien sûr ce sont  la puissance de calcul et les capacités de stockage qui permettent ce développement mais elles ne sont pas les seules à rentrer  en ligne de compte. La machine acquiert et développe par elle même la capacité à prendre la décision optimale parmi toutes les décisions possibles… Ainsi la machine apprend, pas tout à fait de la même façon que nous apprenons  mais elle apprend à, partir de sa propre expérimentation.

L’occasion est trop belle d’invoquer les rêves et les peurs de la victoire définitive de l’ordinateur sur le cerveau, de l’intelligence artificielle sur l’intelligence humaine.

Cette problématique est déjà ancienne et aussi vieille que les premiers logiciels mais il semble que les choses s’accélèrent. C’est un mathématicien anglais, Alan Turing, pionnier de l’intelligence artificielle, qui, dans les années 50, a défini, comme étant intelligente une machine capable de se faire passer auprès d’un groupe d’hommes  pour une intelligence humaine. Les  développements rapides  du deep learning  peuvent tout à la fois émerveiller et inquiéter mais ils n’annoncent pas encore l’avènement de la machine intelligente. Pour qu’Alpha go soit intelligente au sens de Alan Turing, il faudrait qu’elle soit capable de discuter avec Lee Sedol et de refaire, avec lui, le match qu’ils viennent de disputer … autour d’un verre de soju.

Jacques Puyou

https://licensebuttons.net/l/by-nc-sa/3.0/88x31.png

Dernière modification le lundi, 23 mai 2016
Puyou Jacques

Professeur agrégé de mathématiques - Secrétaire national de l’An@é