{"id":1235,"date":"2016-04-11T19:48:50","date_gmt":"2016-04-11T18:48:50","guid":{"rendered":"http:\/\/www.blog-lecerveau.org\/?p=5250"},"modified":"2022-01-04T21:10:02","modified_gmt":"2022-01-04T20:10:02","slug":"5250","status":"publish","type":"post","link":"https:\/\/www.blog-lecerveau.org\/avance\/2016\/04\/11\/5250\/","title":{"rendered":"Comment fonctionne le \u00ab\u00a0cerveau\u00a0\u00bb d’AlphaGo ?"},"content":{"rendered":"

\"\"Le verdict final est tomb\u00e9 le 15 mars dernier\u00a0: apr\u00e8s le champion du monde des \u00e9checs <\/span><\/a><\/span>Garry Kasparov battu en 1997 par l\u2019ordinateur d\u2019IBM Deep Blue, c\u2019est maintenant au tour d\u2019un des plus forts cerveaux humains au jeu de Go de perdre aux mains de la machine !<\/p>\n

Le logiciel AlphaGo de la compagnie anglaise DeepMind (achet\u00e9e par Google) a en effet battu 4 \u00e0 1 le champion sud-cor\u00e9en Lee Sedol. En fait, le v\u00e9ritable choc s\u2019est produit quelques jours auparavant, alors qu\u2019AlphaGo a remport\u00e9 sans \u00e9quivoque la premi\u00e8re des 5 parties. Puis la seconde. Et la troisi\u00e8me. Il aura fallu attendre la quatri\u00e8me pour que l\u2019honneur de l\u2019esp\u00e8ce humaine (du moins au jeu de Go\u2026) soit un peu sauv\u00e9. Et la cinqui\u00e8me, pour constater l\u2019incroyable pugnacit\u00e9 de la machine, si l\u2019on peut s\u2019exprimer ainsi, qui a remont\u00e9 la pente apr\u00e8s, selon les experts, une erreur en d\u00e9but de partie.<\/p>\n

Il faut tout de suite rappeler ici deux choses. D\u2019abord que l\u2019algorithme d\u2019AlphaGo (sa m\u00e9thode de calcul) s\u2019\u00e9tait d\u00e9j\u00e0 av\u00e9r\u00e9e d\u2019une redoutable efficacit\u00e9, battant en octobre 2015 l\u2019actuel champion europ\u00e9en, Fan Hui<\/span><\/span><\/a><\/span>, par 5 victoires \u00e0 z\u00e9ro<\/span> et ne perdant qu\u2019une partie sur 500 contre les meilleurs programmes d\u00e9j\u00e0 sur le march\u00e9.<\/p>\n

Il faut aussi rappeler que le nombre de combinaisons possibles, \u00e0 ce jeu o\u00f9 l\u2019on doit occuper le plus d\u2019espace possible en d\u00e9limitant des territoires sur une grille de 19 par 19 lignes, est astronomique. Il est estim\u00e9 \u00e0 10 \u00e0 la puissance 170 (un suivi de 170 z\u00e9ros, plus que le nombre d\u2019atomes qu\u2019il y aurait dans l\u2019univers\u00a0!) contre 10 puissance 120 environ aux \u00e9checs. C\u2019est pourquoi l\u2019on dit que l\u2019intuition et la cr\u00e9ativit\u00e9 sont encore plus importantes au jeu de Go qu\u2019aux \u00e9checs.<\/p>\n

Malgr\u00e9 la puissance hallucinante de calcul des ordinateurs actuels que ce soit aux \u00e9checs ou au jeu de Go, les quelques heures allou\u00e9es pour chacune de ces parties rend impossible, m\u00eame aux machines, d\u2019explorer ces milliards de milliards de milliards, etc., de possibilit\u00e9s. Il faut donc restreindre les recherches pour trouver le meilleur coup \u00e0 chaque stade d\u2019une partie. Mais comment\u00a0?<\/p>\n

Voil\u00e0 o\u00f9 cela devient int\u00e9ressant dans un blogue sur le cerveau et pas seulement pour un joueur d\u2019\u00e9checs enfin soulag\u00e9 que ses camarades du jeu de Go ne puissent plus claironner la sup\u00e9riorit\u00e9 humaine de leur champion sur la machine (apr\u00e8s presque 20 ans, il \u00e9tait temps\u00a0!\u00a0;-)). Car selon le joueur professionnel Kim Seong-Ryong, AlphaGo ferait des coups \u00a0<\/span>\u00abextraordinairement inhabituels\u00bb. Un comportement qu\u2019on n\u2019associe pas habituellement \u00e0 un algorithme d\u2019optimisation des positions comme aux \u00e9checs, o\u00f9 le logiciel explore diff\u00e9rents coups en regardant leurs cons\u00e9quences possibles quelques coups plus tard et choisit celui qui lui procurera la position la plus avantageuse. Or ceci est tr\u00e8s difficile \u00e0 faire au jeu de Go car un coup peut avoir un impact subtil beaucoup plus loin sur la grille.<\/p>\n

C\u2019est pourquoi les concepteurs d\u2019AlphaGo se sont tourn\u00e9s vers des dispositifs \u00abd’apprentissage profond\u00bb (\u00ab\u00a0Deep learning\u00a0\u00bb, en anglais) une approche connexionniste<\/span><\/a><\/span>, c\u2019est-\u00e0-dire con\u00e7ue \u00e0 partir de couches de \u00ab neurones artificiels\u00a0\u00bb. Ceux-ci n\u2019ont rien \u00e0 voir avec les neurones r\u00e9els de notre cerveau puisqu\u2019ils sont simul\u00e9s dans un ordinateur. Mais la forme de ce qui est simul\u00e9e, elle, est tr\u00e8s proches des r\u00e9seaux que forment les neurones dans notre cerveau\u00a0: d\u2019innombrables points reli\u00e9s par d\u2019innombrables connexions dont l\u2019efficacit\u00e9 n\u2019est pas fixe mais variable.
\nIl s\u2019agit donc, pour le dire rapidement, moins d\u2019un logiciel que l\u2019on programme que d\u2019un logiciel capable d\u2019apprendre. Coupl\u00e9 \u00e0 la puissance de calcul des ordinateurs d\u2019aujourd\u2019hui et \u00e0 la disponibilit\u00e9 d’\u00e9normes bases de donn\u00e9es permettant au logiciel de \u00ab\u00a0s\u2019entra\u00eener\u00a0\u00bb, on voit un peu comment ces machines peuvent en arriver \u00e0 faire des coups \u00abextraordinairement inhabituels\u00bb.<\/p>\n

AlphaGo optimise en fait les r\u00e9sultats de ses capacit\u00e9s d\u2019apprentissage connexionnistes avec un algorithme plus classique capable de chercher une solution optimale dans une arborescence (\u00ab\u00a0Monte Carlo tree search\u00a0\u00bb, en anglais). Mais c\u2019est vraiment sa capacit\u00e9 d\u2019apprendre qui rend AlphaGo si efficace, le logiciel ayant par exemple \u00e9tudi\u00e9 30 millions de positions de parties d\u2019experts et ayant jou\u00e9 contre lui-m\u00eame par l\u2019entremise de 50 ordinateurs, lui permettant \u00e0 chaque fois de s\u2019am\u00e9liorer.<\/p>\n

Les r\u00e9seaux de neurones artificiels sont donc de plus en plus efficaces dans la reconnaissance de patterns et la prise de d\u00e9cision, leur force depuis leur introduction il y a quelques d\u00e9cennies. Mais c’est seulement aujourd\u2019hui qu’ils montrent r\u00e9ellement de dont ils sont capables dans de nombreux domaines gr\u00e2ce \u00e0 la puissance accrue des ordinateurs.<\/p>\n

On pense \u00e0 l\u2019analyse d\u2019images m\u00e9dicales pour faire des diagnostics ou m\u00eame en recherche fondamentale avec l\u2019exemple du projet EyeWire de Sebastian Seung<\/span><\/a><\/span> qui utilise d\u00e9j\u00e0 cette approche des r\u00e9seaux de neurones artificiels pour comprendre l\u2019architecture des\u2026 r\u00e9seaux de neurones r\u00e9els de notre r\u00e9tine<\/span><\/a><\/span> !<\/p>\n

M\u00eame un nouveau logiciel d\u2019\u00e9checs bas\u00e9 sur cette approche a r\u00e9ussi \u00e0 se hisser r\u00e9cemment en quelques jours d\u2019apprentissage \u00e0 niveau des 2-3% meilleurs joueurs de tournoi.<\/p>\n

Tout cela fait dire \u00e0 des observateurs de la sc\u00e8ne de l\u2019intelligence artificielle que l\u2019\u00e8re de la conception de logiciels pour gagner aux jeux de table est plus ou moins termin\u00e9e et qu\u2019on doit maintenant se tourner, gr\u00e2ce \u00e0 cette approche plus g\u00e9n\u00e9rale d\u2019apprentissage que procurent les r\u00e9seaux de neurones artificiels, vers justement des probl\u00e8mes plus g\u00e9n\u00e9raux o\u00f9 l\u2019intelligence humaine n\u2019a pas encore trop de comp\u00e9tition de la part des machines. Vont-elles bient\u00f4t nous d\u00e9passer ? C\u2019est l\u00e0 tout un d\u00e9bat o\u00f9 certaines personnes sont promptes \u00e0 s\u2019imaginer des robots apprenant \u00e0 se servir d\u2019armes \u00e0 feu pour prendre le contr\u00f4le du monde\u2026 Sans entrer dans ledit d\u00e9bat, terminons en citant simplement Richard Sutton, consid\u00e9r\u00e9 comme l\u2019un des p\u00e8res fondateurs des algorithmes d\u2019apprentissage par renforcement\u00a0:<\/p>\n

\u00ab\u00a0Je ne pense pas que les gens devraient \u00eatre effray\u00e9s\u2026 mais je crois n\u00e9anmoins qu\u2019ils devraient porter attention [\u00e0 ce qui se passe dans ce domaine].\u00a0\u00bb<\/p><\/blockquote>\n

C\u2019est un peu ce qu\u2019on a essay\u00e9 de faire aujourd\u2019hui\u2026<\/p>\n

\"a_lien\" Google AI algorithm masters ancient game of Go<\/span> <\/span><\/a>
\n\"i_lien\" Jeu de go: le champion du monde de nouveau battu par l’ordinateur de Google<\/span><\/a>
\n\"i_lien\" Google DeepMind’s AlphaGo computer beats top player Lee Sedol for third time to sweep competition<\/span><\/a>
\n\"i_lien\" Go champion Lee Se-dol strikes back to beat Google’s DeepMind AI for first time<\/span><\/a>
\n\"i_lien\" Google’s AlphaGo AI beats Lee Se-dol again to win Go series 4-1 <\/span><\/a>
\n\"i_lien\" In Just 72 Hours, a Computer Learned How to Beat Nearly Anyone at Chess<\/span><\/a>
\n\"a_lien\" Computer science: The learning machines<\/span> <\/span><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Le verdict final est tomb\u00e9 le 15 mars dernier\u00a0: apr\u00e8s le champion du monde des \u00e9checs Garry Kasparov battu en 1997 par l\u2019ordinateur d\u2019IBM Deep Blue, c\u2019est maintenant au tour d\u2019un des plus forts cerveaux humains au jeu de Go de perdre aux mains de la machine ! Le logiciel AlphaGo de la compagnie anglaise […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[653,212,50,654,655],"_links":{"self":[{"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/posts\/1235"}],"collection":[{"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/comments?post=1235"}],"version-history":[{"count":2,"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/posts\/1235\/revisions"}],"predecessor-version":[{"id":2281,"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/posts\/1235\/revisions\/2281"}],"wp:attachment":[{"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/media?parent=1235"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/categories?post=1235"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.blog-lecerveau.org\/avance\/wp-json\/wp\/v2\/tags?post=1235"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}