Culture

Un ordinateur a déjà atteint le top 2,2% des échecs en apprenant seul le jeu en trois jours

Plus qu'une vaste gamme de coups possibles, Giraffe a appris à réagir aux positionnements qu'affectionnent les joueurs humains.

<a href="https://www.flickr.com/photos/tillwe/15509555420/in/photolist-pCwwtW-pURHsF-hWQv4r-8qD7bf-5FdG8R-8fPbKr-5Rsuza-94KyGN-8vD11D-4GDJaC-7mfiJS-9qUjp8-s7Xod5-8xwuvZ-k8szWA-88mHuu-4nsdPv-9spgod-dUuHvt-5CvJXv-dR1BCm-9vU4Gd-6grhGA-9Xcgkk-dU6mRR-fook3-7qcGHv-8xzvVU-3fjQ3N-smQAKi-ad6sv-6Xtbhv-cpLKpJ-oUBBxZ-5EDyv-prDDXf-8dD5Pv-gCoiTv-pRuiMS-981bmq-wPBjUe-bneu6u-jwZe2r-698CM2-rqPbfi-7bMvRp-73vSR8-7zFMp8-amaSd2-7syKV6">Chess III</a> Till Westermayer via Flickr CC <a href="https://creativecommons.org/licenses/by/2.0/deed.fr">License by</a>
Chess III Till Westermayer via Flickr CC License by

Temps de lecture: 2 minutes - Repéré sur MIT Technology Review, Fusion, The Independent, Popular Mechanics

Il avait fallu plusieurs années pour que des ingénieurs parviennent à créer Deep Blue et que l'ordinateur batte finalement Kasparov en mai 1997. 

Pourtant, comme le note la MIT Technology Review, alors que Deep Blue pouvait envisager jusqu'à 200 millions de positions par seconde, «Kasparov n'en cherchait probablement pas plus de cinq par secondes. Et pourtant, ils jouaient au même niveau. Clairement, les humains ont un tour dans leur sac, que les ordinateurs n'ont pas encore.»

Mais aujourd'hui, raconte Fusion, «une nouvelle machine du nom de "Giraffe" a appris les échecs en l'espace de trois jours et est assez bonne pour battre 98% des joueurs d'échec participant à des tournois internationaux».

Apprentissage par l'exemple

En fait, résume la MIT Technology Review, «au niveau humain, il a atteint l'équivalent de maître FIDE, ce qui le place dans le top 2,2% des joueurs d'échecs».

Giraffe a été construit par un étudiant, Matthew Lai, et «a réussi à s'apprendre tout seul les échecs», poursuit The Independent.

«Lors des deux dernières décennies, les ordinateurs sont devenus plus puissants de façon exponentielle, mais la méthode de "force brute" qui consiste à évaluer 200 millions de coups possibles par seconde employée par Deep Blue était encore la norme. Au lieu de cela, Matthew Lai a entraîné un "réseau de neurones" en utilisant des situations d'exemple qui provenaient de vraies parties d'échecs. Plutôt que chercher parmi tous les coups possibles et de calculer le meilleur, Giraffe a été programmé pour apprendre le jeu d'une façon similaire aux humains, à un rythme beaucoup plus soutenu.»

Interrogé par la MIT Technology Review, Matthew Lai explique que grâce à cela, «Giraffe» est capable de jouer «extraordinairement bien», particulièrement au début et à la fin des parties.

«Contrairement à la plupart des machines qui existent aujourd'hui, "Giraffe" tient sa force non pas de sa capacité à voir le jeu sur plusieurs coups, mais de sa capacité à évaluer des positions pièges de façon assez juste et de sa compréhension des concepts de positionnement compliqués qui sont intuitifs chez les humains, mais qui ont échappé aux machines depuis un long moment.»

Démontrer le pouvoir de la machine

Si elle n'a pas encore atteint le meilleur des niveaux, la machine de Matthew Lai pourrait cependant atteindre assez vite le niveau des grands maîtres «ce qui ne devrait pas être trop difficile», explique-t-il à Popular Mechanics.

Le pire étant que, comme le raconte The Independent, «Giraffe n'a pas été construite pour devenir la meilleure machine d'échecs, mais pour démontrer le pouvoir potentiel d'auto-apprentissage des ordinateurs.»

Fusion indique ainsi qu'apprendre «à un ordinateur à s'auto-apprendre à jouer aux échecs pourrait mener vers d'autres types de logiciels qui résoudraient des problèmes tout seul».

En savoir plus
cover
-
/
cover

Liste de lecture