AlphaGo a vaincu Lee Sedol pour la troisième fois consécutive samedi, remportant un match en cinq parties contre l'un des meilleurs joueurs de go au monde et franchissant un seuil que de nombreux chercheurs en intelligence artificielle pensaient encore hors de portée.

Lee a abandonné après 176 coups à Séoul, offrant ainsi au programme développé par DeepMind (Google) une avance insurmontable de 3 à 0, à deux parties de la fin. Ce résultat dépasse le simple cadre d'une victoire informatique de plus à un jeu de plateau. L'immense nombre de positions possibles au go et son recours au jugement quant à la configuration, l'influence et l'équilibre à long terme ont résisté aux techniques de force brute qui ont triomphé aux échecs.

Reuters a rapporté depuis Séoul que cette victoire a surpris jusqu'aux concepteurs d'AlphaGo et a poussé Lee à présenter ses excuses pour ce qu'il a qualifié de performance impuissante. Le champion sud-coréen de 33 ans, détenteur de 18 titres internationaux, abordait la rencontre confiant que l'expérience et l'intuition humaines révéleraient les limites du logiciel.

Un plateau de go comporte 19 lignes sur 19, offrant 361 positions possibles pour le premier coup et une infinité de configurations ultérieures. Contrairement aux échecs, ce jeu ne propose pas de calcul simple du matériel pour évaluer l'avantage. Un groupe de pierres peut être actif, vulnérable, influent ou sacrifiable selon l'évolution de la situation sur le reste du plateau. Les joueurs confirmés qualifient souvent leurs choix d'intuitifs, car un calcul exhaustif est impossible.

Cela faisait du jeu de go un test particulièrement exigeant pour l'informatique. Les systèmes de jeu traditionnels explorent un arbre de coups possibles et évaluent les positions résultantes. Au go, cet arbre s'étend trop rapidement et les positions sont trop difficiles à évaluer avec précision. Les programmes s'étaient améliorés grâce aux méthodes de Monte-Carlo — en explorant de nombreuses suites possibles — mais jusqu'à récemment, ils ne pouvaient vaincre les meilleurs professionnels sans handicap.

AlphaGo combine recherche et jugement acquis. Le système décrit dans l'article de DeepMind paru en janvier dans la revue Nature utilise un « réseau de politiques » pour sélectionner les coups prometteurs et un « réseau de valeurs » pour estimer la probabilité de gagner à partir d'une position donnée. Ces réseaux restreignent la recherche, permettant au programme de concentrer ses efforts de calcul sur les coups que l'expérience lui a appris être plausibles.

L'expérience s'est déroulée en deux étapes. AlphaGo a d'abord appris des schémas à partir de parties enregistrées de joueurs humains de haut niveau. Il a ensuite joué des millions de parties contre des versions de lui-même, utilisant l'apprentissage par renforcement pour s'améliorer grâce à ses victoires et ses défaites. Cette méthode lui permet de découvrir des stratégies efficaces même lorsqu'elles ne ressemblent pas au jeu professionnel conventionnel.

Trois jeux viennent étayer les preuves

La première partie a démontré qu'AlphaGo pouvait résister à la pression d'un match en direct contre un champion 9-dan. Lee a abandonné après environ trois heures et demie. Le reportage de Reuters sur le match d'ouverture de mercredi indiquait que Lee détenait les pierres noires et que des dizaines de milliers de personnes avaient suivi la retransmission en direct sur Internet tandis que la machine trouvait des réponses précises à répétition.

La deuxième partie fut plus déstabilisante pour les professionnels, car AlphaGo produisit des coups qui, de prime abord, semblaient douteux, mais qui se révélèrent par la suite redoutables. Un coup d'épaule en début de partie, joué sur la cinquième ligne, surprit les commentateurs habitués aux principes d'ouverture établis. L'analyse de Wired sur cette deuxième partie qualifia le jeu du programme de créatif plutôt que simplement précis, une distinction importante pour un système souvent présenté comme une simple calculatrice.

La troisième partie de samedi a mis en évidence une autre faiblesse. Lee a cherché à complexifier les choses et a initié un combat de ko, une bataille tactique récurrente où les joueurs doivent répondre aux menaces ailleurs sur l'échiquier. De telles positions exigent une vision globale et peuvent générer de longues séquences ramifiées. AlphaGo a gardé le contrôle, a simplifié là où c'était avantageux et a forcé Lee à abandonner.

L' article de Wired sur la partie décisive soulignait que le programme n'avait pas seulement survécu à la complexité tactique ; il l'avait gérée tout en conservant une position globale favorable. Cette performance fragilise la théorie selon laquelle un champion humain pourrait vaincre le système en semant le chaos dans le jeu.

L'intuition des machines est statistique, mais reste puissante

Qualifier AlphaGo d'intuitif ne signifie pas qu'il pense ou perçoit le jeu comme un humain. Ses réseaux encodent des relations statistiques entre les positions sur le plateau, les coups et leurs résultats. Il n'accorde aucune signification culturelle au Go, ne ressent aucune pression de la part d'un adversaire et ne comprend pas pourquoi les spectateurs considèrent un coup comme esthétique.

Pourtant, cette distinction ne diminue en rien l'importance de ses décisions. L'expertise humaine repose elle aussi sur la reconnaissance de schémas acquise par l'expérience répétée, bien qu'elle soit intégrée au langage, aux émotions, à l'expérience vécue et au raisonnement conscient. AlphaGo démontre qu'un système plus restreint peut reproduire une partie cruciale du jugement d'un expert avec une précision suffisante pour surpasser un maître dans un domaine où les règles explicites ne définissent pas de stratégie optimale.

Le compte rendu de match publié par Google avant le début de la compétition présentait cette dernière comme le défi ultime pour un programme ayant déjà battu le champion d'Europe Fan Hui cinq parties à zéro. Lee représentait un niveau bien supérieur. Remporter les trois premières parties prouve donc que la méthode est applicable à des adversaires plus variés que celui utilisé pour valider la recherche initiale.

L'objectif du système diffère subtilement du désir humain de dominer l'échiquier. AlphaGo choisit des coups qui maximisent sa probabilité de victoire estimée, et non l'ampleur de son avantage final. Un coup prudent, préservant un avantage certes faible mais sûr, peut être préférable à un coup agressif offrant plus de points, mais avec un risque accru. De ce fait, son jeu peut paraître conservateur à un instant et étonnamment original l'instant d'après.

Des jeux à l'apprentissage général

DeepMind affirme que les techniques sous-jacentes à AlphaGo permettent de résoudre des problèmes où les décisions pertinentes ne peuvent être entièrement programmées à l'avance. Les réseaux neuronaux prennent déjà en charge la reconnaissance vocale, la classification d'images et les systèmes de recommandation. L'apprentissage par renforcement offre aux logiciels la possibilité de s'améliorer grâce au retour d'information, plutôt que de se fier uniquement à des exemples étiquetés.

Le jeu de go demeure un environnement délimité : les règles sont claires, chaque coup est visible et le succès se définit par la victoire. Le diagnostic médical, la robotique, la gestion de l’énergie et la recherche scientifique comportent des données incertaines, des objectifs évolutifs et des conséquences qui ne peuvent être réduites à un score. AlphaGo ne prouve pas qu’un système puisse être directement transposé du goban à ces tâches.

Cela montre toutefois qu'une combinaison de représentations apprises, d'expérience simulée et de recherche sélective peut résoudre un problème que l'on croyait autrefois relever exclusivement de l'intuition humaine. L'article du Guardian après la première partie a immédiatement établi une comparaison historique avec Deep Blue d'IBM, mais l'avancée technique est ici différente : AlphaGo s'appuie moins sur l'énumération des possibilités que sur l'apprentissage des possibilités pertinentes.

Il reste deux parties, et Lee a déclaré vouloir remporter au moins une victoire. Leur issue pourrait révéler des failles dans le programme ou d'autres exemples de stratégies inédites. Le résultat principal est déjà acquis : une machine a vaincu un humain d'élite dans une compétition d'une complexité extrême, et ce, non pas par hasard, mais à trois reprises.