AlphaGo a remporté mardi une victoire 4 à 1 contre Lee Sedol, se remettant d'une erreur en début de partie finale et battant l'un des meilleurs joueurs de go au monde dans un match qui a démontré à la fois la portée de l'apprentissage automatique moderne et l'intérêt de le confronter à un adversaire humain inventif.
Le programme développé par DeepMind, une filiale de Google, avait remporté la série en gagnant les trois premières parties. Lee a ensuite réalisé une performance extraordinaire lors de la quatrième partie, forçant AlphaGo à commettre une série d'erreurs avant que la machine ne revienne en force pour remporter une cinquième rencontre haletante. Ce résultat est plus révélateur qu'une victoire écrasante : AlphaGo a démontré sa domination sur diverses positions, mais n'est pas invincible.
Reuters a rapporté que le score final faisait suite à une cinquième partie où Lee a profité d'une erreur en début de partie avant qu'AlphaGo ne reprenne l'avantage. Les cinq parties se sont déroulées à Séoul dans des conditions professionnelles, avec un prix d'un million de dollars et une retransmission en direct dans le monde entier.
Quatre victoires témoignent de bien plus qu'une simple force tactique
Le jeu de go est depuis longtemps considéré comme un domaine d'exploration pour l'intelligence artificielle, car il résiste aux calculs exhaustifs. Son plateau de 19 cases sur 19 offre bien plus de séquences de coups plausibles que même les ordinateurs les plus puissants ne peuvent en énumérer, et l'évaluation d'une position exige un jugement sur l'influence, le territoire, la vie et la mort, qui ne se réduit pas à un simple décompte des pièces.
AlphaGo surmonte ces contraintes en apprenant quelles positions et quels coups méritent d'être considérés. L'architecture décrite dans l'article de recherche de DeepMind publié dans Nature combine des réseaux de politiques, qui classent les coups prometteurs, avec un réseau de valeurs qui estime la probabilité qu'une position mène à une victoire. La recherche arborescente Monte Carlo examine ensuite des variantes sélectionnées plutôt que de tenter de tout calculer.
Les réseaux ont d'abord appris à partir de parties jouées par des experts humains, puis se sont perfectionnés grâce à une pratique répétée en auto-apprentissage. Cette seconde étape est cruciale car le logiciel ne se contente pas d'imiter les conventions. Il peut découvrir des coups rarement choisis par les professionnels, évaluer leurs conséquences grâce à l'expérience simulée et retenir les stratégies qui augmentent les chances de victoire.
Le match a démontré l'efficacité de la méthode dans différents contextes. AlphaGo a remporté des parties stratégiques calmes, a su gérer des complications tactiques et, en finale, a remonté un handicap. Le rapport de Nature sur la série complète considère le score de 4 à 1 comme la confirmation que la victoire précédente contre le champion d'Europe Fan Hui ne représentait pas la limite des capacités du système.
La quatrième victoire de Lee devient un événement révélateur
Après trois défaites, Lee remporta la quatrième partie dimanche avec les blancs. Son coup 78 — un coup en coin au centre de la position d'AlphaGo — surprit d'abord les commentateurs et semble avoir perturbé l'évaluation du programme. AlphaGo réagit mal, aggravant le problème, et finit par abandonner.
Le compte rendu du magazine Time sur la victoire de Lee décrivait ce triomphe comme une revanche pour un champion qui, abordant la rencontre avec la certitude d'une victoire facile, s'était retrouvé confronté à un jeu plus difficile et plus étrange que prévu. Pour les chercheurs, l'enjeu réside moins dans la restitution d'un score humain que dans la découverte du point de rupture du jugement acquis par le système.
Les systèmes d'apprentissage automatique peuvent dysfonctionner différemment des logiciels classiques. Un programme codé manuellement se comporte généralement mal à cause d'une règle ou d'une implémentation erronée. Un réseau neuronal peut exceller sur des distributions d'exemples familières, puis se tromper face à un schéma inhabituel. Sa représentation interne étant répartie sur de nombreux paramètres appris, il est difficile de déterminer la cause précise d'une erreur.
Le coup de Lee semble avoir créé ce genre de surprise. Une fois la position d'AlphaGo dégradée, ses choix ultérieurs ont paru incohérents aux yeux des professionnels, suggérant que les estimations de valeur qui guidaient sa recherche étaient devenues peu fiables. L'analyse de la quatrième partie par Wired a noté que la machine a commis une série d'erreurs après le coup inattendu, offrant la preuve la plus flagrante du match qu'un jeu créatif pouvait la déstabiliser et la pousser à sortir de son jugement habituel.
Le match final met à l'épreuve la récupération
La rencontre de mardi a apporté un éclairage complémentaire. AlphaGo a commis une erreur notable en début de partie et s'est retrouvé en difficulté, mais il n'a pas craqué. Il a consolidé son influence au centre, s'est défendu contre les attaques de Lee et a progressivement repris le dessus jusqu'à l'abandon de ce dernier après environ cinq heures de jeu.
L' article de Wired sur la partie finale a mis l'accent sur la remontée spectaculaire. Un système entraîné à maximiser ses chances de victoire n'a pas besoin de jouer sans faute ; il doit simplement trouver une solution à partir de la position à laquelle il se trouve. Le fait de réussir à remonter la pente face à un adversaire de haut niveau suggère que la force d'AlphaGo ne se limite pas à l'exécution de schémas prédéfinis à partir d'un avantage initial.
Parallèlement, il ne faut pas confondre ce résultat avec une adaptation au cours du match, au sens humain du terme. DeepMind n'a pas réentraîné AlphaGo entre les parties pour intégrer les observations de Lee. La version utilisée mardi était fondamentalement la même. Lee, en revanche, a analysé les tendances du programme, modifié son approche et demandé à jouer les Noirs lors de la finale, car il considérait cela comme l'épreuve la plus difficile.
Le compte rendu final du Guardian décrivait la courte victoire après l'excellent début de partie de Lee. Cette partie serrée confirme un point plus général : sur cinq rencontres, AlphaGo s'est avéré nettement supérieur, mais chaque partie restait sensible à la nouveauté, aux erreurs et aux choix stratégiques.
Ce qui se transpose au-delà du plateau
Les techniques sous-jacentes à AlphaGo présentent un potentiel considérable pour la prise de décisions impliquant de vastes espaces de recherche et des schémas trop complexes pour être spécifiés manuellement. Les réseaux neuronaux contribuent déjà à la reconnaissance vocale et visuelle. L'apprentissage par renforcement pourrait enrichir la robotique, la gestion des ressources et la découverte scientifique en permettant aux systèmes de s'améliorer grâce à un retour d'information structuré.
Mais le jeu de go offre un environnement d'une clarté exceptionnelle. Chaque action légale est définie, toutes les informations pertinentes sur le plateau sont visibles et le succès se mesure sans ambiguïté. Les systèmes réels doivent gérer les données manquantes, les objectifs contradictoires, les valeurs humaines et l'évolution des conditions. Une recommandation médicale ou une machine autonome ne peut se contenter d'explorer les erreurs à travers des millions d'essais d'auto-apprentissage sans conséquence.
de Google concernant ce défi présente la compétition comme une démonstration de la capacité des systèmes d'apprentissage à résoudre un problème qui exigeait autrefois l'intuition humaine. Les parties confirment cette affirmation, mais elles montrent également pourquoi les tests doivent inclure des conditions adverses et inhabituelles. Des performances moyennes peuvent masquer des faiblesses que seul un adversaire créatif peut déceler.
Lee a rendu exactement ce service. Sa victoire, bien qu'unique, ne diminue en rien le score de 4 à 1 ; elle enrichit scientifiquement cette performance. AlphaGo a démontré une capacité de jugement stratégique supérieure à celle des programmes de jeu précédents, tandis que la quatrième partie a mis en lumière une faille que ses concepteurs peuvent analyser au lieu de se contenter de spéculer.
Le match ne se termine donc pas par une simple confrontation entre l'intelligence humaine et le calcul machine. AlphaGo a appris des parties humaines, s'est perfectionné grâce à l'auto-apprentissage et a produit des coups qui ont révélé de nouvelles possibilités aux professionnels. Lee s'est adapté à la machine et a découvert une faiblesse qu'elle ignorait. L'héritage le plus fructueux réside peut-être dans cet échange : des systèmes d'apprentissage puissants mis au défi par des personnes capables de les surprendre.