AlphaGo, le jour où l’intelligence artificielle a dépassé le meilleur humain

Rédigé le 31 mai 2017 par | Nouvelles technologies Imprimer

La semaine dernière a vu l’intelligence artificielle (IA) se hisser à un niveau jamais vu. Le programme AlphaGo, développé par Google DeepMind, a battu le meilleur joueur du monde au jeu de go, le Chinois Ke Jie.

N’y voyez pas là une étape anecdotique, signe que les ingénieurs sont en mal d’idées auxquelles appliquer leur talent. Cette victoire est symbolique car le jeu de go est un des jeux les plus complexes qui existe. Il a, à l’instar de la traduction automatisée, longtemps représenté un horizon inaccessible pour l’IA.

Savoir que les machines sont désormais capables de battre les humains sur le terrain de l’abstraction et de l’anticipation est le signe que l’IA progresse vite – plus vite que les spécialistes ne l’espéraient il y encore quelques années.

La fin de la méthode brutale

Nous avions évoqué, en janvier, les domaines de prédilection de l’intelligence artificielle. La particularité des applications actuelles de l’IA est d’être fondée sur la méthode historique de traitement des problèmes : la force brute.

Les premiers algorithmes d’IA s’appuyaient sur ce qui fait l’intérêt des ordinateurs : leur rapidité et leur capacité à exécuter des opérations prévues à l’avance des milliards de fois par seconde.

Lorsqu’il s’agit de gérer du trafic ferroviaire ou trouver une information au milieu d’une gigantesque base de données, évaluer bêtement – et rapidement – toutes les possibilités est souvent plus efficace que d’utiliser le cerveau humain malgré son intelligence.

C’est d’ailleurs avec cette méthode que l’ordinateur Deep Blue d’IBM a battu le champion du monde d’échecs Gary Kasparov en 1997. Cette victoire avait marqué, à l’époque, un premier jalon : l’ordinateur bête et bien programmé s’avérait plus efficace que l’homme, même pour jouer aux échecs.

Le talent et l’expérience de Kasparov ne pouvaient rien face aux milliers de parties analysées par l’ordinateur. A chaque coup joué, Deep Blue pouvait évaluer l’état du plateau de jeu et anticiper les meilleurs déplacements à jouer. Avec plus de 700 000 parties mémorisées, il avait au préalable établi ses priorités pour augmenter les chances de victoire. Une intelligence toute relative, certes, mais néanmoins efficace lorsqu’exécutée par un super-calculateur capable de simuler 200 millions de coups par seconde.

Ce type d’algorithme, suffisant pour battre les meilleurs humains aux échecs, était toutefois perdant face aux joueurs de go — même peu expérimentés.

La raison ? La complexité incomparable du jeu de go par rapport au jeu d’échecs. Envisager toutes les variables possibles à chaque coup joué est impossible. Malgré l’augmentation exponentielle des capacités de calcul qui avait encore cours dans les années 2000, personne n’imaginait pouvoir appliquer avec succès la force brute pour dépasser l’inventivité humaine.

Le salut est venu des progrès des algorithmes de machine learning (apprentissage automatique). Aujourd’hui, les ordinateurs ne se contentent plus de mémoriser et d’analyser les données : ils fabriquent des modèles internes qu’ils appliquent aux situations nouvelles.

L’aspect étrange des algorithmes d’apprentissage actuels est qu’ils n’utilisent pas nécessairement les mêmes critères de décision que les humains. Les informaticiens ne cherchent plus à reproduire le processus décisionnel de notre cerveau en plus rapide ; ils laissent à l’ordinateur la possibilité d’établir ses propres règles.

Depuis que les algorithmes d’intelligence artificielle sont écrits de cette manière, leurs progrès ne sont plus limités par la puissance des puces électroniques qui les exécutent.

Un super-calculateur DeepBlue construit sur l’état de l’art actuel de la micro-électronique n’aurait pu battre le Chinois Ke Jie. C’est le passage du muscle (le microprocesseur) au cerveau (l’algorithme) qui a permis à AlphaGo de réaliser l’impossible.

AlphaGo : ce génie incompris

Maintenant que les ordinateurs ont la possibilité de prendre leurs décisions en fonction de critères qui leur sont propres, leur comportement n’est plus une simple synthèse du meilleur dont les humains sont capables. Il s’agit d’une logique à part entière ; elle peut même nous sembler incompréhensible.

Vous vous en doutez, les parties jouées par AlphaGo contre ses adversaires humains sont scrutées en temps réel par une armée d’experts. Auparavant, les meilleurs joueurs s’extasiaient lorsqu’un ordinateur sortait de son chapeau un coup « bien pensé ». Il était fréquent de s’extasier devant la répartie d’un algorithme comme on peut être admiratif devant la puissance d’une machine.

La dernière partie jouée par AlphaGo a été un peu différente. Certains coups joués par le programme ont pris les analystes de court. A plusieurs reprises, l’ordinateur a joué en dépit de tout bon sens… ce qui ne l’a pas empêché de gagner.

AlphaGo s’est en fait appuyé sur une toute nouvelle logique, aujourd’hui inconnue des joueurs de go et incompréhensible dans le feu de l’action.

Avec une victoire 3-0, sa supériorité est incontestable. Les Hommes vont désormais pouvoir étudier à tête reposée ces nouvelles méthodes de jeu et, chose nouvelle, apprendre de l’ordinateur.

Le début d’une nouvelle ère de l’IA

La victoire des algorithmes au go ouvre de nouvelles perspectives. L’intelligence artificielle pourrait bien être applicable à des problèmes bien plus complexes que nous le pensions – et ce bien plus tôt que prévu.

Nous avons déjà parlé in extenso des voitures autonomes et de leurs besoins en IA. Les algorithmes actuels se montrent déjà, dans certaines conditions, plus performants que les êtres humains sur les tâches de reconnaissance d’obstacles et de conduite.

Avec les progrès en machine learning, il n’est pas interdit d’espérer que les voitures autonomes finissent par être très supérieures à leurs concepteurs en termes de fiabilité et de sécurité. La question des accidents pourrait devenir un vieux souvenir et le fait de prendre le volant un dangereux anachronisme.

La nouvelle de la victoire d’AlphaGo coïncide, hasard de calendrier, avec une note de Bloomberg qui annonce qu’Apple travaillerait, en secret, à l’élaboration d’une puce électronique dédiée à l’intelligence artificielle.

Ce co-processeur, au nom évocateur d’Apple Neural Engine, permettrait d’ajouter à tous les objets du quotidien la capacité d’effectuer des tâches spécifiques à l’IA pour un surcoût dérisoire.

La connectivité à Internet est devenue commune dans tous les produits électroniques ; l’intelligence artificielle pourrait suivre le même chemin. Elle ne serait plus l’apanage des grandes firmes et des laboratoires de recherche, mais pourrait être intégrée aux produits les plus ordinaires.

Les implications, notamment en termes de sécurité, seraient immenses. Les ordinateurs, téléphones, voitures et la plus banale des serrures pourraient reconnaitre sans ambiguïté un utilisateur qui se présente à eux.

Nous aurons bien sûr l’occasion de revenir sur le sujet si cette puce voit effectivement le jour. D’ici-là, savourons ce moment où chercheurs et ingénieurs ont, une fois de plus, réalisé ce que tous les spécialistes qualifiaient d’impossible il y a 20 ans seulement… D’autant que cet événement restera une parenthèse dans l’histoire des progrès de la technologie : Google DeepMind a d’ores et déjà annoncé la retraite d’AlphaGo pour se consacrer à de nouveaux défis.

Une manière élégante de nous rappeler que le meilleur reste à venir en intelligence artificielle. [NDLR : Intelligence artificielle, puces nouvelle génération, nouveaux standards de connexion à Internet ou encore cyber-sécurité… si vous suivez les recommandations de nos spécialistes des nouvelles technologies, vous avez en portefeuille les valeurs les plus prometteuses pour profiter des grandes tendances technologiques. Pour les découvrir, c’est dans NewTech Insider…]

Mots clé : - - -

Etienne Henri
Etienne Henri
Il sélectionne les dossiers d’investissement en financement participatif du service Profits Réels.

Etienne Henri est titulaire d’un diplôme d’Ingénieur des Mines. Il débute sa carrière dans la recherche et développement pour l’industrie pétrolière, puis l’électronique grand public. Aujourd’hui dirigeant d’entreprise dans le secteur high-tech, il analyse de l’intérieur les opportunités d’investissement offertes par les entreprises innovantes et les grandes tendances du marché des nouvelles technologies.

Laissez un commentaire