Martin LessardLes questions à se poser après la victoire d’AlphaGo sur les humains

Par

 publié le 15 mars 2016 à 15 h 10

Cette nuit, Lee Sedol, le champion du monde du jeu de go, a perdu à Séoul sa dernière partie contre AlphaGo, l’intelligence artificielle de Google.

alphago4sedol1

Alphago 4; Lee Sedol 1

Dans une série de cinq parties, une seule a été gagnée par Lee Sedol. Dimanche, il a gagné le quatrième match, mais a perdu toutes les autres parties.

Cette victoire n’est pas sans soulever quelques questions.

Pourquoi cette supériorité de l’intelligence artificielle au jeu de go est-elle un événement si important?

Le jeu de go est une étape importante pour l’intelligence artificielle.

Le jeu go est moins connu du grand public, mais c’est un jeu très populaire en Asie. De nombreux experts pensaient qu’un programme n’arriverait jamais à battre un champion du monde avant quelques années encore. Cette victoire si rapide est une surprise.

Le problème avec le jeu de go, c’est son plateau, qu’on appelle le goban. Le goban est une grille de 19 lignes par 19 lignes. À l’intersection de ces lignes, on place des pièces, qu’on appelle des pierres.

Il y a 361 positions possibles au départ. Et quand on place une pierre, il reste 360 positions possibles, puis 359, et ainsi de suite à mesure que l’on place des pierres. Si la machine doit chercher toutes les combinaisons de position pour gagner (ce qu’on appelle un arbre de décision), le nombre de configurations est astronomique. C’est bien plus que le nombre d’atomes dans l’Univers!

Le programme d’AlphaGo de DeepMind (filiale de Google) est capable d’apprendre à sélectionner correctement les « branches » de l’arbre de décision pour concentrer sa recherche sur celles qui offrent les meilleures chances de succès.

Les ordinateurs d’aujourd’hui sont-ils assez puissants pour calculer toutes les possibilités?

Au jeu de go, il n’est pas possible de calculer toutes les possibilités dans un temps raisonnable. Le programme doit faire des choix.

Au jeu d’échecs, la machine est capable de calculer toutes les combinaisons jusqu’à la victoire simplement à partir de la valeur d’une pièce et de sa position.

Pour le jeu de go, c’est impossible. Non seulement la grille du go offre 361 positions (contre 64 pour les échecs), mais la valeur de la position pour une pierre sur le goban change tout le long de la partie.

Le jeu de go demande de la stratégie et de l’intuition. La puissance du calcul brut n’est pas suffisante.

Doit-on s’inquiéter que l’intelligence artificielle soit « capable d’avoir une pensée stratégique et de l’intuition »?

C’est le grand malentendu avec l’intelligence artificielle d’aujourd’hui. Il y a eu beaucoup de commentaires sur les médias sociaux et dans les médias sur le fait que l’humanité serait condamnée.

terminator

Bien sûr, c’est très dur pour l’ego humain, mais on est loin d’un coup d’État de robots à la Terminator.

Ce que la victoire d’AlphaGo signifie, c’est que l’équipe de DeepMind a trouvé le moyen de simuler la stratégie et l’intuition de façon efficace avec ses algorithmes.

L’équipe a dû nourrir AlphaGo de millions de parties pour que le système devienne bon. Les humains sont plus efficaces pour apprendre le fonctionnement du jeu.

Mais ce qui suscite la crainte, c’est que le système apprend tout seul, et il le fait très vite.

Doit-on s’inquiéter de cette faculté du système à apprendre par lui-même?

Le jeu de go est un jeu avec un nombre de combinaisons incroyables, mais c’est un nombre de combinaisons fini.

Dans la vraie vie, le nombre de possibilités pour une situation de tous les jours est plutôt infini. Un système ne peut pas apprendre à tout faire. AlphaGo est spécialisé en go, et c’est tout.

Go est un environnement stable et fermé. La vie en société est tout de même plus compliquée, et les possibilités, plus ouvertes.

Ce que la victoire d’AlphaGo a surtout démontré, c’est que les techniques d’apprentissage automatique et les systèmes de « réseaux neuronaux profonds » (qui sont à la base de l’intelligence artificielle aujourd’hui et d’AlphaGo en particulier) permettent de spécialiser très rapidement un système dans un domaine particulier. AlphaGo a réussi à devenir un champion du monde en deux ans, rappelons-le.

Quelle est la réelle limite de cet apprentissage de la machine? Les spécialistes pensent que l’on est encore très loin de la sophistication du cerveau humain.

Dans quel autre domaine pourrait-on voir cette intelligence artificielle être appliquée?

L’intelligence artificielle basée sur l’apprentissage en représentation profonde est déjà utilisée pour identifier des visages sur des photos ou reconnaître les voix pour les commandes vocales sur nos téléphones.

Les constructeurs d’AlphaGo ont indiqué, après le match de cette nuit, qu’un des domaines où leur outil pourrait servir est celui de la santé. C’est un domaine très complexe qui demande de passer à travers de nombreux dossiers pour devenir expert. Ce qui prend des centaines d’heures.

L’intelligence artificielle pourrait arriver au même résultat en traversant des millions de dossiers en moins de temps.

Peut-on penser que l’intelligence artificielle deviendrait plus performante que les médecins, par exemple?

Ça reste à voir. Un médecin est toujours celui qui est capable de poser le bon diagnostic.

Par contre, l’intelligence artificielle pourrait devenir, à terme, un très bon outil d’aide à la décision. Elle deviendra sans doute une bonne généraliste, mais elle ne pourra probablement pas gérer des cas spécifiques plus compliqués.

Si la puissance des ordinateurs augmente, est-ce qu’on peut penser que l’intelligence artificielle sera capable de faire plus un jour?

Les spécialistes s’entendent pour dire que ce n’est plus une question de puissance de calcul. La puissance des ordinateurs pourrait doubler que l’intelligence artificielle ne serait pas deux fois plus grande.

Les « réseaux neuronaux artificiels » sont très puissants pour traiter l’information. Avec le succès d’AlphaGo, on sait que cette approche fonctionne pour des prises de décision qu’on associe à la pensée stratégique. De véritables assistants virtuels pourraient émerger de ces recherches.

Des scientifiques qui étudient les changements climatiques ou l’astronomie seront bien contents d’avoir ce type d’assistants à leurs côtés. Partout où il y a beaucoup de données à analyser, l’intelligence artificielle sera très appréciée (gestion, finance, publicité, etc.). Et ça, ça va arriver très vite.

À mon avis, voici ce qu’il faut retenir de la victoire d’AlphaGo sur les humains aujourd’hui : la montée prochaine des assistants virtuels intelligents dans les milieux de travail. Et certaines personnes devront céder leur place…

À lire sur Triplex:

Robotique