De ce que j’ai pu entendre, la puissance de calcul utilisée est plutôt inférieure à ce que je croyais et pas tellement supérieure à celle d’octobre. Hors de portée d’un simple particulier quand même et difficile à atteindre sur la durée pour un chercheur d’un labo public.
Effectivement, Lee Sedol à joué dans le fuseki (début de partie) un coup inhabituel. C’est une stratégie classique contre les programmes qu’avait expérimentée avec succès G.KASPAROV dans son match finalement perdu contre DeepBlue d’IBM en 1997.
Ce qui m’a surpris dans cette partie, c’est que Lee Sedol a emmené AlphaGo sur son terrain favori : le combat. En effet, AlphaGo avait facilement battu Fan sur des partie plus académiques (moins chaotiques). Franchement, je sais pas comment Lee va s’y prendre pour battre l’ordinateur maintenant.
Mon analyse c’est que Lee Se-dol a fait quelques erreurs qu’il pensait mineures au début de la partie (chose qu’il reconnait) et qu’ensuite la machine a très bien verrouillé la situation. Chose normale pour un programme de ce type qui ne cherche pas à maximiser son avantage s’il estime qu’il est réel.
Le problème est que Lee ne voit pas trop comment pousser le programme à l’erreur car il ne subit pas la pression.
déjà 2-0 pour alphago 
Alphago vient juste de gagner la deuxième partie. Ouch, sale temps pour les humains…
Karis dit :Alphago vient juste de gagner la deuxième partie. Ouch, sale temps pour les humains...
Cher Monsieur,
D'autant qu'on sait tous comment cela se termine, les machines finissent toujours par nous faire la guerre... :)
Bien à vous
Monsieur Phal
Monsieur Phal dit :Karis dit :Alphago vient juste de gagner la deuxième partie. Ouch, sale temps pour les humains...Cher Monsieur,
D'autant qu'on sait tous comment cela se termine, les machines finissent toujours par nous faire la guerre... :)
Bien à vous
Monsieur Phal
Il nous reste la bicyclette; le nez au vent, la morve qui coule et les doigts gelés ...
Débrancher la prise, aussi : “dans ton c*l, l’ordinateur, haha, tu fais moins le malin !” 
Monsieur Phal dit :Karis dit :Alphago vient juste de gagner la deuxième partie. Ouch, sale temps pour les humains...Cher Monsieur,
D'autant qu'on sait tous comment cela se termine, les machines finissent toujours par nous faire la guerre... :)
Bien à vous
Monsieur Phal
Moi qui croyait qu'on avait passé la date fatidique pour Skynet ;)
Plus sérieusement cela fait écho aux remarques alarmistes de gens assez sérieux comme Stephen Hawking qui s'inquiètent de la montée en puissance des machines. J'ai beau être un grand fan de Ghost in the Shell, le Deep Learning, c'est un peu inquiétant...
Il ne faut pas tout mélanger. Hawking est très compétent dans son domaine, mais raconte un peu n’importe quoi en dehors.
Classiquement on programme en donnant des spécifications sur les traitement à effectuer. Cela vient avec une garantie que l’algo fait bien ce qu’il est prévu pour faire (trier, compter, énumérer… )
Problème parfois on ne sait pas écrire la spec. Par exemple spécifier comment reconnaitre un chat dans une image. Dans cette situation, intervient le machine learning : on ne sait pas spécifier mais on sait fournir des exemples d’images de chat (et de non chats). Si j’avais d’ailleurs étiqueté chat ou non chat toutes les photos du monde, je pourrais d’ailleurs construire un système qui ne se trompe jamais. En pratique le deep learning est plus ou moins une manière de “mémoriser” toutes ces photos étiquetté (ou au moins une représentation compacte). Le réseau n’est pas intelligent par lui même car il ne fait que chercher des situations les plus similaires. Les développements actuels visent à réduire ce besoin de supervision sur un grand nombre de données.
Appliqué au jeux cette évolution se traduit d’abord par des méthodes arborescentes dont la profondeur d’exploration dépend de la puissance disponible. Elles sont suffisantes pour résoudre parfaitement les jeux type puissance 4 depuis longtemps et même le jeu de dames dans leur version 8x8 (fait en 2007).
Quand l’arbre est trop grand (cas des échecs par exemple), l’on recourt à des estimations des positions de jeux. C’est assez naturel aux échecs ou les pièces ont des valeurs différentes, mais il peut-être délicat de capturer un avantage positionnel. Combiné à une bibliothèque d’ouvertures cela a été suffisant pour vaincre les champions humains.
Ce qui a mené à l’introduction des méthodes « Monte Carlo » qui visent à mieux construire ces estimateurs en simulant un grand nombre de fins de parties. Dans les approches les développements récents ont visé à identifier des suites classiques de coups dans des parties. L’idée motrice étant que même s’il est difficile pour un programmeur de « décrire » un avantage positionnel ou un bon « pattern » de jeu, il est possible d’utiliser les techniques de machine learning pour fournir une description à partir d’exemples.
Pour le jeu Go, l’utilisation de réseaux de neurones à convolution (les convolutions sont une contrainte sur la structure des réseaux adaptée aux cas ou la distance à un sens) pour effectuer cet apprentissage s’est avérée être une bonne idée à cause de la structure d’un goban qui ressemble finalement un peu a une image. En réalité il y a deux réseaux :
- un pour apprendre les valeurs (ie évaluer les gobans quand on est suffisamment profond dans l’arbre)
- un second pour biaiser les explorations de l’arbre : on essaye d’explorer davantage les coups qui sont le plus probables d’être utiles. Cette partie du réseau mime le jeu d’un humain à partir de logs de parties : finalement on peut être un assez bon joueur de go en ayant un log de toutes les parties jouées par des humains forts. Amha les humains se comportent un peu comme cela quand ils jouent suffisamment contre des humains forts : au bout d’un moment ils se mettent à copier des coups en reconnaissant une positon de jeu sans bien savoir pourquoi.
Le mythe de Frankenstein a la vie dure on dirait C’est naturel de craindre ce que l’on ne comprend pas, et on dirait que Hawking s’y est aussi laissé prendre. Il y a d’autres avis plus éclairés sur la question, par exemple : http://rue89.nouvelobs.com/2015/02/01/gerard-berry-lordinateur-est-completement-con-257428
Dans le cas des échecs, l’ordinateur n’a jamais été « intelligent ». Il a juste une capacité de calcul phénoménale, c’est loin d’être la même chose.
Pour le Go, c’est un peu pareil : une mémoire infaillible associée à un moteur de probabilités (encore une fois, du calcul) capable de repérer des similitudes dans des situations de jeu. Ce n’est pas vraiment de l’intelligence non plus.
Monsieur Phal dit :Karis dit :Alphago vient juste de gagner la deuxième partie. Ouch, sale temps pour les humains...Cher Monsieur,
D'autant qu'on sait tous comment cela se termine, les machines finissent toujours par nous faire la guerre... :)
Bien à vous
Monsieur Phal
Sale temps pour les humains, au contraire. Chacune des personnes sans exception travaillant sur le projet DeepMind n'aurait aucune chance de battre Lee Sedol au jeu de go. Et la plupart certainement ont de vagues connaissances du jeu de go. Pourtant, ensemble, il ont mis au point une machine qui écrase Lee Sedol. C'est LE progrès, on aime ou pas mais c'est intrinsèque à l'homme.
Cela dit, je suis bien triste de voir un joueur aussi exceptionnel que Lee Sedol se faire écraser de la sorte mais ce travail d'intelligence artificielle a son intérêt.
scand1sk dit :Le mythe de Frankenstein a la vie dure on dirait :) C'est naturel de craindre ce que l'on ne comprend pas, et on dirait que Hawking s'y est aussi laissé prendre. Il y a d'autres avis plus éclairés sur la question, par exemple : http://rue89.nouvelobs.com/2015/02/01/gerard-berry-lordinateur-est-completement-con-257428
Mais il faut quand même réfléchir à ce futur. Une vidéo qui peut ouvrir les yeux : https://www.youtube.com/watch?v=7Pq-S557XQU
Ca peut faire peur - si on ne s'y prépare pas.
Jérôme
scand1sk dit :Le mythe de Frankenstein a la vie dure on dirait :) C'est naturel de craindre ce que l'on ne comprend pas, et on dirait que Hawking s'y est aussi laissé prendre. Il y a d'autres avis plus éclairés sur la question, par exemple : http://rue89.nouvelobs.com/2015/02/01/gerard-berry-lordinateur-est-completement-con-257428
Dans le cas des échecs, l'ordinateur n'a jamais été « intelligent ». Il a juste une capacité de calcul phénoménale, c'est loin d'être la même chose.
Pour le Go, c'est un peu pareil : une mémoire infaillible associée à un moteur de probabilités (encore une fois, du calcul) capable de repérer des similitudes dans des situations de jeu. Ce n'est pas vraiment de l'intelligence non plus.
Je suis bien d'accord sur "on craint ce qu'on ne comprends pas" mais ce n'est pas mon propos ici et je ne pense pas que cela soit celui d'Hawking.
La technologie, c'est très bien. Les gens qui disent qu'un ordinateur est con ont raison...mais seulement pour le moment car personne ne peut prédire de quoi est fait l'avenir tout simplement parce que cela concerne des choses que même l'humain ne comprend pas.
Les ordinateurs sont toujours "cons" de nos jours, mais je rien ne dit que c'est une situation qui perdurera (et je ne dis pas cela en grand craintif, ne pense pas qu'il faille "débrancher la prise" ni ne pense que cela peut évoluer en Skynet).
C'est un raccourci, mais mon téléphone n'aurait aucun mal à décoder Enigma en 100 fois moins de temps que les machines de Türing et il y a 3 mois, personne ne pensait qu'un ordinateur serait capable de battre un champion de Go puisqu'il ne saurait être question de pure force brute en la matière.
Bref à mon sens, l'idée n'est pas d'arrêter cette course, mais d'avoir bien conscience que l'on ne sait pas exactement où elle nous mène (et pas forcément au pire, mais peut être à de l'inattendu). Il faut distinguer le fait de crier au loup avec celui de faire les choses avec discernement.
AlphaGo, suite à son deuxième succès, aurait déclaré trouver les possibilités offertes par le Go trop limitées et souhaite désormais basculer sur un affrontement à Caylus pour laisser une dernière chance à l’humanité.
melodynelson dit :AlphaGo, suite à son deuxième succès, aurait déclaré trouver les possibilités offertes par le Go trop limitées et souhaite désormais basculer sur un affrontement à Caylus pour laisser une dernière chance à l'humanité.
On l'attend ;)
Sans déconner avec des logs de parties BGG de Caylus et la même approche, je pense que c’est possible de faire un bon joueur en multi et d’aller au delà de l’alpha beta classique (ou des systèmes de règles) en un temps relativement court.
Pour les problèmes posés par les machines, le vrai soucis c’est quand on construit des systèmes laissant les décisions se prendre de manière complètement automatisées. L’on court vers de gros soucis en cas de situation réellement nouvelle.
une analyse (en anglais) de la partie 2 par un pro du go :
https://gogameguru.com/alphago-races-ahead-2-0-lee-sedol/
jeremie dit :Il ne faut pas tout mélanger. Hawking est très compétent dans son domaine, mais raconte un peu n'importe quoi en dehors.
Hors sujet mais je ne réponds qu'à ça : Hawking était très compétent dans son domaine jusqu'à la fin des années 1990. Pour avoir discuté avec de nombreux cosmologistes ou physiciens, ils sont très fatigués de la surmédiatisation de ce type, non pas par jalousie mais parce que chacune de ses théories se trouve dans les médias alors qu'elles sont pour une majorité fumeuses (ou en tout cas elles ne prévalent en aucun cas sur les autres) . Il y a des scientifiques bien plus intéressants à l'heure actuelle et qui font nettement plus consensus que lui. Ca n'enlève rien à ses précédents travaux et à son importance dans l'histoire des sciences mais c'est loin d'être Dieu.
La prochaine fois qu'un article sort sur lui, allumez la radio et écoutez le désarroi des astrophysiciens qui s'expriment 