Le match AlphaGo contre Lee Sedol, également connu sous le nom de DeepMind Challenge Match, était une compétition de Go en cinq parties entre Lee Sedol, un joueur de Go professionnel de haut niveau, et AlphaGo, un programme informatique développé par Google DeepMind. Organisé à Séoul, en Corée du Sud, du 9 au 15 mars 2016, AlphaGo a remporté quatre des cinq parties, toutes les parties se terminant par abandon. L'événement est largement considéré comme une étape importante dans l'intelligence artificielle, souvent comparé au match d'échecs de 1997 où Deep Blue d'IBM a battu le champion du monde Garry Kasparov.
Le match a attiré l'attention mondiale car le Go avait longtemps été considéré comme un défi redoutable pour les ordinateurs. Le vaste facteur de ramification du jeu et sa dépendance à l'intuition et à la reconnaissance de formes le rendaient nettement plus difficile à maîtriser que les échecs. Avant AlphaGo, les meilleurs programmes de Go ne pouvaient atteindre que le niveau dan amateur sur le plateau complet de 19x19, et de nombreux chercheurs pensaient qu'il faudrait encore une décennie avant qu'un ordinateur puisse battre un joueur humain de haut niveau. La victoire d'AlphaGo a démontré que les techniques de apprentissage automatique et de réseau neuronal pouvaient surpasser les approches traditionnelles codées en dur dans des domaines stratégiques complexes.
Contexte
Le Go est un jeu de plateau qui exige une réflexion stratégique, de la créativité et un sens intuitif de la position. Sa complexité découle du nombre énorme de configurations possibles du plateau, ce qui rend la recherche par force brute irréalisable. Le mathématicien I. J. Good a écrit en 1965 que programmer un ordinateur pour bien jouer au Go serait encore plus difficile que les échecs, car les principes d'une bonne stratégie sont plus qualitatifs et mystérieux. Avant 2015, les programmes de Go les plus puissants n'atteignaient que le niveau dan amateur, bien que certains aient mieux performé sur le plateau plus petit de 9x9. Des chercheurs comme Jonathan Schaeffer avaient exprimé leur scepticisme quant aux progrès à court terme, et Elon Musk, un investisseur précoce dans DeepMind, a noté en 2016 que les experts pensaient que l'IA était à environ dix ans de battre un professionnel de haut niveau.
AlphaGo différait des efforts précédents en utilisant des techniques de apprentissage profond et de apprentissage par renforcement. Ses réseaux neuronaux ont d'abord été entraînés sur une base de données d'environ 30 millions de coups provenant de 160 000 parties jouées par de forts joueurs amateurs sur le serveur Go KGS. Après avoir atteint une certaine compétence, AlphaGo s'est amélioré en jouant des millions de parties contre lui-même, utilisant l'apprentissage par renforcement pour affiner sa stratégie. Le système utilisait également la recherche arborescente de Monte Carlo pour évaluer les coups potentiels. Contrairement aux programmes d'échecs traditionnels, AlphaGo ne s'appuyait pas sur une base de données de coups préprogrammée ; ses décisions émergeaient du processus d'entraînement, que ses créateurs décrivaient comme imprévisible même pour eux.
Victoire précédente contre Fan Hui
En octobre 2015, AlphaGo a battu le champion d'Europe Fan Hui, un professionnel 2 dan, par un score de 5-0. C'était la première fois qu'une intelligence artificielle battait un joueur humain professionnel sur un plateau de taille standard sans handicap. Cependant, les commentateurs ont noté que Fan était classé bien en dessous de Lee Sedol, un professionnel 9 dan. Des programmes informatiques antérieurs comme Zen et Crazy Stone n'avaient battu des professionnels de haut niveau qu'avec de grands handicaps. Schaeffer, commentant après le match contre Fan Hui, a comparé AlphaGo à un enfant prodige manquant d'expérience et a prédit que Lee gagnerait le match de mars. Fan Hui a déclaré plus tard que l'expérience lui avait appris à voir le jeu différemment, et son classement mondial s'est amélioré d'environ 633 à environ 300 en mars 2016.
Préparation
Les experts du Go avaient identifié des faiblesses dans le jeu d'AlphaGo contre Fan, notamment en ce qui concerne sa conscience de l'ensemble du plateau. On ne savait pas clairement à quel point le programme s'était amélioré dans les mois précédant le match contre Lee. L'entraînement d'AlphaGo a commencé avec des parties provenant de serveurs Go Internet, puis a impliqué des dizaines de millions de parties en auto-jeu. Hajin Lee, joueuse professionnelle et secrétaire générale de la Fédération internationale de Go, a exprimé son enthousiasme pour le match et pensait que les deux joueurs avaient une chance égale de gagner.
Joueurs
AlphaGo
AlphaGo a été développé par Google DeepMind, une entreprise de recherche en IA basée à Londres, acquise par Google en 2014. Le programme combinait apprentissage automatique avec des techniques de recherche arborescente. Ses réseaux neuronaux ont d'abord été entraînés à imiter le jeu humain en utilisant des enregistrements de parties historiques, puis affinés par apprentissage par renforcement en jouant contre lui-même. Le système n'utilisait pas de base de données de coups ; ses coups étaient plutôt une propriété émergente des algorithmes d'entraînement. Lors du match contre Lee, AlphaGo utilisait à peu près la même puissance de calcul que lors du match contre Fan Hui, avec des rapports citant 1 202 CPU et 176 GPU, ou jusqu'à 1 920 CPU et 280 GPU. Google a également déclaré que ses unités de traitement tensoriel propriétaires étaient utilisées pendant le match.
Lee Sedol
Lee Sedol était un joueur de Go professionnel de rang 9 dan, largement considéré comme l'un des joueurs les plus forts de l'histoire du jeu. Il a commencé sa carrière en 1996, promu au rang professionnel dan à l'âge de 12 ans, et avait remporté 18 titres internationaux au moment du match. Lee était connu pour son style agressif et créatif, et sa participation a conféré au match un prestige significatif.
Résumé du match
Le match s'est déroulé sur cinq parties, avec une partie jouée chaque jour du 9 au 15 mars 2016. AlphaGo a remporté les parties un, deux, trois et cinq, tandis que Lee a gagné la partie quatre. Toutes les parties se sont conclues par l'abandon du joueur perdant. Les trois premières parties ont été des victoires décisives pour AlphaGo, amenant de nombreux observateurs à conclure que le programme avait atteint un niveau de jeu au-delà de la capacité humaine. La victoire de Lee dans la partie quatre a été célébrée comme un triomphe humain et a démontré qu'AlphaGo n'était pas invincible. La partie cinq a été étroitement disputée, mais AlphaGo a finalement prévalu.
Prix et retombées
Le gagnant devait recevoir 1 million de dollars. Comme AlphaGo a gagné, Google DeepMind a annoncé que le prix serait reversé à des œuvres de charité, notamment l'UNICEF et des organisations de Go. Lee a reçu 170 000 dollars, comprenant 150 000 dollars pour sa participation aux cinq parties et 20 000 dollars supplémentaires pour avoir gagné une partie. Après le match, l'Association coréenne de Baduk a décerné à AlphaGo un rang honorifique de 9 dan, le niveau de grand maître le plus élevé au Go, en reconnaissance de ses « efforts sincères » pour maîtriser le jeu. Le match a été nommé finaliste pour la percée de l'année par le magazine Science le 22 décembre 2016.
La victoire a eu des implications plus larges pour la recherche en intelligence artificielle. Elle a démontré que les réseaux neuronaux et l'apprentissage par renforcement pouvaient s'attaquer à des problèmes auparavant considérés comme nécessitant l'intuition humaine. Les techniques utilisées dans AlphaGo ont depuis été appliquées à d'autres domaines, notamment le repliement des protéines et la découverte scientifique. Le match a également suscité un intérêt pour l'éthique de l'IA et la relation entre l'intelligence humaine et machine. La recherche connexe a influencé des domaines tels que les sciences cognitives, la reconnaissance de formes et le apprentissage automatique plus largement.
Héritage
Le match AlphaGo contre Lee Sedol est souvent cité comme un tournant dans la perception publique de l'IA. Il a montré que les machines pouvaient exceller dans des tâches nécessitant un jugement stratégique, et non seulement une vitesse de calcul. L'événement a également mis en évidence le potentiel des architectures de apprentissage profond et de réseau neuronal, qui sont devenues plus tard fondamentales pour les développements des systèmes de IA générative et de grand modèle de langage. Le match reste un point de référence dans les discussions sur les capacités et les limites de l'intelligence artificielle.