Deep Blue était un ordinateur joueur d'échecs développé par IBM, connu pour être devenu le premier système informatique à battre un champion du monde d'échecs en titre lors d'un match disputé dans des conditions de tournoi standard. La victoire de Deep Blue sur Garry Kasparov en mai 1997 a constitué un événement marquant dans l'histoire de l'intelligence artificielle, largement couvert à l'international comme une étape symbolique dans la capacité des machines à surpasser l'intellect humain dans une tâche longtemps considérée comme un summum de la pensée stratégique et analytique.
Développement et match de 1996
Deep Blue est issu d'un projet de recherche sur les échecs informatiques appelé ChipTest et de son successeur Deep Thought, développés par Feng-hsiung Hsu et ses collègues à l'université Carnegie Mellon avant que l'équipe ne rejoigne IBM pour poursuivre le projet. IBM a d'abord opposé Deep Blue à Kasparov lors d'un match de six parties en février 1996, que Kasparov a remporté 4 victoires à 2, y compris une défaite contre Deep Blue lors de la première partie, marquant la première fois qu'un ordinateur battait un champion du monde dans une partie en conditions de tournoi, bien que Kasparov ait remporté le match dans son ensemble.
Le match revanche de 1997
IBM a considérablement amélioré le système, doublant à peu près sa capacité de recherche, et a organisé un match revanche à New York en mai 1997. Le Deep Blue amélioré a remporté le match de six parties 3,5 à 2,5, y compris une victoire décisive lors de la dernière partie, devenant ainsi le premier ordinateur à battre un champion du monde en titre dans un match complet dans des conditions d'échecs standard. Kasparov et certains commentateurs ont exprimé des soupçons pendant et après le match selon lesquels les ingénieurs d'IBM auraient effectué des interventions humaines illégales entre les parties, en raison d'un coup joué lors de la deuxième partie que Kasparov jugeait inhabituellement fort et difficile à trouver pour un ordinateur de cette époque ; IBM a nié ces accusations et a refusé la demande de Kasparov d'un nouveau match revanche, retirant Deep Blue de la compétition peu après.
Architecture
Contrairement aux systèmes de jeux ultérieurs tels que basés sur l'apprentissage profond AlphaGo et AlphaZero, Deep Blue reposait sur la recherche par force brute combinée à des fonctions d'évaluation des échecs conçues manuellement, plutôt que sur la reconnaissance de formes apprise, une approche de type système expert qui encodait directement les connaissances échiquéennes humaines dans des règles plutôt que de les apprendre à partir de données. Il utilisait un matériel de traitement spécialisé, y compris des puces d'échecs VLSI personnalisées, pour évaluer jusqu'à environ 200 millions de positions par seconde, explorant de nombreuses coups en profondeur grâce à l'algorithme minimax avec élagage alpha-bêta, et sa fonction d'évaluation était en partie ajustée avec l'aide de consultants grands maîtres, dont Joel Benjamin, pour encoder les connaissances positionnelles.
Importance
La victoire de Deep Blue est fréquemment citée dans les histoires de l'IA comme une démonstration de la puissance de la recherche exhaustive et du matériel spécialisé pour les jeux bien définis et entièrement observables, une approche fondamentalement différente des méthodes d'apprentissage par reconnaissance de formes et par auto-jeu qui ont ensuite permis à AlphaGo de battre Lee Sedol en 2016 dans le domaine bien plus vaste du jeu de Go. Les commentateurs opposent souvent ces deux étapes pour illustrer un changement de stratégie dans la recherche en IA : Deep Blue a réussi principalement grâce à la force brute computationnelle appliquée à un domaine suffisamment restreint pour une recherche exhaustive, tandis qu'AlphaGo et AlphaZero ont réussi grâce à l'intuition apprise dans un domaine trop vaste pour les méthodes de force brute. IBM n'a pas commercialisé Deep Blue directement, mais le talent d'ingénierie et les techniques du projet ont influencé les initiatives ultérieures d'IBM en IA, notamment IBM Watson.