L'intelligence artificielle existe depuis longtemps. À titre d'exemple illustratif, plongeons brièvement dans l'histoire des échecs informatiques. Sous le mot-clé Levy bet, nous voyageons en 1968. Le champion international écossais David Levy a fait un pari avec des amis informaticiensqu'aucune machine ne pourra le battre dans les dix prochaines années. Il a gagné le pari et avec lui 1250 £. Dans le triomphe de la victoire, il a prolongé le pari pendant encore dix ans et a été écrasé par le programme en 1988 Battu "Pensée profonde" 0 à 4. Qu'est-ce que cela devrait nous dire? Eh bien, le développement de l'intelligence artificielle passionne les gens depuis plusieurs siècles, mais jamais il n'a été aussi loin que ces dernières années ! Les réseaux de neurones apprennent désormais eux-mêmes les échecs ou peuvent reconnaître l'humeur de la personne derrière eux en fonction des expressions faciales. En 1994, cette prise de conscience a finalement atteint le grand public lorsque le champion du monde d'échecs Garry Kasparov a perdu 0,5 à 1,5 dans un tournoi rapide contre "Chess Genius". Bien que le poker ne soit pas aussi compliqué et tactiquement habile que les échecs, une compétence cruciale est d'une grande importance : l'intuition. Le joueur "voit à travers" est important, quelque chose que seuls les humains pouvaient faire auparavant. L'ordinateur "DeepStack" a maintenant appris que.
La symétrie de l'information n'a pas d'importance
Les échecs ou le jeu traditionnel chinois "Go" consistent en une certaine symétrie d'information. Cela signifie qu'un ordinateur a "seulement" besoin d'une certaine puissance de calcul pour pouvoir "penser" à autant de mouvements par seconde que possible. Il calcule tous les coups et choisit celui qui a le pourcentage le plus élevé de chances de gagner. Le poker, cependant, repose sur une action spontanée et intuitive que les ordinateurs n'ont pas été en mesure de faire jusqu'à présent. Matej Moravcik et ses collègues de l'Université de l'Alberta ont maintenant implanté cette capacité dans un système. L'intuition est importante car le poker est un jeu d'informations imparfaites. Aucun joueur n'a la connaissance d'un autre joueur car chacun a des cartes différentes. Les chercheurs du magazine "Science" attribuent au poker une complexité de jeu encore plus élevée que le jeu de Go, qui compte déjà plus de 10 à la puissance de 160 points de décision. L'intuition rend difficile la victoire de n'importe quel ordinateur, de sorte que les exigences d'apprentissage et de calcul sont très compliquées.
L'auteur principal Michael Bowling explique que DeepStack apprend mieux comment le poker fonctionne de main en main via un réseau de neurones. Il joue chaque tour sans se soucier du reste de la partie. De cette façon, il apprend quelle réaction pourrait être la meilleure pour une grande variété de situations. En d'autres termes, comme un enfant qui grandit, DeepStack apprend ce qu'est l'intuition et s'auto-enseigne. Les chercheurs s'accordent à dire que DeepStack passerait le test de Turing s'il pouvait être mesuré à travers un jeu de poker.
Le test de Turing a été proposé par le mathématicien et logicien britannique Alan Turing en 1950. Le test est utilisé pour comparer si une machine a la même capacité de penser qu'un être humain. Pour ce faire, une personne aux yeux bandés mène une conversation avec deux personnes à l'aide d'un clavier. Les deux interlocuteurs essaient de convaincre la personne testée qu'ils réfléchissent. Si la personne ne peut pas dire qui est la machine à la fin de la conversation, l'ordinateur a réussi le test.
Réseau neuronal artificiel
La raison de ces développements révolutionnaires est le réseau de neurones artificiels. Non seulement, mais surtout. En tant que domaine de la neuroinformatique, la branche de l'intelligence artificielle traite de la création d'un réseau neuronal fonctionnel basé sur un modèle biologique. Et cela fonctionne étonnamment bien. Alors que l'accent est davantage mis sur l'abstraction ou la modélisation du traitement de l'information et moins sur la réplique exacte d'un réseau neuronal humain, le pouvoir d'apprentissage d'un tel modèle neuronal est incroyable ! Par exemple, il n'est pas toujours possible pour les robots sur Mars (appelés "agents") de prendre la bonne décision grâce à la programmation installée. Aucun des scientifiques ne peut prévoir les dangers qu'un tel agent rencontre lors d'une mission sur Mars. En conséquence, l'agent se voit confier une série de tâches à résoudre. Maîtriser des parcours difficiles, par exemple, sans tomber ni choisir le meilleur chemin. L'agent est alors évalué et peut apprendre une nouvelle fonction sur la base de cette évaluation.
C'est très humain maintenant. Une forme de renforcement positif peut être utilisée pour montrer au système ce qui est bien et ce qui ne va pas. Comme un enfant. Les échecs, le go et le poker ne sont que des gadgets de différents chercheurs. L'IA se retrouve dans de nombreux objets du quotidien tels que les assistants de conduite, les drones autonomes ou, bien sûr, les jeux PC. Le géant de l'internet Google présente ses autres nouveautés en matière d'IA lors de son salon I/O interne. L'intelligence artificielle fera de plus en plus partie de notre quotidien dans les années à venir. Nos téléphones portables pourront bientôt nous dire ce que nous ressentons et ce qui nous dérange. Effrayant et fascinant à la fois !
