« Match AlphaGo - Lee Sedol » : différence entre les versions

Un article de Wikipédia, l'encyclopédie libre.
Modification suivante →
Contenu supprimé Contenu ajouté
VisuelWikicode
Dfeldmann (discuter | contributions)
97 541 modifications
Nouvelle page : Le '''match AlphaGo - Lee Sedol''' (titre officiel '''''Google DeepMind Challenge Match''''') est un match de cinq parties de go (jouées sans handicap (go)|handic...
(Aucune différence)

Version du 10 mai 2016 à 11:41

Le match AlphaGo - Lee Sedol (titre officiel Google DeepMind Challenge Match) est un match de cinq parties de go (jouées sans handicap, avec un temps de réflexion usuel en compétition) entre le joueur professionnel sud-coréen Lee Sedol (considéré comme le meilleur joueur au monde entre 2000 et 2010) et AlphaGo, un programme de go développé par Google DeepMind, qui s'est tenu entre le 9 et le 15 mars 2016 à Séoul. Le gagnant du match devait recevoir 1 million de dollars US.

AlphaGo a gagné toutes les parties sauf la quatrième. Ce match voit la première victoire d'un programme face à un professionnel du plus haut niveau, et a été pour cette raison comparé avec le match d'échecs historique entre Deep Blue et Garry Kasparov en 1997.

Au cours de la rencontre, AlphaGo a fait preuve d'une créativité et d'une précision de lecture et d'évaluation qui ont surpris les meilleurs professionnels et les ont amené à déclarer devoir repenser certaines de leurs idées sur le go. Lee Sedol a cependant réussi, au cours de la quatrième partie, à découvrir une faiblesse dans le jeu d'AlphaGo, remportant ainsi une victoire qu'il a déclaré être « sans prix ».

Le match a été suivi, surtout en Asie, par des centaines de millions de joueurs, suscitant un regain d'intérêt pour le go, et des réactions des spécialistes d'intelligence artificielle, saluant une avancée significative des techniques d'apprentissage automatique.

Reconnaissant le niveau d'excellence atteint par le programme, la Hanguk Kiwon (la fédération coréenne de go) a décerné à AlphaGo un titre honorifique de 9e dan (professionnel), le plus haut grade existant.

Contexte de la rencontre

Un défi pour l'intelligence artificielle

Article détaillé : Jeu de go en informatique.

Le jeu de go est un jeu de stratégie combinatoire abstrait (de la même famille que les échecs ou les dames) opposant deux adversaires qui tentent de contrôler la plus grande part d'une surface quadrillée, le goban, en y déposant à tour de rôle des pierres noires et blanches.

Malgré ses règles simples, c'est un jeu de plateau complexe mettant en jeu, outre des calculs précis, de l'intuition ainsi que de la pensée créative et stratégique[1],[2]. Il a longtemps été considéré comme un défi difficile pour le domaine de l'intelligence artificielle[N 1],[3], demandant en particulier de pouvoir imiter plus d'aspects de la réflexion humaine que pour les échecs[4]. Dès 1965, le mathématicien Irving John Good écrivait[5] :

« Le go par ordinateur ? – Pour programmer un ordinateur pour qu'il joue de manière raisonnable (et non simplement en respectant les règles), il est nécessaire de formaliser les principes d'une bonne stratégie, ou de développer un système capable d'apprentissage. Ces principes sont plus qualitatifs et mystérieux qu'aux échecs, et dépendent plus de jugements intuitifs. Je pense donc qu'il sera encore plus difficile de programmer un ordinateur pour qu'il joue convenablement au go qu'aux échecs.[C 1] »

Avant 2006, les progrès avaient été très lents, les meilleurs programmes n'ayant guère plus que le niveau d'un amateur occasionnel, environ 8e kyu[6]. Un premier progrès essentiel fut alors apporté par une méthode de simulation probabiliste, connue sous le nom de méthode de Monte-Carlo[N 2] ; des améliorations régulières avaient amené en 2015 les meilleurs programmes au niveau de forts amateurs, environ 5e dan[7]. Cependant, avant AlphaGo, certains chercheurs affirmaient que les ordinateurs ne battraient jamais un professionnel de haut niveau[8], et Elon Musk, un des premiers investisseurs de Deepmind, rappelait qu'en 2015, les experts du domaine estimaient qu'un succès contre un professionnel demanderait encore au moins une décennie[9].

Le match AlphaGo contre Lee Sedol est comparable au match d'échecs de 1997 (en) entre Deep Blue et Garry Kasparov[6] : il marque le tournant symbolique où les ordinateurs deviennent meilleurs que les humains dans une activité donnée[10]. Cependant, AlphaGo est qualitativement différent de DeepBlue[11], en ce qu'il utilise des réseaux neuronaux, qui créent et font évoluer leurs propres règles de comportement, par opposition à un programme utilisant des heuristiques figées codées par des humains ; il en résulte d'ailleurs que les programmeurs d'AlphaGo ne sont en général pas capable d'expliquer précisément pourquoi leur programme a choisi tel ou tel coup[6],[12].

Le match contre Fan Hui

Fan Hui en 2006
Fan Hui (avec les Noirs) contre AlphaGo : partie 5

En octobre 2015, AlphaGo gagna par 5 à 0 un match contre Fan Hui, 2e dan professionnel et champion d'Europe ; il s'agissait de la première victoire d'une intelligence artificielle contre un joueur professionnel, sans handicap et sur un goban 19 × 19[13],[14]. Le match et l'existence même d'AlphaGo furent tenus secret jusqu'à la publication dans Nature, le 27 janvier 2016, d'un article technique sur AlphaGo, détaillant les méthodes utilisées, et donnant les kifu des parties jouées[7].

La publication de l'article de Nature, et l'annonce du match contre Lee Sedol, fut abondamment commentée dans les médias, de nombreux observateurs saluant en particulier l'importante avancée pour l'intelligence artificielle constituée par l'utilisation de réseaux neuronaux convolutifs, et par la méthode d'apprentissage utilisée. Cependant, des doutes persistaient quand à la possibilité pour ces méthodes d'atteindre le niveau des meilleurs joueurs humains.

Certains commentateurs soulignèrent alors l'étendue du gouffre séparant Fan Hui (2ème dan) et Lee Sedol (9ème dan)[15],[N 3], estimant qu'en dépit de la performance que constituait cette victoire, les chances d'AlphaGo face à ce dernier étaient infimes. Ainsi Jonathan Schaeffer, spécialiste canadien d'intelligence artificielle ayant en particulier programmé Chinook, compara AlphaGo à un « enfant prodige » manquant d'expérience, et affirma que « le vrai accomplissement aura lieu quand le programme jouera contre un joueur du plus haut niveau[C 2] » ; il était alors certain que Lee Sedol gagnerait le match[14].

Entre les deux matchs

Les joueurs professionnels, analysant les parties jouées contre Fan Hui, découvrirent des faiblesses dans le jeu d'AlphaGo, en particulier un manque de « sens global » (la prise en compte du plateau entier) et de conscience du « potentiel » (l'aji, c'est-à-dire les faiblesses latentes d'une position) ; mais avant le match contre Lee Sedol, il était difficile de déterminer les progrès que le programme avait pu accomplir durant ces cinq mois[15],[16]. Précisant les informations figurant dans l'article de Nature à ce sujet, l'équipe de Google DeepMind, dans une interview donnée à la presse coréenne, expliqua que la base de données initiale du programme ne contenait que des parties de forts amateurs (et donc qu'il ignorait tout du jeu de Lee Sedol), mais que, jouant contre lui-même, il avait accumulé durant ces quelques mois l'équivalent de « mille ans d'expérience humaine »[17].

Les joueurs

AlphaGo

Article détaillé : AlphaGo.
Logo d'AlphaGo

AlphaGo est un programme développé par Google DeepMind. Son algorithme utilise une combinaison de techniques générales déjà anciennes comme l'algorithme minimax, de méthodes spécifiques à la programmation du go (une variante de la méthode de Monte-Carlo) et d'une utilisation innovante de réseaux neuronaux[N 4], permettant en particulier l'apprentissage automatique à la fois à partir de bases de données et en laissant le programme jouer contre lui-même. AlphaGo fut initialement entraîné à partir d'un ensemble de 160 000 parties jouées sur le serveur KGS par des joueurs classés sur ce serveur entre 6e et 9e dan amateur[18],[7]. Ayant atteint une certaine compétence (lui permettant en particulier de prévoir les coups de joueurs professionnels dans plus de 60% des cas), il fut ensuite opposé à des copies du même programme, utilisant l'apprentissage par renforcement pour améliorer son jeu[19]. Le programme ne dispose pas d'une « bibliothèque » de coups ; comme l'expliquait l'un de ses créateurs[12] : « Bien que nous ayons programmé cette machine, nous n'avons aucune idée des coups qu'elle va jouer. Ces coups sont un phénomène émergent de son apprentissage. Nous avons seulement créé la base de données et les algorithmes d'apprentissage. Mais les coups que trouve le programme nous échappent, et sont d'ailleurs bien meilleurs que ceux que nous pourrions trouver en tant que joueurs de go. »[C 3].

La version d'AlphaGo pour ce match utilisait à peu près la même puissance de calcul que pour le match contre Fan Hui[20], laquelle était de 1 202 processeurs et 176 processeurs graphiques[7].

Lee Sedol

Article détaillé : Lee Sedol.
Lee Sedol en 2012

Lee Sedol est un joueur de go professionnel coréen classé 9e dan[21] et est un des plus forts joueurs du monde. Il commença sa carrière en 1996, devenant professionnel à l'âge de 12 ans, et a gagné 18 titres internationaux[N 5],[22]. Il est un « héros national » de la Corée du Sud, connu pour son style de jeu non conventionnel et créatif, et pour sa force en milieu et fin de partie[23],[N 6]. Quelques semaines avant le match, il remporta pour la quatrième fois le Myungin, le plus important des titres coréens[25].

Les parties

Conditions de la rencontre

Les cinq parties du match ont eu lieu le 9, 10, 12, 13 et 15 mars 2016, à l'hôtel Four Seasons de Séoul. Chaque partie commençait à 13 heures, heure de Séoul (temps KST (en)), soit 04:00 UTC[26].

Les parties utilisaient les règles chinoises avec un komi de 7 points et demi, chaque joueur ayant un temps de réflexion principal de 2 heures, suivi de 3 périodes de byo yomi de 60 secondes[N 7],[28] ; l'arbitrage était entre autre assuré par Fan Hui, mais aucun problème n'a amené les arbitres à intervenir durant le match.

Le vainqueur du match remportait 1 million de dollars US. AlphaGo ayant gagné, Google DeepMind a annoncé que le prix serait donné à des associations caritatives, dont l'Unicef, ainsi qu'à des organisations de go[29]. Lee Sedol a reçu 170 000$ (150 000$ pour avoir joué les cinq parties, et 20 000$ pour chaque partie gagnée)[28],[29].

Les parties étaient retransmises en temps réel sur YouTube, et commentées en direct par Michael Redmond (le seul 9e dan professionnel non asiatique) et Chris Garlock (éditeur de l'e-journal de l'AGA)[30],[31],[32]. Aja Huang, un 6e dan amateur membre de l'équipe de DeepMind, plaçait les pierres sur le goban au nom d'AlphaGo, lequel fonctionnait à l'aide de la Google Cloud Platform, le serveur étant situé aux États-Unis[33].

Avant le match, l'équipe de DeepMind avait convenu d'utiliser une version figée d'AlphaGo, qui n'apprenait par conséquent rien, et ne variait pas sa stratégie d'une partie sur l'autre[17],[N 8].

Le match

Résumé

AlphaGo a gagné toutes les parties sauf la quatrième[34],[35].

Le match
Partie no Date Noirs[n 1] Blancs Résultat[n 2] Coups
1 9 mars 2016 Lee Sedol AlphaGo Lee Sedol abandonne 186
2 10 mars 2016 AlphaGo Lee Sedol Lee Sedol abandonne 211
3 12 mars 2016 Lee Sedol AlphaGo Lee Sedol abandonne 176
4 13 mars 2016 AlphaGo Lee Sedol AlphaGo abandonne 180
5 15 mars 2016 Lee Sedol[n 3] AlphaGo Lee Sedol abandonne 280
Résultat :
AlphaGo 4 – 1 Lee Sedol
Notes
  1. ↑ Après tirage au sort (nigiri) au début de la première partie, les couleurs devaient alterner, puis un nouveau tirage au sort était prévu pour la dernière partie[36].
  2. ↑ Toutes les parties ont été gagnées par abandon[N 9].
  3. ↑ Lee Sedol avait demandé à avoir les Noirs dans la dernière partie, déclarant : « ... puisque j'ai gagné avec les Blancs, j'espère vraiment avoir la chance de pouvoir gagner avec les Noirs dans la cinquième partie, parce qu'une victoire avec les Noirs a beaucoup plus de valeur. »[C 4],[38].

Commentaire général

Dès la première partie, Cho Hanseung (professionnel coréen 9e dan) et Michael Redmond observèrent que le jeu d'AlphaGo s'était beaucoup amélioré depuis son match d'octobre 2015 contre Fan Hui[39],[40]. Il devint rapidement clair qu'il était au moins de la force des meilleurs joueurs humains, Nie Weiping estimant par exemple qu'il était « 6 ou 7e dan professionnel dans le fuseki, et 13 à 15e dan ensuite »[24], et Lee Sedol déclarant après avoir perdu les deux premières parties : « Hier, j'ai été surpris, mais aujourd'hui, je le suis plus encore - j'en reste sans voix.[C 5] »[41]. Après la troisième partie, l'espoir que Lee Sedol gagne au moins une partie sembla abandonner certains commentateurs[42], Ke Jie lui-même[N 10] commençant à douter d'avoir une chance contre AlphaGo[43]. Finalement, les deux dernières parties laissèrent apercevoir quelques failles dans le jeu du programme[44], que Demis Hassabis déclara devoir être analysées de manière détaillée ; il semble en particulier ne pas « connaître » certains tesujis classiques, et commettre ainsi parfois des erreurs tactiques ; dans la quatrième partie, après un coup brillant et inattendu de Lee Sedol, son jeu se dégrada complètement, et il fut contraint à l'abandon. Néanmoins, même si Lee Sedol a affirmé après le match avoir été vaincu psychologiquement, mais pas forcément techniquement[45], le programme a fait preuve d'une créativité qui a surpris les meilleurs joueurs (par exemple en jouant le coup 37 de la deuxième partie[12]) et, à plusieurs reprises, a joué des coups allant contre la théorie établie, mais qui se sont révélés efficaces, amenant de nombreux professionnels, à commencer par Lee Sedol, à déclarer qu'ils allaient devoir modifier certaines de leurs idées sur le jeu[45]. Par ailleurs, certaines des caractéristiques du jeu d'AlphaGo ont dérouté les commentateurs : comme il ne se soucie que de probabilités de victoire, et non d'écart territorial[12], il lui arrive, lorsqu'il se sait en avance, de jouer des coups visiblement faibles, mais ne mettant pas sa victoire en péril, ce qui a pu amener à le sous-estimer dans les deux premières parties[N 11].

Quatre moments critiques

Au cours du match, certains coups exceptionnels ont marqué les observateurs, et Lee Sedol lui-même les a commenté dans une série d'articles pour le Dong-a Ilbo[46] :

Première partie : le coup qui fit s'affaisser la mâchoire de Lee Sedol[N 12].

Le coup 102, une invasion « qu'aucun humain n'aurait joué ».

Deuxième partie : le coup le plus créatif du match[47].

Le coup 37, un coup à l'épaule « interdit » par la théorie.

Troisième partie : une contre-attaque spectaculaire[42].

Le « saut d'éléphant » en 32 renverse l'attaque et la partie.

Quatrième partie : le « coup divin »[N 13] de Lee Sedol

Après l'extraordinaire tesuji en 78, le jeu d'AlphaGo se détériora.

Analyse détaillée des parties

Partie 1

Dans la première partie, Lee Sedol, ayant les Noirs, et ayant adopté une stratégie d'ouverture inhabituelle, sembla contrôler les combats jusqu'à une sévère invasion d'AlphaGo au coup 102, après laquelle il devint clair qu'il n'avait en fait pas l'avantage ; après quelques imprécisions, il abandonna au coup 186[48].

Plus précisément, le septième coup de Lee Sedol (le coup 13) a été décrit par David Ormerod[39],[N 14] comme « un coup étrange destiné à tester la force d'AlphaGo dans le fuseki »[C 6] ; il a estimé finalement que ce coup était une erreur, sanctionnée par AlphaGo de manière « précise et efficace ». La position d'AlphaGo est jugée favorable avant le coup 80, « important, mais moins urgent que 81 », et qui semble redonner l'avantage à Lee Sedol[N 11], jusqu'à l'invasion violente et inattendue[N 12] en 102, après laquelle Lee Sedol joue deux coups « discutables » en 119 et 123, et finalement le « coup perdant » en 129[39].

Lee Sedol expliqua après le match avoir commis une erreur critique dans l'ouverture, qui l'avait poursuivi toute la partie ; il déclara que la stratégie de la machine dans la première moitié de la partie était « excellente », et qu'elle avait joué un coup[N 15] qu'aucun humain n'aurait joué[N 12],[48] ; après ce coup, il hésita sur son choix de continuation pendant plus de dix minutes[49].

Les 99 premiers coups
Coups 100 à 186

Partie 2

La deuxième partie débuta par des innovations théoriques[N 16] que Lee Sedol n'essaya pas de contrer, se cantonnant à un jeu patient et territorial. Mais le coup 37 (un coup de pression traditionnellement « interdit », car donnant trop de points à l'adversaire) surprit tout le monde ; à partir de ce moment, AlphaGo fit preuve d'une flexibilité spectaculaire[50], échangeant librement les zones d'influence[51], et après la partie, Lee Sedol déclara que « AlphaGo avait joué de façon presque parfaite » et que « dès le début de la partie, [il s'était] senti en retard, et n'avait jamais eu l'impression de pouvoir revenir »[C 7],[41],[52].

Michael Redmond déclara que le coup 37 était « créatif » et « unique »[12], et Lee Sedol prit un temps anormalement long pour y répondre[12]. An Young-gil (8p) le décrivit comme « un coup à l'épaule rare et fascinant »[C 8] mais trouva « exquise » la réponse de Lee Sedol ; bien qu'il ait estimé que le score restait longtemps indécis, il admira particulièrement les coups 151, 157 et 159 d'AlphaGo, qu'il jugea « brillants »[47]. Cette incertitude sur le vainqueur, partagée par plusieurs commentateurs professionnels, ne reflète pas le sentiment de Lee Sedol[41], ni celui d'AlphaGo : après le match, Demis Hassabis déclara (au vu des listings du programme) que dès le milieu de la partie, AlphaGo était confiant en sa victoire[52].

Particulièrement vers la fin de la partie, AlphaGo joua plusieurs coups anormaux, les professionnels n'arrivant pas clairement à décider s'il s'agissait d'erreurs, de coups faibles, ou d'une stratégie globale cachée[53]. Une explication partielle fut alors donnée par un des créateurs du système : la fonction d'évaluation d'AlphaGo repose sur des simulations (utilisant la méthode de Monte-Carlo) et ne maximise pas le territoire (potentiel), mais la probabilité de gagner[12],[54]. Ainsi, si AlphaGo estime qu'en perdant des points, il rend sa victoire encore plus probable, il choisira cette solution[12]. Dans cette partie, le coup 167 semble ainsi être une erreur grossière d'AlphaGo, mais Lee Sedol déclara que la bataille de ko qu'AlphaGo lui offrait n'était en fait pas jouable[55], et An Young-gil résuma la situation ainsi : « Donc, lorsque AlphaGo joue un coup qui nous semble manquer de sévérité, et que nous interprétons comme une erreur, nous devrions peut-être plutôt le voir comme une déclaration de victoire. »[C 9],[42].

Les 99 premiers coups
Coups 100 à 199
Coups 200 à 211

Partie 3

Après la deuxième partie, certains joueurs continuaient à douter de la force réelle d'AlphaGo. La troisième partie fut jugée par les commentateurs comme mettant fin au débat, David Ormerod[N 14] déclarant par exemple que « AlphaGo gagna de manière si convaincante qu'il dissipa tous les doutes que les joueurs experts avaient pu avoir sur sa force. En fait, il joua si bien que c'en était presque effrayant ... En forçant AlphaGo à résister à une attaque sévère en milieu hostile, Lee Sedol lui permit de montrer une puissance non détectée jusque-là ... L'attaque de Lee Sedol ne lui rapportait pas assez ... Un des plus grands virtuoses du milieu de partie venait de se voir souffler la vedette dans l'éclairage cru des pierres noires et blanches[C 10],[42] », et An Young-gil (8p) affirma que la partie montrait que « AlphaGo est tout simplement plus fort que tous les joueurs humains connus.[C 11],[42] ».

Contrairement à ce qu'avaient craint certains spécialistes de la programmation du go[54], AlphaGo se montra capable de gérer des batailles de ko[N 17] complexes (il n'en était pas apparu dans les parties précédentes)[56]. Le coup 148 en particulier fut largement commenté : au milieu de la bataille de ko, AlphaGo se montra suffisamment « confiant » de la gagner pour se permettre de jouer un coup important ailleurs[42].

Lee Sedol, jouant avec les Noirs, choisit la formation connue sous le nom de « fuseki chinois haut »[N 18], créant une vaste zone d'influence, et obligeant AlphaGo à l'envahir au coup 12. La défense du groupe faible ainsi créé fut jugée exceptionnelle[42], en particulier le coup 31 de Lee Sedol, bien que naturel (mais que An Young-gil décrivit comme étant peut-être le « coup perdant »[42]), est sanctionné par l'étonnant « saut d'éléphant » en 32, que Lee Sedol dit « n'avoir pas pu imaginer »[57], et après lequel l'attaque semble s'être retournée contre les Noirs ; Andy Jackson, de l'American Go Association, estima que la partie était déjà décidée au coup 35[54]. Au coup 48, AlphaGo contrôle clairement le combat, forçant Lee Sedol à défendre ses groupes, et se permettant même au coup 58 de relâcher la pression pour esquisser une vaste zone sur le bord Sud, que Lee Sedol tentera en vain d'envahir jusqu'à la fin de la partie. La contre-attaque de Lee Sedol aux coups 77 et 79 est efficacement parée par AlphaGo, le coup 90 simplifiant la position, et la séquence de 102 à 112, décrite par An Young-gil comme « sophistiquée »[42], élimine les dernières possibilités de complications. Finalement, après une séquence brillante d'invasion, Lee Sedol déclenche une bataille de ko complexe au coup 131, mais ne réussit pas à pousser le programme à la faute (le coup 148, s'éloignant du combat, montre à quel point AlphaGo contrôle la situation[42]) ; manquant de menaces de ko, épuisé et découragé[42],[54], Lee Sedol abandonne au coup 176.

Les 99 premiers coups
Coups 100 à 176 (122 en 113,
154 en , 163 en 145, 164 en 151,
166 et 171 en 160, 169 en 145, 175 en )

Partie 4

La quatrième partie fut la plus dramatique du match : alors que la position de Lee Sedol semblait désespérée, il réussit à trouver et à exploiter une faille dans le jeu d'AlphaGo. Selon Demis Hassabis, le coup 78, un tesuji rare qu'AlphaGo n'avait pas envisagé (il lui attribuait une probabilité inférieure à une chance sur dix mille) l'amena à jouer la réponse médiocre 79, qu'il estimait pourtant lui donner 70% de chance de gagner la partie. Ce n'est qu'au coup 87 que son estimation s'effondra soudain[58],[59] ; les coups qui suivirent (jusqu'au coup 101) furent caractérisés par David Ormerod[N 14] comme typiques des erreurs des programmes basés sur la méthode de Monte-Carlo[N 19],[60], et dégradèrent suffisamment la position pour que Lee Sedol, bien qu'en manque de temps, maintienne son avance jusqu'à l'abandon d'AlphaGo au coup 181[60],[N 9].

Dans les parties précédentes, AlphaGo avait montré sa maîtrise d'un style calculatoire visant à obtenir de petits avantages dans chaque échange, style connu sous le nom de souba go[N 20]. Pour tenter de l'obliger à adopter un style plus risqué, Lee Sedol choisit une stratégie connue sous le nom de amashi[N 21], prenant le plus de profit possible en offrant une vaste zone d'influence, et forçant ainsi AlphaGo à attaquer les invasions de cette zone, créant une situation de « tout ou rien » [60] ; Lee Sedol espérait découvrir de cette manière une faiblesse chez un adversaire supérieur dans les situations de négociation, mais qui pourrait s'avérer incapable de trouver dans ce combat quelque chose à négocier[60].

Les 11 premiers coups furent identiques à ceux de la deuxième partie, mais Lee Sedol changea alors de joseki, pour obliger AlphaGo à défendre immédiatement son groupe. Lee Sedol concrétisa ses territoires de coins et de bord, permettant à AlphaGo de gagner de l'influence sur le bord nord et au centre. Conformément à sa stratégie d'amashi, Lee Sedol envahit ensuite cette zone d'influence avec les coups de 40 à 48, obligeant AlphaGo à l'attaquer par un coup à l'épaule en 47, mais AlphaGo sacrifia quatre pierres pour gagner l'initiative et transformer le centre en territoire apparemment sûr (coups 47 à 69). Lee Sedol testa la réaction d'AlphaGo avec les coups de 72 à 76 sans réussir à provoquer d'erreur ; à ce stade, les commentateurs commençaient à désespérer de ses chances[61]. C'est alors que Lee Sedol joua le coup 78, un « brillant tesuji » que Gu Li déclara même être un « coup divin »[N 13] auquel il n'aurait jamais pensé[60]. Bien qu'il semble possible de le réfuter[60], le coup augmente la complexité de la position[37] ; après deux coups plausibles d'AlphaGo (83 et 85), il joua une série de coups (de 87 à 101) laissant déchirer le centre sans grande compensation, et dégradant gravement ses chances de gain ; An Young-gil jugea que le coup 105 perdait définitivement la partie, et malgré quelques jolies séquences et la nécessité pour Lee Sedol de jouer chaque coup en moins d'une minute, AlphaGo abandonna après le coup 180[60], estimant que ses chances de gain étaient devenues inférieures à 20%[37].

An Young-gil conclut que la partie était « un chef d'œuvre de Lee Sedol, qui deviendra presque sûrement une partie célèbre de l'histoire du go. »[C 12],[60]. Lee Sedol déclara après le match que cette victoire était « sans prix »[62], et qu'il n'avait jamais été aussi heureux d'avoir gagné une unique partie ; estimant qu'il était plus facile de gagner avec Blanc, il demanda à jouer la dernière partie avec Noir, dans l'espoir d'une victoire ayant plus de valeur encore[38].

Les 99 premiers coups
Coups 100 à 180 (177 en , 178 en )

Partie 5

Après la victoire de Lee Sedol dans la quatrième partie, il paraissait possible qu'il réitère cet exploit, et de fait, AlphaGo commit (selon Demis Hassabis) une « erreur grave » à l'entrée dans le milieu de partie[63], mais réussit à en limiter les conséquences, puis à gagner une partie devenue serrée à la suite d'un coup un peu trop agressif de Lee Sedol[27].

Lee Sedol, avec les Noirs, choisit une ouverture analogue à celle de la première partie, puis développa un jeu territorial, utilisant la même stratégie d'amashi que dans la quatrième partie, tandis qu'AlphaGo s'emparait de l'influence centrale. La partie resta équilibrée jusqu'aux coups 48 à 58, où AlphaGo perdit un combat faute d'avoir reconnu à temps un tesuji classique (un sacrifice de déformation connu sous le nom d'« étreinte de pagode »)[63], permettant à Lee Sedol de prendre l'avantage. AlphaGo commença alors à consolider sa zone d'influence, que Lee Sedol choisit d'envahir en 69, mais il regretta cette décision « trop gourmande » après la partie, estimant qu'une simple érosion lui aurait permis de gagner, alors que la contre-attaque d'AlphaGo en 70 avait été « aventureuse, mais justifiée »[27]. Au coup 90, AlphaGo avait regagné l'équilibre, et joua alors une série de coups décrits par David Ormerod[N 14] comme « inhabituels, mais subtilement impressionnants »[C 13] qui lui permirent de prendre un léger avantage[64]. Malgré la tentative de Lee Sedol de renverser la situation aux coups 167 et 169 et grâce à des coups jugés « particulièrement efficaces » par An Young-gil en 154, 186 et 194, le programme parvint ensuite à maintenir son avance jusqu'à l'abandon de Lee Sedol au coup 280[N 22],[64].

Les 99 premiers coups
Coups 100 à 199 (118 en 107, 161 en )
Coups 200 à 280 (240 en 200, 271 en ,
275 en , 276 en )

Couverture médiatique

Des vidéos des parties et de leurs commentaires furent diffusées en direct en coréen, chinois, japonais et anglais. La diffusion en coréen fut assurée par la chaîne de télévision Baduk TV[65], celle en chinois (avec des commentaires par Gu Li et Ke Jie) le fut par Tencent Holdings et LeEco, avec environ soixante millions de spectateurs pour la première partie[66]. La diffusion en ligne (en temps réel sur YouTube), commentée en direct par Michael Redmond (le seul 9e dan professionnel non asiatique) et Chris Garlock (éditeur de l'e-journal de l'AGA)[30] fut suivie en moyenne par 80 000 internautes, avec un pic de plus de 100 000 visiteurs vers la fin de la première partie[67]. Également en direct (mais commençant une heure après le début de chaque partie), ce commentaire était repris sur le canal officiel YouTube de l'American Go Association par Kim Myungwan (professionnel coréen 8e dan habitant aux États-Unis) et Cho Hyeyeon (une des plus fortes joueuses coréennes), assistés par Andrew Jackson[68],[69]. Au total, on estime que plus de deux cents millions de personnes ont assisté à tout ou partie du match[70].

Réactions

Chercheurs en intelligence artificielle

La victoire d'AlphaGo est un important jalon pour la recherche en intelligence artificielle[70]. Le jeu de go était considéré jusque-là comme un problème difficile d'apprentissage automatique, supposé être hors de portée des méthodes actuelles[70],[71],[72] ; en 2015, la plupart des experts pensaient qu'il faudrait au moins dix ans pour qu'un programme soit capable de battre des professionnels du plus haut niveau[73],[74], et même au début du match, la majorité des observateurs pensaient que Lee Sedol le gagnerait[70].

Après les succès des ordinateurs contre les meilleurs joueurs humains aux dames (Chinook), aux échecs (Deep Blue) et désormais au go, les jeux de plateau ne peuvent plus servir comme auparavant de repères à la progression de l'intelligence artificielle[70]. Murray Campbell, de l'équipe de Deep Blue, déclara que la victoire d'AlphaGo « marquait la fin d'une époque... les jeux de plateau sont plus ou moins réglés, et il est temps de passer à autre chose[C 14] »[70].

Comparé à ceux de Deep Blue ou de Watson, les algorithmes d'AlphaGo sont potentiellement plus adaptables à des problèmes variés, et montrent peut-être que la communauté scientifique fait des progrès en direction de l'intelligence artificielle forte[75]. Certains commentateurs pensent que la victoire d'AlphaGo est une bonne occasion de commencer à se préparer à l'impact éventuel qu'auraient sur la société des « machines intelligentes ». En mars 2016, Stuart Russell déclara ainsi que « les méthodes de l'intelligence artificielle progressent beaucoup plus vite qu'on ne s'y attendait, ce qui rend la question de leur impact à long terme plus urgente[...] ; pour s'assurer que des systèmes de plus en plus puissants restent sous le contrôle des humains,[...] il y a beaucoup de travail à faire.[C 15] »[76]. Certains scientifiques, comme Stephen Hawking, Elon Musk ou Eliezer Yudkowsky[N 23], s'inquiètent de ce qu'une intelligence artificielle capable d'apprentissage pourrait atteindre par elle-même un niveau d'intelligence générale tel que des conséquences sociales inattendues et dramatiques risqueraient d'en résulter[N 24],[78] ; d'autres contestent ce point de vue : l'expert en intelligence artificielle Jean-Gabriel Ganascia pense que « des choses telles que le « bon sens » ne pourront peut-être jamais être simulées[79],[78] » et ajoute qu'il ne voit pas « pourquoi nous devrions avoir peur ; au contraire, cela suscite des espoirs dans de nombreux domaines tels que la santé ou l'exploration de l'espace[76] »[C 16]. Richard Sutton, quand à lui, dit qu'il « ne pense pas que les gens devraient avoir peur... mais qu'il croit vraiment qu'ils devraient s'y intéresser.[C 17] »[80].

Joueurs de go

Le go est un jeu populaire en Corée du Sud, en Chine et au Japon, et ce match a été observé et analysé par des centaines de millions de personnes à travers le monde[70] ; la diffusion de ces parties semble d'ailleurs avoir également provoqué un afflux de nouveaux joueurs, par exemple l'AGA signale une importante augmentation de commandes d'équipements[81].

De nombreux professionnels, à commencer par Lee Sedol lui-même, ont déclaré devoir revoir certaines de leurs idées sur le jeu après ce match[45]. Les coups non orthodoxes d'AlphaGo (caractérisés par les professionnels comme discutables à première vue, mais qui prennent tout leur sens après coup[73]) ont fait dire à Cho Hyeyeon (une des plus fortes joueuses coréennes) que « à l'exception des tout meilleurs, tous les joueurs construisent leur style en imitant les professionnels de haut niveau. AlphaGo semble avoir des coups complètement originaux qu'il a créé lui-même[C 18] »[70]. En mai 2016, une analyse approfondie des parties du match est toujours en cours, mais Michael Redmond déclarait que « ces cinq parties historiques seront sûrement étudiées tout au long des années qui viennent »[82].

Toby Manning, l'arbitre du match entre AlphaGo et Fan Hui, et Hajin Lee, secrétaire général de la Fédération internationale de go, pensent tous deux qu'à l'avenir, les joueurs de go utiliseront des programmes tels qu'AlphaGo pour comprendre les erreurs commises dans leurs parties et améliorer leur technique[83].

Après le match, la Hanguk Kiwon (la fédération coréenne de go) a décerné à AlphaGo un titre honorifique de 9ème dan (professionnel), « en reconnaissance de son effort sincère pour maîtriser les fondations taoïstes du go et atteindre un domaine proche de la divinité[C 19] »[84].

Autres programmes de go

Dès avant la publication de l'article de Nature en janvier 2016, plusieurs groupes s'étaient engagés dans l'utilisation de réseaux neuronaux pour la programmation du go, en particulier Facebook avec un programme appelé DarkForest[85]. De nombreux projets, souvent s'appuyant sur des programmes préexistants, furent lancés en réaction à cet article, alors même que le match contre Lee Sedol était annoncé le plus souvent comme ne laissant aucune chance à AlphaGo ; c'est en particulier le cas de Deep Zen Go, un projet ambitieux s'appuyant sur l'un des plus forts programmes commerciaux, Zen, sponsorisé par la compagnie japonaise de télécommunications Dwango, et en partenariat avec une équipe de deep learning de l'université de Tokyo, ainsi qu'avec les développeurs de Ponanza, l'un des plus forts programmes de shōgi actuel[86]. La victoire d'AlphaGo amena d'autres acteurs à vouloir se mesurer à Google, en particulier Baidu, lequel annonça qu'il lancerait un défi à AlphaGo « d'ici la fin de l'année » (2016) ; l'équipe chinoise de programmation du go a fait la même annonce, de manière plus précise[87].

Gouvernement coréen

En réaction à ce match, le gouvernement de la Corée du Sud a annoncé le 17 mars 2016 qu'il investirait mille milliards de wons (environ 800 millions d'euros) pour la recherche en intelligence artificielle au cours des cinq prochaines années[88].

Notes et références

Notes

  1. ↑ Les méthodes dites de « force brute », qui réussissent au moins partiellement pour des jeux comme les échecs, échouent au go non pas tant à cause de la complexité combinatoire du jeu (laquelle est déjà rédhibitoire pour les échecs) mais parce que l'on ne dispose pas de manière simple d'évaluer la valeur d'une position.
  2. ↑ En fait, il s'agit d'une amélioration de cette technique, développée par Rémi Coulom, la méthode UCT (en).
  3. ↑ Il faut préciser qu'il s'agit de sept rangs professionnels, ce qui ne correspond qu'à deux rangs amateurs ; toutefois, tous les joueurs experts s'accordent pour déclarer que, pour des joueurs humains, franchir ces derniers niveaux est beaucoup plus difficile que, par exemple, de passer de premier à cinquième dan amateur.
  4. ↑ Il s'agit en fait de réseaux neuronaux convolutifs, et d'une technique d'« apprentissage » des paramètres de ces réseaux connue sous le nom de rétropropagation du gradient.
  5. ↑ Il n'y a pas de « championnat du monde de go », mais certains de ces 18 titres, en particulier la coupe Fujitsu, qu'il a remporté 3 fois, en ont officieusement la valeur.
  6. ↑ Nie Weiping a fait remarquer[24] que c'est également dans ces secteurs du jeu que AlphaGo est le plus fort, et que pour cette raison, Lee Sedol n'était peut-être pas l'adversaire le plus dangereux à lui opposer.
  7. ↑ Ces conditions de temps avaient été choisies par Lee Sedol, mais il les a finalement jugé un peu trop brèves après le match[27].
  8. ↑ Certains observateurs sont allés jusqu'à se demander si AlphaGo n'aurait pas « offert » la quatrième partie à titre de consolation ; Demis Hassabis a alors répété que le programme était figé durant le match.
  9. ↑ a et b L'algorithme d'AlphaGo le fait abandonner dès qu'il estime n'avoir plus guère de chances de gagner (plus précisément, pour ce match, moins de 20% de chances[37]), même s'il ne perd que de très peu de points ; Lee Sedol a préféré abandonner plutôt que d'aller jusqu'au décompte, alors que dans la cinquième partie, par exemple, il ne perdait que de 2,5 points.
  10. ↑ Après la première partie, Ke Jie, le meilleur joueur chinois actuel, déclarait encore que, contrairement à Lee Sedol, il « écraserait » AlphaGo
  11. ↑ a et b À partir de la deuxième partie, les professionnels, ayant entre temps mieux compris l'algorithme d'AlphaGo, commencent à soupçonner que ces coups apparemment médiocres sont en fait des « déclarations de victoire »[42].
  12. ↑ a b et c Cette invasion semble trop profonde, et ne se justifie que grâce aux coups de préparation dans le coin nord-est ; sur la vidéo du match, on voit la machoire de Lee Sedol s'affaisser en découvrant le coup.
  13. ↑ a et b Ce terme (traduction littérale de l'expression japonaise kami no itte) fait référence à ces coups « tombés du ciel », qu'un joueur ne trouve guère qu'une fois dans sa vie, et dont l'exemple le plus célèbre est le coup de Shusakū qui fit rougir les oreilles de Genan.
  14. ↑ a b c et d Ce fort amateur (5e dan) a synthétisé pour Go Game Guru les commentaires de An Young-gil (8p) et d'autres professionnels.
  15. ↑ Lee Sedol veut parler de l'invasion au coup 102, comme il l'a confirmé dans son commentaire de la première partie (en), bien que certains commentateurs aient sur le moment pensé qu'il s'agissait du tesuji joué en 58.
  16. ↑ AlphaGo semble abandonner un groupe de coin que la théorie traditionnelle voudrait défendre immédiatement, puis le renforce par un coup (la menace jouée en 15) normalement déconseillé ; ces coups anormaux lui ont cependant donné un bon résultat, et en conséquence, dans la quatrième partie, Lee Sedol jouera le même début, mais changera son choix d'ouverture de coin pour obliger AlphaGo à défendre ce groupe immédiatement.
  17. ↑ Les batailles de ko sont une caractéristique spécifique du go : l'interdiction (faite par les règles) de reproduire une situation déjà vue amène, pour pouvoir résister à certaines captures, à devoir ne pas répondre à un coup joué ailleurs, ce qui implique des stratégies et des tactiques anormales.
  18. ↑ Il s'agit d'une formation d'ouverture utilisée par les joueurs chinois des années 1960 (en particulier Chen Zude) et qui essaie de combiner les aspects territoriaux du point 3-4 avec la construction d'une influence de bord ; voir cette analyse détaillée (en) sur le site de Sensei's Library
  19. ↑ Bien qu'une analyse de ces coups ne soit pas encore publiée en mai 2016, il semble probable qu'ils soient une conséquence de l'effet d'horizon, et aussi de ce que des coups de faible probabilité échappent aux simulations de la méthode de Monte-Carlo lorsque celles-ci ne sont pas assez nombreuses.
  20. ↑ Littéralement : go au prix du marché ; voir cette discussion (en) sur le site Life in 19x19.
  21. ↑ Il s'agit d'un des concepts stratégiques les plus difficiles du go, consistant essentiellement à pousser l'adversaire à une attaque qui ne peut réussir, ou qui ne lui rapportera pas assez de points ; voir cette discussion (en) sur le site de Sensei's Library.
  22. ↑ Lee Sedol n'a cependant que 2,5 points de retard (5 points d'avance sur le terrain), mais (comme dans toutes les autres parties de ce match) l'éthique professionnelle veut qu'il n'aille pas jusqu'au compte dans des cas de ce genre.
  23. ↑ Ce dernier est le promoteur du concept d'« intelligence artificielle amicale », et a fait remarquer que les performances d'AlphaGo reflétaient assez bien certaines de ses prédictions[77].
  24. ↑ Il s'agit en particulier de la notion de révolte des machines (en).

Citations originales

  1. ↑ (en) « Go on a computer? – In order to program a computer to play a reasonable game of Go, rather than merely a legal game – it is necessary to formalise the principles of good strategy, or to design a learning programme. The principles are more qualitative and mysterious than in chess, and depend more on judgment. So I think it will be even more difficult to programme a computer to play a reasonable game of Go than of chess. »
  2. ↑ (en) « The real achievement will be when the program plays a player in the true top echelon. »
  3. ↑ (en) « Although we have programmed this machine to play, we have no idea what moves it will come up with. Its moves are an emergent phenomenon from the training. We just create the data sets and the training algorithms. But the moves it then comes up with are out of our hands—and much better than we, as Go players, could come up with. »
  4. ↑ (en) « ... since I won with white, I really do hope that in the fifth match I could win with black because winning with black is much more valuable. »
  5. ↑ (en) « Yesterday I was surprised, but today it's more than that – I am speechless. »
  6. ↑ (en) « a strange move to test AlphaGo's strength in the opening »
  7. ↑ (en) « AlphaGo played a nearly perfect game » ; « from the very beginning of the game I did not feel like there was a point that I was leading. »
  8. ↑ (en) « a rare and intriguing shoulder hit »
  9. ↑ (en) « So when AlphaGo plays a slack looking move, we may regard it as a mistake, but perhaps it should more accurately be viewed as a declaration of victory? »
  10. ↑ (en) « AlphaGo won so convincingly as to remove all doubt about its strength from the minds of experienced players. In fact, it played so well that it was almost scary ... In forcing AlphaGo to withstand a very severe, one-sided attack, Lee revealed its hitherto undetected power ... Lee wasn’t gaining enough profit from his attack ... One of the greatest virtuosos of the middle game had just been upstaged in black and white clarity »
  11. ↑ (en) « AlphaGo is simply stronger than any known human Go player. »
  12. ↑ (en) « a masterpiece for Lee Sedol and will almost certainly become a famous game in the history of Go. »
  13. ↑ (en) « unusual... but subtly impressive »
  14. ↑ (en) « the end of an era... board games are more or less done and it's time to move on. »
  15. ↑ (en) « AI methods are progressing much faster than expected, (which) makes the question of the long-term outcome more urgent, [...] in order to ensure that increasingly powerful AI systems remain completely under human control [...] there is a lot of work to do. »
  16. ↑ (en) « Things like 'common sense'... may never be reproducible » ; ajoutant « I don't see why we would speak about fears. On the contrary, this raises hopes in many domains such as health and space exploration. »
  17. ↑ (en) « I don't think people should be scared... but I do think people should be paying attention. »
  18. ↑ (en) « All but the very best Go players craft their style by imitating top players. AlphaGo seems to have totally original moves it creates itself. »
  19. ↑ (en) « in recognition of AlphaGo's sincere efforts to master Go's Taoist foundations and reach a level close to the territory of divinity »

Références

  1. ↑ (en) « Google’s AI Wins First Game in Historic Match With Go Champion », WIRED,
  2. ↑ (en) « AlphaGo victorious once again », Korea Times, (consulté le )
  3. ↑ (en) Bruno Bouzy et Tristan Cazenave, « Computer Go: An AI oriented survey », Artificial Intelligence, vol. 132, no 1,‎ , p. 39–103 (DOI 10.1016/S0004-3702(01)00127-8, lire en ligne, consulté le )
  4. ↑ (en) George Johnson, To Test a Powerful Computer, Play an Ancient Game, The New York Times, (lire en ligne)
  5. ↑ (en) I J Good, « Go, Jack Good », New Scientist, (consulté le )
  6. ↑ a b et c (en) Analyse du match et des questions de programmation du go comparée à celle des échecs, sur le site de ChessBase.
  7. ↑ a b c et d (en) David Silver, Aja Huang, Chris J. Maddison, Arthur Guez, Laurent Sifre, George van den Driessche, Julian Schrittwieser, Ioannis Antonoglou, Veda Panneershelvam, Marc Lanctot, Sander Dieleman, Dominik Grewe, John Nham, Nal Kalchbrenner, Ilya Sutskever, Timothy Lillicrap, Madeleine Leach, Koray Kavukcuoglu, Thore Graepel et Demis Hassabis, « Mastering the game of Go with deep neural networks and tree search », Nature, vol. 529, no 7587,‎ , p. 484–489 (DOI 10.1038/nature16961, lire en ligne, consulté le )
  8. ↑ (en) Adrian Cho, « ‘Huge leap forward’: Computer that mimics human brain beats professional at game of Go », Science,
  9. ↑ (en) William Hoffman, « Elon Musk Says Google Deepmind's Go Victory Is a 10-Year Jump For A.I. », Inverse, (consulté le )
  10. ↑ (en) « Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol », BBC News
  11. ↑ (en) Pourquoi AlphaGo est vraiment quelque chose d'important, sur le site de Quanta Magazine.
  12. ↑ a b c d e f g et h (en) « Google’s AI Wins Pivotal Second Game in Match With Go Grandmaster », WIRED, (consulté le )
  13. ↑ (en) « Google achieves AI 'breakthrough' by beating Go champion », BBC News, (consulté le )
  14. ↑ a et b (en) Elizabeth Gibney, Go players react to computer defeat, Nature (journal), (DOI 10.1038/nature.2016.19255, lire en ligne)
  15. ↑ a et b (en) Dana Mackenzie, « Update: Why this week’s man-versus-machine Go match doesn't matter (and what does) », Science (journal),‎ (DOI 10.1126/science.aaf4152, lire en ligne)
  16. ↑ (en) Ben Kloester, « Can AlphaGo defeat Lee Sedol? », Go Game Guru, (consulté le )
  17. ↑ a et b (en) « AlphaGo Korean Press Briefing »,
  18. ↑ (en-US) Cade Metz, « In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go », sur WIRED,
  19. ↑ (en) « Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning », Google Research Blog,
  20. ↑ (en) demishassabis, « We are using roughly same amount of compute power as in Fan Hui match: distributing search over further machines has diminishing returns », sur Twitter, (consulté le )
  21. ↑ Lee SeDol, sur gobase.org
  22. ↑ (en) « Lee Sedol expects "not easy" game with AlphaGo in 3rd Go match », Shanghai Daily
  23. ↑ (en) Mark Zastrow, « 'I'm in shock!' How an AI beat the world's best human at Go », New Scientist
  24. ↑ a et b (en) Tweet de Nie Weiping traduit et commenté sur Reddit le 15 mars.
  25. ↑ (en) « Go Commentary: Lee Sedol vs Park Junghwan – 43rd Myeongin Final, Game 4 », Go Game Guru (consulté le )
  26. ↑ (en) « AlphaGo », Google DeepMind (consulté le )
  27. ↑ a b et c (en) Commentaire de la cinquième partie par Lee Sedol
  28. ↑ a et b (ko) « 이세돌 vs 알파고, ‘구글 딥마인드 챌린지 매치’ 기자회견 열려 », Korea Baduk Association,‎ (consulté le )
  29. ↑ a et b (en) « Human champion certain he'll beat AI at ancient Chinese game », Associated Press,‎ (lire en ligne, consulté le )
  30. ↑ a et b (en) « Google’s AI AlphaGo to take on world No 1 Lee Se-dol in live broadcast », The Guardian, (consulté le )
  31. ↑ (en) « Google DeepMind is going to take on the world's best Go player in a luxury 5-star hotel in South Korea », Business Insider, (consulté le ).
  32. ↑ (en) Jordan Novet, « YouTube will livestream Google’s AI playing Go superstar Lee Sedol in March », sur VentureBeat,
  33. ↑ (zh) « 李世乭：即使Alpha Go得到升级也一样能赢 », JoongAng Ilbo,‎ (consulté le )
  34. ↑ (en) « Artificial intelligence: Go master Lee Se-dol wins against AlphaGo program », sur BBC News Online, (consulté le )
  35. ↑ (en) « Computer Go », Go Game Guru (consulté le )
  36. ↑ (en) « Why the Final Game Between AlphaGo and Lee Sedol Is Such a Big Deal for Humanity », Wired.com, (consulté le )
  37. ↑ a b et c (en) Cade Metz, « Go Grandmaster Lee Sedol Grabs Consolation Win Against Google's AI », Wired.com, (consulté le )
  38. ↑ a et b (en) « Match 4 - Google DeepMind Challenge Match: Lee Sedol vs AlphaGo », DeepMind
  39. ↑ a b et c (en) « AlphaGo defeats Lee Sedol in first game of historic man vs machine match », Go Game Guru, (consulté le )
  40. ↑ (en) Tanguy Chouard, « The Go Files: AI computer wins first match against master Go player », Nature (journal),‎ (DOI 10.1038/nature.2016.19544, lire en ligne)
  41. ↑ a b et c (en) « Google AI wins second Go game against world champion », BBC,‎ (lire en ligne, consulté le )
  42. ↑ a b c d e f g h i j k et l (en) David Ormerod, « AlphaGo shows its true strength in 3rd victory against Lee Sedol », Go Game Guru, (consulté le )
  43. ↑ (en) Ke Jie dit qu'il pourrait perdre contre AlphaGo, Dong-a Ilbo, 14 mars 2016
  44. ↑ (en) Commentaire du match dans Nature
  45. ↑ a b et c Interview de Lee Sedol après le match (lemonde.fr)
  46. ↑ Des liens vers la traduction de ces commentaires en anglais sont donnés dans la dernière section de cet article.
  47. ↑ a et b (en) David Ormerod, « AlphaGo races ahead 2–0 against Lee Sedol », Go Game Guru, (consulté le )
  48. ↑ a et b (en) « Google's AI beats world Go champion in first of five matches », BBC,‎ (lire en ligne, consulté le )
  49. ↑ (en) « Surprised at his loss, Lee Se-dol says he’s looking forward to another chance », The Hankyoreh
  50. ↑ (en) Analyse de la partie (après le match) sur un site consacré au deep learning
  51. ↑ (en) AlphaGo s'en moque, un article de Anders Kierulf (en) pour le American Go E-Journal
  52. ↑ a et b (en) Sam Byford, « Google's DeepMind beats Lee Se-dol again to go 2-0 up in historic Go series », The Verge,
  53. ↑ (en) « Lee Sedol expects "not easy" game with AlphaGo in 3rd Go match », Shanghai Daily,‎ (lire en ligne, consulté le )
  54. ↑ a b c et d (en) Tanguy Chouard, « The Go Files: AI computer clinches victory against Go champion », Nature (journal),‎ (DOI 10.1038/nature.2016.19553, lire en ligne)
  55. ↑ (en) Commentaire de Lee Sedol sur la deuxième partie
  56. ↑ (en) Sam Byford, « AlphaGo beats Lee Se-dol again to take Google DeepMind Challenge series », The Verge, (consulté le )
  57. ↑ (en) Commentaire de Lee Sedol de la troisième partie
  58. ↑ (en) Demis Hassabis, « Twitter post (12:09 a.m. – 13 Mar 2016) » (consulté le )
  59. ↑ (en) Demis Hassabis, « Twitter post (12:36 a.m. – 13 Mar 2016) » (consulté le )
  60. ↑ a b c d e f g et h (en) David Ormerod, « Lee Sedol defeats AlphaGo in masterful comeback – Game 4 », Go Game Guru, (consulté le )
  61. ↑ Go game guru
  62. ↑ Lee Sedol gagne la quatrième partie, sur informatique news.
  63. ↑ a et b (en) Sam Byford, « Google's AlphaGo AI beats Lee Se-dol again to win Go series 4-1 », The Verge, (consulté le )
  64. ↑ a et b David Ormerod, « AlphaGo defeats Lee Sedol 4–1 in Google DeepMind Challenge Match », Go Game Guru,‎ (lire en ligne, consulté le )
  65. ↑ (ko) « 바둑TV », Baduk TV
  66. ↑ (en) « The Sadness and Beauty of Watching Google’s AI Play Go », WIRED, (consulté le )
  67. ↑ (de) « Künstliche Intelligenz: "Alpha Go spielt wie eine Göttin" », Golem.de
  68. ↑ Annonce de ces diffusions sur le site de l'AGA
  69. ↑ Andrew Jackson est ingénieur informaticien chez Google, et exécutif en charge de la stratégie de développement pour l'AGA ; voir son profil sur Linkedin.
  70. ↑ a b c d e f g et h (en) Steven Borowiec et Tracey Lien, « AlphaGo beats human Go champ in milestone for artificial intelligence », Los Angeles Times,‎ (lire en ligne, consulté le )
  71. ↑ (en) Steve Connor, « A computer has beaten a professional at the world's most complex board game », The Independent,‎ (lire en ligne)
  72. ↑ (en) « Google's AI beats human champion at Go », CBC News,‎ (lire en ligne)
  73. ↑ a et b (en) « Google DeepMind computer AlphaGo sweeps human champ in Go matches », CBC News,‎ (lire en ligne, consulté le )
  74. ↑ (en) Sofia Yan, « A Google computer victorious over the world's 'Go' champion », CNN Money,‎ (lire en ligne, consulté le )
  75. ↑ (en) « AlphaGo: Google's artificial intelligence to take on world champion of ancient Chinese board game », Australian Broadcasting Corporation,‎ (lire en ligne, consulté le )
  76. ↑ a et b (en) Mariëtte Le Roux, « Rise of the Machines: Keep an eye on AI, experts warn », Phys.org,‎ (lire en ligne, consulté le )
  77. ↑ Message sur Facebook après la publication de l'article de Nature, puis analyse détaillée du comportement d'AlphaGo après la troisième partie
  78. ↑ a et b (en) Mariëtte Le Roux et Pascale Mollard, « Game over? New AI challenge to human smarts (Update) », phys.org,‎ (lire en ligne, consulté le )
  79. ↑ (en) « Game over? New AI challenge to human smarts (update) », phys.org,‎ (lire en ligne, consulté le )
  80. ↑ (en) Tanya Lewis, « An AI expert says Google's Go-playing program is missing 1 key feature of human intelligence », Business Insider,‎ (lire en ligne, consulté le )
  81. ↑ (en) Rupture de stock sur le matériel de go, sur le site de l'American Go Association.
  82. ↑ (en) AlphaGo termine sur un score de 4-1 contre Lee Sedol, sur le site de The Guardian.
  83. ↑ (en) Elizabeth Gibney, « Go players react to computer defeat », Nature,‎ (DOI 10.1038/nature.2016.19255, lire en ligne).
  84. ↑ (en) « Google's AlphaGo gets 'divine' Go ranking », The Straits Times
  85. ↑ (en) Article de MIT Technology Review
  86. ↑ (en) Discussion de Deep Zen Go sur le site Life in 19x19
  87. ↑ (en) Annonce de ce défi fin mars 2016, sur futurism.com
  88. ↑ (en) Mark Zastrow, « South Korea trumpets $860-million AI fund after AlphaGo 'shock' », sur Nature News, (DOI 10.1038/nature.2016.19595).

Liens externes

Analyses de la rencontre

Les parties commentées en français

Commentaires officiels

Commentaires officiels en direct par Michael Redmond (9-dan pro) et Chris Garlock sur le canal YouTube de Google DeepMind :

Commentaires de Lee Sedol

Ces remarques sur certains aspects cruciaux des cinq parties ont été publiées en coréen dans le Dong-a Ilbo (voici le commentaire de la première partie (ko)) ; ils ont été traduit en anglais sur le blog Baduk in Korea :

Articles sur le match par Li Zhe

Li Zhe, l'un des plus brillants jeunes professionnels chinois, a publié une série d'articles sur le réseau social WeChat (voici le premier d'entre eux (zh)), dont les trois suivants ont été traduits en anglais :

Ce document provient de « https://fr.wikipedia.org/w/index.php?title=Match_AlphaGo_-_Lee_Sedol&oldid=126039494 ».