DANS LA BOÎTE NOIRE DE L’IA
En 2016, l’IA baptisée AlphaGo écrasait les plus grands champions de go SVJ Un exploit, car ce jeu chinois est réputé bien plus complexe que les échecs (il y a 10 positions possibles… soit davantage que le nombre d’atomes dans l’univers). Pourtant, c’était de la gnognotte. Car en octobre 2019, une nouvelle IA baptisée AlphaStar s’est classée parmi les meilleurs joueurs mondiaux à SVJ Et c’est une autre paire de manches. Si vous êtes gamer, vous savez peut-être déjà à quel point ce jeu vidéo de stratégie en temps réel est exigeant : il faut explorer la vaste carte tout en mettant la main sur des ressources et en formant des unités militaires pour dominer l’adversaire. Si bien que les joueurs professionnels de prennent jusqu’à 400 décisions par minute… soit 5 par seconde! Certes, un ordinateur réalise, lui, des milliards d’opérations dans la même durée. Mais la différence essentielle par rapport aux jeux de plateau comme les échecs ou le go, c’est que les mouvements de l’adversaire, ainsi qu’une bonne partie de la carte, sont dissimulés sous un «brouillard de guerre». Une incertitude que les machines géraient jusque-là très mal… Voici l’une des dernières avancées spectaculaires de l’intelligence artificielle. Et cette dernière ne prend pas seulement pied dans des jeux abstraits, mais également dans notre quotidien, à travers les assistants vocaux ou les voitures autonomes! Certains parlent même de véritable révolution technologique, de celles qui refaçonnent durablement la société… tout comme les inventions de l’ordinateur et la machine à vapeur auparavant. Mais )… voire exécuter la plupart de nos tâches. prophétisait ainsi le chercheur Herbert Simon en 1965. Le pauvre s’était légèrement trompé. Preuve que, déjà à cette époque, on nous promettait monts et merveilles à propos de l’IA! L’un de ses pionniers, Frank Rosenblatt, a eu l’idée en 1957 de prendre notre cerveau pour modèle… ou du moins ce que l’on en comprenait à l’époque. Selon lui, si l’on arrivait à fabriquer des neurones artificiels miniatures et à les connecter finement entre eux, on devrait sûrement pouvoir recréer les opérations complexes qui se déroulent dans notre matière grise pour traiter l’information. Il a ainsi conçu le premier «réseau de neurones artificiels», baptisé Perceptron. Ce dernier permettait de reconnaître des lettres de l’alphabet ou des chiffres grâce à un jeu de mini-capteurs photographiques. Bien sûr le Perceptron n’était pas très sophistiqué! Il se présentait comme une grosse armoire abritant des « boutons » rotatifs appelés potentiomètres. Pour que le Perceptron apprenne à reconnaître un certain type de lettre (par exemple, le A), un chercheur lui soumettait de nombreuses images de cette lettre en noir et blanc. Chacun des mini-capteurs photo mesurait un pixel précis de l’image, et envoyait un signal numérique (0 si blanc, 1 si noir, par exemple) au neurone artificiel au coeur de la machine. Ce neurone artificiel, sorte de petite unité de traitement de l’information, canalisait ces signaux en entrée pour ne sortir qu’un seul signal en sortie. S’il s’allumait, il avait reconnu la lettre, sinon, il restait éteint. Tout l’entraînement consistait à ajuster chaque potentiomètre pour que le neurone s’active bien, après des dizaines d’essais, lorsqu’on lui montrait la lettre.
