Coup 37 : une pierre à un contre dix mille

Séoul, jeudi 10 mars 2016, deuxième partie du match, la première heure de jeu s'achève. Dans une salle du Four Seasons, Lee Sedol joue blanc. En face, Aja Huang, ingénieur de DeepMind et amateur 6e dan, pose les pierres noires que lui dicte un programme tournant sur des serveurs de Google, aux États-Unis. Au 37e coup, Huang place une pierre sur la cinquième ligne, côté droit, en diagonale d'une pierre blanche : un coup d'épaule, disent les joueurs. Au commentaire en anglais, Michael Redmond, 9e dan, seul Occidental à ce grade, lâche : « un coup très surprenant ». Son voisin Chris Garlock rit : « j'ai cru que c'était une erreur ». Lee Sedol a quitté la salle. À son retour, il met près d'un quart d'heure à répondre.

Dans l'hôtel, Fan Hui regarde aussi. Champion d'Europe, battu cinq à zéro par cette machine cinq mois plus tôt, il la connaît mieux que quiconque. Il trouve d'abord le coup bizarre. Puis il le regarde encore.

Ce n'est pas un coup humain. Je n'ai jamais vu un humain jouer ce coup. Tellement beau.

Fan Hui à Cade Metz, de Wired, ce jour-là. 174 coups plus tard, Lee Sedol abandonne. La pierre du coup 37 est toujours sur la cinquième ligne.

Un jeu de 171 chiffres

Le go se joue sur une grille de 19 lignes sur 19, soit 361 intersections, avec des pierres noires et blanches qu'on ne déplace jamais ; le but est d'entourer du territoire. Les règles tiennent en une page. Le nombre de positions légales, lui, a été calculé au chiffre près le 20 janvier 2016 par John Tromp : 171 chiffres, soit 2,08 fois 10 puissance 170, alors que l'univers observable compte environ 10 puissance 80 atomes. À chaque coup, un joueur a en moyenne 250 possibilités, contre 35 aux échecs, et une partie dure environ 150 coups.

La méthode de Deep Blue, 200 millions de positions évaluées par seconde pour battre Kasparov en 1997, ne mène donc nulle part : l'arbre est trop large, et rien ne dit, au milieu d'une partie, qui est en train de gagner. Les meilleurs programmes plafonnaient au niveau d'un bon amateur. En mai 2014, Rémi Coulom, auteur du programme Crazy Stone, estime dans Wired qu'il faudra encore une dizaine d'années, en précisant qu'il n'aime pas les prédictions. Le papier qui lui donnera tort reprend le même délai, au passé : « un exploit que l'on pensait à au moins dix ans ».

Deux réseaux et un arbre

AlphaGo assemble trois pièces. La première est un réseau de neurones, dit de politique, entraîné sur 30 millions de positions tirées de 160 000 parties d'amateurs forts du serveur KGS : on lui montre une position, il propose le coup qu'un bon joueur jouerait, et il devine celui de l'expert dans 57 % des cas. C'est l'intuition, les quelques coups qui ont l'air justes. Ce réseau joue ensuite des millions de parties contre des copies de lui-même, et on renforce les choix qui mènent à la victoire. La deuxième pièce est un réseau de valeur : une position entre, une probabilité de gagner sort. C'est le jugement, celui qui manquait à tous les programmes précédents.

La troisième est l'arbre, mais élagué : au lieu des 250 suites possibles, le programme ne déroule que les coups que l'intuition retient, joue mentalement la suite un grand nombre de fois et garde la branche qui gagne le plus souvent. C'est la recherche arborescente Monte-Carlo. La version du papier tournait sur 1 202 processeurs et 176 processeurs graphiques.

Cinq à zéro dans un bureau de Londres

Du 5 au 9 octobre 2015, dans les locaux de DeepMind à Londres, AlphaGo affronte Fan Hui, 2e dan professionnel. Cinq parties, cinq défaites. « Très fort et stable, comme un mur », dira Fan Hui, que DeepMind embauche aussitôt comme conseiller. Le résultat reste secret jusqu'au 27 janvier 2016, le jour où Nature met en ligne « Mastering the game of Go with deep neural networks and tree search » : vingt auteurs, David Silver en tête.

Mais Fan Hui est 2e dan. Lee Sedol, 33 ans, est 9e dan, 18 titres internationaux, un héros national en Corée du Sud, réputé pour son jeu créatif. À l'agence Yonhap, il promet cinq à zéro, au pire quatre à un : « il y aura eu beaucoup de mises à jour en quatre ou cinq mois, mais ce n'est pas assez pour me défier ».

Cinq parties au Four Seasons

Du 9 au 15 mars 2016, un million de dollars pour le vainqueur, deux heures par joueur et par partie. Le 9 mars, AlphaGo gagne la première par abandon. Le 10, c'est le coup 37 ; Lee Sedol parle d'une « partie presque parfaite » où il n'a jamais eu le sentiment de mener. Le 12 mars, troisième défaite : le match est perdu.

Le 13 mars, quatrième partie, Lee Sedol a les blancs. Au 78e coup, il glisse une pierre en coin au centre, un coup que Gu Li, 9e dan, baptise « coup divin ». AlphaGo, qui s'attribue alors 70 % de chances de gagner, répond mal ; vers le 87e coup, son estimation s'effondre, il enchaîne les mauvais coups jusqu'au 101e, puis abandonne au 180e. Redmond : « Ça m'a surpris. Je pense que ça a surpris AlphaGo. » Lee Sedol dira de cette victoire qu'il ne l'échangerait contre rien. Le 15 mars, AlphaGo gagne la cinquième. Quatre à un. Lee Sedol repart avec 170 000 dollars, DeepMind reverse le million à des associations, et la fédération coréenne de go décerne au programme un 9e dan honoraire, « pour ses efforts sincères ».

Un sur dix mille

Le lendemain du coup 37, David Silver explique à Cade Metz ce que la machine en pensait. Son réseau de politique, celui qui imite les joueurs, donnait à ce coup une chance sur dix mille d'être joué par un humain. AlphaGo l'a joué quand même, parce qu'en lisant la suite de la partie, son jugement, appris contre lui-même, le trouvait bon. Le coup 78 de Lee Sedol, selon DeepMind, avait la même probabilité. Le programme, cette fois, ne l'avait pas vu.

La machine avait appris des humains ce qu'ils jouent, puis appris seule ce qu'ils ne jouent pas.

C'est la différence avec Deep Blue, qui se contentait de compter. Le coup 37 n'est pas une erreur que la chance a sauvée. C'est un coup que la plupart des professionnels n'auraient même pas envisagé, et qu'une probabilité de victoire a suffi à justifier.

Séoul, Pékin et la retraite

Le 17 mars 2016, le gouvernement sud-coréen annonce 1 000 milliards de wons, soit 863 millions de dollars, pour l'intelligence artificielle sur cinq ans. En Chine, l'investisseur Kai-Fu Lee ouvre son livre AI Superpowers (2018) par un chapitre intitulé « Le moment Spoutnik de la Chine » : les cinq parties de Séoul auraient réuni, selon lui, plus de 280 millions de spectateurs chinois. Du 23 au 27 mai 2017, à Wuzhen, une version plus forte d'AlphaGo bat trois à zéro Ke Jie, numéro un mondial, puis prend sa retraite. Moins de deux mois plus tard, le 20 juillet, le Conseil des affaires de l'État publie son plan pour faire du pays le premier de l'intelligence artificielle en 2030.

Le 19 octobre 2017, Nature publie AlphaGo Zero : un seul réseau, plus aucune partie humaine. Parti des règles et de coups au hasard, le programme bat 100 à 0 la version de Séoul après trois jours et 4,9 millions de parties contre lui-même. Fan Hui est l'un des auteurs. Le 5 décembre, AlphaZero étend la méthode aux échecs et au shogi en une journée d'apprentissage.

Le 19 novembre 2019, Lee Sedol dépose sa démission auprès de la fédération coréenne. À Yonhap : « Même si je deviens le numéro un, il y a une entité qui ne peut pas être battue. » En 2024, il résumera : perdre contre l'IA, c'était voir son monde s'effondrer, et ne plus pouvoir aimer le jeu.

Fan Hui, lui, était 633e mondial avant d'affronter la machine. Cinq mois de parties contre elle plus tard, il est remonté autour de la 300e place. Il a perdu cinq à zéro. C'est lui qui a le plus appris.