Match AlphaGo - Lee Sedol

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 Lee Sedol, joueur professionnel sud-coréen considéré comme le meilleur joueur du monde au milieu des années 2000, et AlphaGo, un programme de go développé par Google DeepMind, qui s'est tenu entre le 9 et le à Séoul. Le gagnant du match devait recevoir un million de dollars.

 
Les deux adversaires : AlphaGo et Lee Sedol.

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 amenés 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 déclarée être « sans prix ».

Le match a été suivi, surtout en Asie, par plusieurs centaines de millions de spectateurs, suscitant un regain d'intérêt pour le go. Il a provoqué également de nombreuses réactions des spécialistes d'intelligence artificielle qui ont salué une avancée significative des techniques d'apprentissage automatique.

À la suite de ce match, la Hanguk Kiwon (la fédération coréenne de go) a décerné à AlphaGo un titre honorifique de 9e dan (professionnel) – le plus haut grade existant – en reconnaissance du niveau d'excellence atteint par le programme.

Contexte de la rencontre

Un défi pour l'intelligence artificielle

Le 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[1].

Malgré ses règles simples, c'est un jeu de plateau complexe exigeant, outre des calculs précis, de l'intuition ainsi que de la pensée créative et stratégique[2]. Il a longtemps été considéré comme un défi difficile pour le domaine de l'intelligence artificielle[2],[N 1], demandant en particulier de pouvoir imiter plus d'aspects de la réflexion humaine que pour les échecs[3]. Dès 1965, le mathématicien Irving John Good écrivait[4] : « Le go par ordinateur ? – Pour programmer un ordinateur jouant 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[N 2], les meilleurs programmes n'ayant guère plus que le niveau d'un amateur occasionnel, environ 8e kyu[7]. Un premier progrès essentiel fut alors apporté par une méthode de simulation probabiliste, connue sous le nom de méthode de Monte-Carlo[N 3] ; des améliorations régulières avaient amené en 2015 les meilleurs programmes au niveau de forts amateurs, environ 5e dan[6],[9]. Cependant, avant AlphaGo, certains chercheurs affirmaient que les ordinateurs ne battraient jamais un professionnel de haut niveau[10], 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[11].

Le match AlphaGo contre Lee Sedol est comparable au match d'échecs de 1997 entre Deep Blue et Garry Kasparov[7] : il marque le tournant symbolique où les ordinateurs deviennent meilleurs que les humains dans une activité donnée[12],[13]. Cependant, AlphaGo est qualitativement différent de DeepBlue[14], en ce qu'il utilise des réseaux neuronaux, qui créent et font évoluer leurs 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 capables d'expliquer précisément pourquoi leur programme a choisi tel ou tel coup[7],[15].

Le match contre Fan Hui
Fan Hui en 2006.
Fan Hui (avec les Noirs) contre AlphaGo : partie 5 (diagramme interactif de cette partie, commenté par An Young-gil).

En , AlphaGo gagna par 5 à 0 un match contre le franco-chinois 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[16],[17]. Le match et l'existence même d'AlphaGo furent tenus secrets jusqu'à la publication dans Nature, le , d'un article technique sur AlphaGo, détaillant les méthodes utilisées, et donnant les kifu des parties jouées[9].

La publication de l'article de Nature et l'annonce du match contre Lee Sedol furent abondamment commentées dans les médias[18], de nombreux observateurs saluant en particulier l'importante avancée pour l'intelligence artificielle constituée par l'utilisation de réseaux neuronaux convolutifs pour l'apprentissage profond[19],[20].

Des doutes persistaient cependant quant à la possibilité pour ces méthodes d'atteindre le niveau des meilleurs joueurs humains, certains commentateurs soulignant l'étendue de l'écart entre Fan Hui (2e dan) et Lee Sedol (9e dan)[21],[N 4], et 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 (programme ayant résolu le jeu de dames américaines), 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[17].

Entre les deux matchs

Les joueurs professionnels analysèrent les parties jouées contre Fan Hui[23] et 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)[24] qui les amenèrent à penser que Lee Sedol battrait aisément le programme[17] ; lui-même, ayant étudié ces parties, déclara qu'il pourrait perdre l'année suivante, mais qu'il était certain de gagner 5-0 ou 4-1 cette fois-ci[25] ; cependant, avant le match, il était en fait difficile de déterminer les progrès que le programme avait pu accomplir durant ces cinq mois[21],[26]. 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 »[27] ; après avoir pris connaissance de ces informations, Lee Sedol se montra nettement moins confiant qu'auparavant, déclarant à la veille du match : « ayant appris aujourd'hui comment ces algorithmes sélectionnent les choix possibles, j'ai l'impression qu'AlphaGo peut imiter l'intuition humaine jusqu'à un certain point[C 3]. »[28].

Les joueurs

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[8]) et d'une utilisation innovante de réseaux neuronaux[N 5], 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[29],[9]. Ayant atteint une certaine compétence (lui permettant en particulier de prévoir les coups de joueurs professionnels dans près de 60 % des cas), il fut ensuite opposé à des copies du même programme, utilisant l'apprentissage par renforcement pour améliorer son jeu[30].

Le programme ne contient au départ aucune connaissance spécifique sur le go (en dehors des règles et d'un module de calcul des shichō)[9], et il ne dispose en particulier pas d'une « bibliothèque » de coups (contrairement aux programmes d'échecs) ; comme l'expliquait l'un de ses créateurs : « 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 4]. »[15].

La version d'AlphaGo pour ce match utilisait à peu près la même puissance de calcul que pour le match contre Fan Hui[31],[N 6], laquelle était de 1 202 processeurs et 176 processeurs graphiques[9].

Lee Sedol

Lee Sedol est un joueur de go professionnel coréen classé 9e dan[34]. Né en 1983, il commença sa carrière en 1995, devenant 1er dan professionnel à l'âge de 12 ans, et remportant le titre de meilleur joueur de Corée du Sud en 2000. Entre 2003 et 2015, il a gagné 18 titres internationaux, ce qui faisait de lui le meilleur joueur du monde au milieu des années 2000[N 7],[36] ; au moment du match, il était encore classé parmi les cinq premiers[37]. 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[38],[N 8]. Quelques semaines avant le match, il remporta pour la quatrième fois le Myungin, le plus important des titres coréens[40].

Les parties

Conditions de la rencontre

Les cinq parties du match eurent lieu les 9, 10, 12, 13 et , à l'hôtel Four Seasons de Séoul. Chaque partie commençait à 13 heures, heure de Séoul, soit 04:00 UTC[41].

Les parties utilisaient les règles chinoises avec un komi de 7 points et demi[N 9], chaque joueur ayant un temps de réflexion principal de 2 heures, suivi de 3 périodes de byo yomi de 60 secondes[N 10],[N 11],[45] ; les joueurs jouaient en salle fermée, en présence de trois observateurs officiels, dont Fan Hui[N 12], mais aucun problème n'a amené ceux-ci à intervenir durant le match.

Les parties étaient retransmises en temps réel sur YouTube, et commentées en direct en anglais[N 13] par Michael Redmond (le seul 9e dan professionnel non asiatique) et Chris Garlock (éditeur de l'e-journal de l'AGA)[47],[48],[49]. Aja Huang, un 6e dan amateur membre de l'équipe de DeepMind, plaçait les pierres sur le goban au nom d'AlphaGo[N 14], lequel fonctionnait à l'aide de la Google Cloud Platform, le serveur étant situé aux États-Unis[51].

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[27],[N 15].

Le vainqueur du match devait remporter 1 million $US. AlphaGo ayant gagné, Google DeepMind a annoncé que le prix serait versé à des associations caritatives, dont l'Unicef, ainsi qu'à des organisations de go[52],[N 16]. Lee Sedol reçut 170 000 $ (150 000 $ pour avoir joué les cinq parties, et 20 000 $ pour chaque partie gagnée)[45],[52].

Résumé

AlphaGo a gagné toutes les parties sauf la quatrième[55],[56].

Le match
Partie no Date Noirs[n 1] Blancs Résultat[n 2] Coups Temps utilisé[n 3]
1Lee SedolAlphaGoLee Sedol abandonne186Lee Sedol : 1h 32 - AlphaGo : 1 h 55
2AlphaGoLee SedolLee Sedol abandonne211Lee Sedol : 2 h - AlphaGo : 2 h
3Lee SedolAlphaGoLee Sedol abandonne176Lee Sedol : 2 h - AlphaGo : 1 h 51
4AlphaGoLee SedolAlphaGo abandonne180Lee Sedol : 2 h - AlphaGo : 1 h 59
5Lee Sedol[n 4]AlphaGoLee Sedol abandonne280Lee Sedol : 2 h - AlphaGo : 2 h
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[57].
  2. Toutes les parties ont été gagnées par abandon[N 17].
  3. Les temps sont ceux figurant sur les vidéos officielles ; 2 h signifie que le joueur a utilisé tout son temps principal et est entré en byo yomi.
  4. 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 5],[58]

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' contre Fan Hui[59],[60]. Il devint rapidement clair qu'il était au moins de la force des meilleurs joueurs humains, Nie Weiping (célèbre 9e dan chinois) estimant par exemple qu'il était « 6e ou 7e dan professionnel dans le fuseki, et 13e à 15e dan ensuite »[39], 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 6] »[61]. Après la troisième partie, l'espoir que Lee Sedol gagne ne serait-ce qu'une partie sembla abandonner certains commentateurs[62], Ke Jie, le meilleur joueur chinois actuel, commençant lui-même[N 18] à douter d'avoir une chance contre AlphaGo[64]. Finalement, les deux dernières parties laissèrent apercevoir quelques failles dans le jeu du programme[65], que Demis Hassabis, fondateur et vice-président de DeepMind, déclara devoir être analysées de manière détaillée ; il semble en particulier ne pas « connaître » certains tesujis classiques[N 19], 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[66], 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[15]) et, à plusieurs reprises, a joué des coups allant contre la théorie établie, mais qui se sont révélés efficaces, amenant de nombreux professionnels à s'enthousiasmer pour sa technique[N 20],[N 21], et, à commencer par Lee Sedol, à déclarer qu'ils allaient devoir modifier certaines de leurs idées sur le jeu[66]. 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[15], 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 22].

Quatre moments critiques

Au cours du match, certains coups exceptionnels marquèrent les observateurs ; Lee Sedol les commenta dans une série d'articles pour le Dong-a Ilbo[70] :

Première partie :
le coup qui fit s'affaisser la mâchoire de Lee Sedol[N 23].
L'invasion en 102, « qu'aucun humain n'aurait jouée »[71].
Deuxième partie :
le coup le plus créatif de tout le match[72].
Le coup 37, un coup à l'épaule « interdit » par la théorie.
Troisième partie :
une contre-attaque spectaculaire[62].
Le « saut d'éléphant » en 32 renverse l'attaque et la partie.
Quatrième partie :
le « coup divin »[N 24] de Lee Sedol
Après ce « brillant tesuji »[73] en 78,
le jeu d'AlphaGo se détériora.

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[71].

Plus précisément, le quatrième coup de Lee Sedol (le coup 7) a été décrit par David Ormerod[59],[N 25] comme « un coup étrange destiné à tester la force d'AlphaGo dans le fuseki »[C 9] ; 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 22], jusqu'à l'invasion violente et inattendue[N 23] en 102, après laquelle Lee Sedol joue deux coups « discutables » en 119 et 123, et finalement le « coup perdant » en 129[59].

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 26] qu'aucun humain n'aurait joué[N 23],[71] ; après ce coup, il hésita sur son choix de continuation pendant plus de dix minutes[75].

Coups 1 à 78
À la fin de ce combat mettant six groupes en jeu,
le coup 7 reste mal placé[59].
Coups 79 à 102
Lee Sedol semble reprendre le dessus[N 22]...
jusqu'au coup 102[N 23].
Coups 103 à 186
Après l'invasion, Lee Sedol ne peut plus gagner.

Partie 2

La deuxième partie débuta par des innovations théoriques[N 27] 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[76], échangeant librement les zones d'influence[77], et après la partie, Lee Sedol déclara que « AlphaGo avait joué de façon presque parfaite » et, dit-il, « dès le début de la partie, je n'ai jamais eu l'impression que je menais »[C 10],[61],[78].

Michael Redmond déclara que le coup 37 était « créatif » et « unique »[15], et Lee Sedol prit un temps anormalement long pour y répondre[15]. An Young-gil (8p) le décrivit comme « un coup à l'épaule rare et fascinant »[C 11], 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 »[72]. Cette incertitude sur le vainqueur, partagée par plusieurs commentateurs professionnels, ne reflète pas le sentiment de Lee Sedol[61], ni celui d'AlphaGo : après le match, Demis Hassabis déclara que dès le milieu de la partie, AlphaGo était confiant en sa victoire[N 28],[78].

Particulièrement vers la fin de la partie, AlphaGo joua plusieurs coups anormaux, les professionnels n'arrivant pas à décider s'il s'agissait d'erreurs, de coups faibles ou d'une stratégie globale cachée[36]. 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[15],[69] ; si AlphaGo estime qu'en perdant des points, il rend sa victoire plus probable, il choisira cette solution[15]. Dans cette partie, le coup 167 semble ainsi être une erreur grossière, mais Lee Sedol déclara que la bataille de ko qu'AlphaGo lui offrait n'était en fait pas jouable[79], et An Young-gil résuma la situation en déclarant : « Donc, lorsque AlphaGo joue un coup qui nous semble mou, nous pouvons penser que c'est une erreur, mais nous devrions peut-être plutôt le voir comme une déclaration de victoire »[C 12],[62].

Coups 1 à 37
Après ces innovations[N 27], le plan d'AlphaGo se dévoile[15].
Coups 38 à 115
AlphaGo réveille l'aji (41 et 43), puis construit au nord-ouest,
forçant l'invasion, qu'il attaque sévèrement.
Coups 116 à 211
Le groupe ayant envahi est désagrégé.

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 25] déclara 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 insoupçonnée 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 13],[62] », et An Young-gil (8p) affirma que la partie montrait que « AlphaGo est tout simplement plus fort que tous les joueurs humains connus[C 14],[62]. ».

Contrairement à ce qu'avaient craint certains spécialistes de la programmation du go[69], AlphaGo se montra capable de gérer des batailles de ko[N 29] complexes (il n'en était pas apparu dans les parties précédentes)[80]. 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[62].

Lee Sedol, jouant avec les Noirs, choisit la formation connue sous le nom de « fuseki chinois haut »[N 30], 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[62], en particulier le coup 31 de Lee Sedol, bien que naturel (mais que An Young-gil décrivit comme étant peut-être le « coup perdant »[62]), est sanctionné par l'étonnant « saut d'éléphant » en 32, que Lee Sedol dit « n'avoir pas pu imaginer »[81], et après lequel l'attaque semble s'être retournée contre les Noirs ; Andy Jackson (de l'American Go Association) annonça que, selon Kim Myungwan (8p), la partie était déjà décidée au coup 35[69]. 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 »[62], 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[62]) ; manquant de menaces de ko, épuisé et découragé[62],[69], Lee Sedol abandonne au coup 176.

Coups 1 à 36
Après 32, l'attaque de Lee Sedol se retourne contre lui[69].
Coups 37 à 112
AlphaGo construit le bord sud,
et élimine toutes les possibilités de complications[62].
Coups 113 à 176
(122 en 113,154 en , 163 en 145, 164 en 151,
166 et 171 en 160, 169 en 145, 175 en )
Finalement, Lee Sedol obtient une bataille de ko,
mais ne peut la gagner.

Partie 4

La quatrième partie fut peut-être la plus spectaculaire 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[N 28], 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 déjà non optimale 79, qu'il estimait pourtant lui donner 70 % de chance de gagner la partie, puis une série de coups incohérents ; ce n'est pourtant qu'au coup 87 que son estimation s'effondra soudain[82],[83],[84] ; les coups qui suivirent (jusqu'au coup 101) furent caractérisés par David Ormerod[N 25] comme typiques des erreurs des programmes s'appuyant sur la méthode de Monte-Carlo[N 31],[73], 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[73],[N 17].

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 32]. Pour tenter de l'obliger à adopter un style plus risqué, Lee Sedol choisit une stratégie appelée amashi[N 33], 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 »[73] ; 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[73].

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[N 27]. 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 (dont 47) 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[73]. C'est alors que Lee Sedol joua le coup 78, un « brillant tesuji » que Gu Li déclara même être un « coup divin »[N 24] auquel il n'aurait jamais pensé[73]. Bien qu'il soit possible de le réfuter[73], le coup augmente la complexité de la position[85],[N 34] ; après deux coups encore plausibles d'AlphaGo (79 et 81), il joua une série de manœuvres incohérentes (de 83 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[N 10], AlphaGo abandonna après le coup 180[73], estimant que ses chances de gain étaient devenues inférieures à 20 %[85].

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 16],[73]. Lee Sedol déclara après le match, sous les acclamations du public, que cette victoire était « sans prix »[87], 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[58].

Coups 1 à 77
La partie semble perdue pour Blanc.
Coups 78 à 109
Après le « coup divin[N 24] » de Lee Sedol en 78,
le jeu d'AlphaGo devient erratique.
Coups 110 à 180
(177 en , 178 en )
Bien qu'en limite de temps, Lee Sedol ne peut plus perdre.

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[N 28]) une « erreur grave » à l'entrée dans le milieu de partie[56], 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[44] ; cette lutte pour regagner la partie fut décrite par les observateurs de DeepMind[N 28] comme « l'expérience de jeu la plus hallucinante que nous ayons eu jusque-là, avec une fin de partie incroyablement serrée et tendue[C 17] »[56].

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[N 33] 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 »)[56], 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 »[44]. Au coup 90, AlphaGo avait regagné l'équilibre, et joua alors une série de coups décrits par David Ormerod[N 25] comme « inhabituels, mais subtilement impressionnants »[C 18] qui lui permirent de prendre un léger avantage[88]. 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 35],[88].

Coups 1 à 60
AlphaGo perd le combat,
faute de « connaître » le tesuji en 53[56].
Coups 61 à 100
L'invasion trop profonde de Lee Sedol
permet à AlphaGo de revenir à l'équilibre[44].
Coups 101 à 186
(118 en 107, 161 en )
AlphaGo prend un léger avantage[88].
Coups 187 à 280
(240 en 200, 271 en , 275 en , 276 en )
Après le coup 194, la partie est gagnée pour Blanc[88].

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[89], 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[90]. 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)[47] fut suivie en moyenne par 80 000 internautes, avec un pic de plus de 100 000 visiteurs vers la fin de la première partie[91]. 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 (9e dan professionnelle coréenne[68]), assistés par Andrew Jackson[92],[93] ; sur de nombreux autres sites, des commentaires et des discussions se développaient par écrit durant chaque partie[94]. Au total, on estime que plus de trois cents millions de personnes ont assisté à tout ou partie du match, dont 280 millions en Chine[95].

Réactions

Chercheurs en intelligence artificielle

La victoire d'AlphaGo est un important jalon pour la recherche en intelligence artificielle[96]. Le jeu de go était considéré jusque-là comme un problème difficile d'apprentissage automatique, supposé être hors de portée des méthodes actuelles[96],[97],[98]. 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[99],[100], et même au début du match, la majorité des observateurs pensaient que Lee Sedol le gagnerait[96].

Après les succès des ordinateurs contre les meilleurs joueurs humains aux dames (Chinook), aux échecs (Deep Blue) et désormais au go[N 36], les jeux de plateau ne peuvent plus servir comme auparavant de repères à la progression de l'intelligence artificielle[96]. 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 19] »[96] ; dès la fin du match, des chercheurs de DeepMind envisageaient d'ailleurs de se mesurer ensuite à des champions humains de StarCraft 2[101], ce que Tim Morten, l'un des producteurs du jeu, semblait confirmer fin aux WCS de Shanghai[102] : ce type de jeux, dits à information incomplète (comme le bridge ou le poker) pourrait résister davantage aux méthodes de l'intelligence artificielle[N 37].

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[103]. 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 , l'informaticien Stuart Russell, spécialiste en IA, 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 20]. »[104]. Certains scientifiques, comme Stephen Hawking ou Eliezer Yudkowsky[N 38], s'inquiètent[N 39] 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 40],[106] ; 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[106] » 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[104] »[C 21]. Richard Sutton, quant 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 22]. »[107].

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[96] ; la diffusion de ces parties semble d'ailleurs avoir également provoqué un afflux de nouveaux joueurs, par exemple l’American Go Association signale une importante augmentation de commandes d'équipements[108].

De nombreux professionnels, à commencer par Lee Sedol, ont déclaré devoir revoir certaines de leurs idées sur le jeu après ce match[66]. Les coups non orthodoxes d'AlphaGo (jugés discutables à première vue par les professionnels, mais qui prennent tout leur sens après coup[99]) ont fait dire à Cho Hyeyeon (9e dan professionnelle coréenne[68]) 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 créés lui-même[C 23] »[96]. En , 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 »[109],[N 41].

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[110].

Après le match, la Hanguk Kiwon (la fédération coréenne de go) a décerné à AlphaGo un titre honorifique de 9e dan (professionnel), « en reconnaissance de son effort sincère pour maîtriser les fondations taoïstes du go et atteindre un niveau proche du territoire de la divinité[C 24]. »[111].

Certains des coups innovants d'AlphaGo apparaissent dans plusieurs parties de professionnels jouées depuis ce match[112]. Lee Sedol lui-même semble avoir progressé, gagnant toutes les rencontres qui ont suivi[N 42] ; dans une interview donnée au Kyunghyang Shinmun en [112], il déclarait : « Ma façon de penser est devenue plus flexible après ma rencontre avec AlphaGo. J'ai réfléchi aux faiblesses de l'intuition humaine, et je pense que ma prédiction du prochain coup est devenu plus précise lorsque je joue au go[C 25]. ».

Organisation d'un nouveau match

Dès avant la rencontre, d'autres professionnels avaient manifesté leur désir de s'opposer à AlphaGo[23], même si Ke Jie estimait, au vu de ses parties contre Fan Hui, que ce n'était pas un adversaire digne de lui[63]. Après le match, Lee Sedol regrettait de ne pas avoir donné toute sa mesure, et souhaitait une revanche[113]. Mais ce n'est qu'au début de que la perspective d'une nouvelle rencontre se précisait, l'annonce d'un match contre Ke Jie « avant la fin de l'année » étant faite lors du World Amateur Go Championship à Wuxi[114] ; cependant, le , Demis Hassabis refusait de confirmer ces informations[115],[116]. Le , Deep Mind signalait qu'AlphaGo avait fait des progrès significatifs, et, sans rentrer encore dans les détails, Demis Hassabis annonçait officiellement « de nouvelles parties pour le début de 2017 »[117]. Du 23 au , un festival intitulé The Future of Go Summit est organisé par Google et l’association chinoise de weiqi à Wuzhen ; la plus récente version d'AlphaGo y affronte Ke Jie dans un match en trois parties, ainsi que d'autres professionnels chinois jouant en consultation. AlphaGo gagne toutes les parties jouées[118]. Après cette rencontre, Google annonce qu'AlphaGo ne jouera plus en compétition[119].

Autres programmes de go

Avant la publication de l'article de Nature en , plusieurs groupes s'étaient déjà engagés dans l'utilisation de réseaux neuronaux pour la programmation du go, en particulier Facebook avec un programme appelé DarkForest[120]. De nombreux projets, souvent cherchant à améliorer 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 Zen (l'un des plus forts programmes commerciaux[121]), projet 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 meilleurs programmes de shōgi actuel[122] ; bien que n'ayant pas encore rejoint le niveau d'AlphaGo, Deep Zen a défié Cho Chihun (le joueur le plus titré de l'histoire du go japonais) pour un match en trois parties jouées du 20 au [123]. 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) ; China Computer Go, l'équipe chinoise de programmation du go, a fait la même annonce, de manière plus précise[124].

Gouvernement coréen

En réaction à ce match, le gouvernement de la Corée du Sud a annoncé le qu'il investirait mille milliards de wons (environ 800 millions d'euros) pour la recherche en intelligence artificielle au cours des cinq prochaines années[125].

Autres réactions

D'autres experts vaincus dans des confrontations hommes-machine se sont vu interviewés à cette occasion[126] : Garry Kasparov (battu par Deep Blue en 1997[7]) a ainsi déclaré que « les ordinateurs excellent dans les calculs parfaits  ; nos cerveaux, dans les généralités, les planifications à long terme et l’application de modèles généraux à des situations nouvelles. Ce contraste produit des affrontements passionnants dans ces courtes fenêtres de temps où les hommes et les machines jouent à force égale, comme ce fut le cas aux échecs il y a vingt ans et, apparemment, au go aujourd’hui. »[127], et, après la première partie, il a envoyé à Lee Sedol un message de condoléances, lui souhaitant de pouvoir gagner les parties suivantes, mais craignant que « l'inscription soit sur le mur »[128].

Dans un article pour Slate intitulé « Cher Lee Sedol, moi aussi j'ai été humilié par la machine », Ken Jennings, ancien champion de Jeopardy! battu par le programme Watson en 2011, explique que, à sa grande surprise, « perdre contre un ordinateur diabolique a été plutôt bénéfique à sa carrière » : en effet « tout le monde voulait savoir Ce Que Tout Cela Voulait Dire, et Watson était terriblement mauvais en interview » ; mais s'inquiète : « pour l’heure, il s’agit seulement d’une poignée de champions d’échecs, de jeu de go et de «Jeopardy!» qui n’ont plus l’impression qu’on a besoin d'eux et qui ne se sentent plus utiles. Mais qu’est-ce qui arrivera à la société quand il s’agira de millions de personnes[129] ? »

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].
  2. Les premiers programmes datent de la fin des années 1960, avec en particulier la thèse de Zobrist, proposant une approche par reconnaissance de formes[5]. Cependant, en 1998, il était encore possible à un fort amateur, Martin Müller, de gagner contre un des meilleurs programmes commerciaux, Handtalk, au handicap de 29 pierres, ce qui lui aurait été difficile contre un débutant complet humain[6].
  3. Plus précisément, il s'agit d'une amélioration de cette technique, développée par Rémi Coulom, la méthode UCT[8].
  4. 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[22].
  5. 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 ; les détails techniques ont été précisément décrits dans l'article de Nature du 27 janvier 2016[9].
  6. En avril 2016, DeepMind a annoncé passer à TensorFlow ; on a alors appris que cet outil avait déjà été utilisé partiellement pour programmer AlphaGo[32]. En mai, Google révélait avoir en fait construit un processeur spécifique de calcul tensoriel, de performance dix fois supérieure à celle de logiciels équivalents, et qu'il avait utilisé pour le match contre Lee Sedol ; on ignore si ce processeur était déjà en place lors du match contre Fan Hui[33].
  7. Il n'y a pas de « championnat du monde de go », mais la plupart de ces 18 titres, en particulier la coupe Fujitsu, qu'il a remporté trois fois, en avaient officieusement la valeur[35] ; Demis Hassabis, pour cette raison, le présentait avant le match comme le Roger Federer du go[29].
  8. Nie Weiping a fait remarquer[39] 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.
  9. Ces règles, et cette valeur de la compensation donnée à Blanc pour jouer en second, sont celles utilisées actuellement le plus fréquemment lors des compétitions internationales[42], ainsi que pour les compétitions entre ordinateurs[43].
  10. Une fois le temps principal écoulé, chaque coup doit être joué en moins de soixante secondes, faute de quoi une des trois périodes disparait ; à la fin de la dernière, le joueur a perdu au temps.
  11. Ces conditions de temps avaient été choisies par Lee Sedol, mais il les a finalement jugées un peu trop brèves après le match[44].
  12. Le nom des arbitres n'a pas été publié par la presse occidentale ; Fan Hui a déclaré que sa fonction se serait bornée à recompter la partie en cas de besoin.
  13. Une autre chaine YouTube était consacrée au commentaire en coréen par Yoo Changhyuk, Kim Sungryong, Song Taegon (9e dans professionnels) et Lee Hyunwook (8e dan)[46].
  14. Le laboratoire de DeepMind étant situé à Londres, le côté de la table où jouait Aja Huang était marqué par le drapeau britannique[50].
  15. 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.
  16. Le 6 juin 2016, Demis Hassabis confirmait que l'Unicef, l'association Code Club, et les associations de go américaines, européennes et coréennes se partageraient le prix[53],[54].
  17. 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), 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.
  18. Après la première partie, Ke Jie déclarait encore que, contrairement à Lee Sedol, il « écraserait » AlphaGo[63].
  19. En d'autres termes, en planifiant une séquence tactique, il ne les envisage pas forcément, et doit les recalculer à chaque coup, ce qui peut l'amener à des erreurs dues à l'effet d'horizon.
  20. Li Zhe a déclaré, après la deuxième partie : « Je ne pouvais pas imaginer qu'aujourd'hui, je serais en larmes juste en regardant les diagrammes d'une partie. Des larmes de joie[C 7]. »[67].
  21. À la fin de la troisième partie, Cho Hyeyeon (9e dan professionnelle coréenne[68]), commentant en direct le match pour l'AGA, s'exclama : « J'aime AlphaGo, je veux étudier ses coups et apprendre avec lui ; on dirait qu'AlphaGo sait tout[C 8] ! »[69].
  22. 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 »[62].
  23. 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 mâchoire de Lee Sedol s'affaisser en découvrant le coup.
  24. 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 Shūsaku qui fit rougir les oreilles de Genan.
  25. Ce fort amateur (5e dan) a synthétisé pour Go Game Guru les commentaires de An Young-gil (8p) et d'autres professionnels.
  26. 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.
  27. 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.
  28. Durant le match, l'équipe de DeepMind suivait en temps réel l'estimation par AlphaGo de ses chances de victoire.
  29. 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.
  30. 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.
  31. 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.
  32. Littéralement : « go au prix du marché » ; voir cette discussion (en) sur le site Life in 19x19.
  33. C'est un des concepts stratégiques du go les plus difficiles à mettre en œuvre, 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.
  34. Li Zhe, ne tarissant pas d'éloges sur le génie de Lee Sedol, explique comment réfuter ce coup, analyse les raisons qui font que c'est cependant lui qui avait le plus de chances de faire trébucher AlphaGo et conclut : « le coup 78 n'est pas un coup qui marche, mais c'est un coup qui brille[C 15]. »[86].
  35. 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.
  36. Succès auxquels on peut ajouter, bien que dans un genre assez différent, celui de Watson à Jeopardy! en 2011, comme l'explique Ken Jennings dans cette interview.
  37. Ainsi, en 2010, les meilleurs programmes de bridge restaient bien en-dessous du niveau des joueurs experts (The State of Automated Bridge Play (en)), et les programmes de poker ne dépassent les humains que depuis peu, et seulement dans des variantes à deux joueurs (Computer program 'perfect at poker' (en)).
  38. 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[105].
  39. Ils ont signé en 2015 à ce sujet une lettre ouverte (en), accompagné d'un document détaillant leurs préoccupations et proposant certaines solutions (en).
  40. Il s'agit en particulier de la notion de « révolte des machines », un des sujets d'étude du Centre pour l'étude des risques existentiels (université de Cambridge, Royaume-Uni).
  41. L'apparition de programmes inspirés d'AlphaGo (et de ses successeurs), comme Leela Zero, utilisables par tous les joueurs à partir de 2019, a relativisé cette prophétie, ces parties ayant désormais seulement une valeur historique.
  42. Il avait atteint au début mai 2016 la finale de la Coupe Maxim et la demi-finale de la Coupe Ing.

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) « Having learned today how its algorithms narrow down possible choices, I have a feeling that AlphaGo can imitate human intuition to a certain degree »
  4. (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. »
  5. (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. »
  6. (en) « Yesterday I was surprised, but today it's more than that – I am speechless. »
  7. (en) « I couldn’t have imagined, today, I’m full of tears just because a game record. Tears of joy. ».
  8. (en) « I love AlphaGo! I want to study it and learn from it! AlphaGo seems like it knows everything! »
  9. (en) « a strange move to test AlphaGo's strength in the opening »
  10. (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. ».
  11. (en) « a rare and intriguing shoulder hit »
  12. (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? »
  13. (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 »
  14. (en) « AlphaGo is simply stronger than any known human Go player. »
  15. (en) « Move 78 wasn’t a move that works, it was a move that shines. »
  16. (en) « a masterpiece for Lee Sedol and will almost certainly become a famous game in the history of Go. »
  17. (en) « the most mindblowing game experience we've had so far, incredibly close and tense finish. »
  18. (en) « unusual... but subtly impressive »
  19. (en) « the end of an era... board games are more or less done and it's time to move on. »
  20. (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. »
  21. (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. »
  22. (en) « I don't think people should be scared... but I do think people should be paying attention. »
  23. (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. »
  24. (en) « in recognition of AlphaGo's sincere efforts to master Go's Taoist foundations and reach a level close to the territory of divinity. »
  25. (en) « My thoughts have become more flexible after the game with AlphaGo. I reflected on how weak the human intuition was. So I think my predictions of the next move have become more accurate when I play go. »

Références
  1. Denis Feldmann (enseignant diplômé FFG), « Le jeu de go : la règle française (introduction) », sur site personnel de Denis Feldmann, mise à jour en janvier 2009 (consulté le ).
  2. (en) Bruno Bouzy et Tristan Cazenave, « Computer Go: An AI oriented survey » [« Le go par ordinateur : une étude axée sur l'intelligence artificielle »], Artificial Intelligence, Elsevier, vol. 132, no 1,‎ , p. 39–103 (DOI 10.1016/S0004-3702(01)00127-8, lire en ligne, consulté le ).
  3. (en) George Johnson, « Science : To Test a Powerful Computer, Play an Ancient Game » [« Pour tester un ordinateur puissant, jouer à un jeu ancien »], The New York Times, New York, The New York Times U.S. Edition,‎ (ISSN 0362-4331, lire en ligne).
  4. (en) I. J. Good, « Literature: Reports : The Mystery of Go » [« Publications : comptes rendus. Le mystère du jeu de go »], sur Atlas Computer Laboratory at Chilton, New Scientist, (ISSN 0262-4079, consulté le ).
  5. (en) Albert L. Zobrist, A new hashing method with application for game playing [« Une nouvelle méthode de hachage avec des applications aux jeux »] (Thèse (en ligne : Technical report)), Madison, University of Wisconsin, , 152 p. (présentation en ligne).
  6. (en) Martin Müller (University of Alberta), Computer Go Research : The challenges Ahead [« Recherche en informatique du go  : les défis à venir »] (projections en support exposé de Conference on Computational Intelligence and Games (CIG)), Taiwan, (lire en ligne [PDF]).
  7. (en) Albert Silver (photogr. Google DeepMind), « AlphaGo vs Lee Sedol : history in the making » [« AlphaGo contre Lee Sedol : l'histoire en train de se faire »], sur ChessBase, (consulté le ).
  8. (en) « UCT for Monte Carlo computer go » [« Méthode UCT pour ordinateur de go sous Monte-Carlo »], sur Sensei's Library, (consulté le ).
  9. (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 » [« Maitriser le jeu de go avec des réseaux neuronaux et une recherche arborescente »], Nature, Londres, Nature Publishing Group, vol. 529, no 7587,‎ , p. 484–489 (DOI 10.1038/nature16961, lire en ligne [PDF]).
  10. (en) Adrian Cho, « ’Huge leap forward’ : Computer that mimics human brain beats professional at game of Go » [« « Un énorme bond en avant » : un ordinateur qui imite le cerveau humain bat un professionnel au jeu de go »], sur Science, Washington, American Association for the Advancement of Science (AAAS), (ISSN 1095-9203, DOI 10.1126/science.aae0281, consulté le ).
  11. (en) William Hoffman, « Elon Musk Says Google Deepmind's Go Victory Is a 10-Year Jump For A.I. » [« Elon Musk déclare que la victoire au jeu de go de Google DeepMind représente un bond de 10 ans pour l’intelligence artificielle »], sur Inverse, (consulté le ).
  12. Arnaud Gonçalves, « AlphaGo, Watson… Quand les intelligences artificielles jouent le jeu », sur linkedin.com, (consulté le ).
  13. (en) « Artificial intelligence : Google's AlphaGo beats Go master Lee Se-dol » [« Intelligence artificielle : AlphaGo de Google bat le maître Lee Sedol »], sur bbc.com, (consulté le ).
  14. (en) Michael Nielsen, « Is AlphaGo Really Such a Big Deal? » [« Est-ce que AlphaGo est vraiment si important ? »], sur quantamagazine.org, (consulté le ).
  15. (en-US) Cade Metz, « Google’s AI Wins Pivotal Second Game in Match With Go Grandmaster » [« L'AI de Google gagne la deuxième partie dans le match contre le grand maître de go »], sur wired.com, (consulté le ).
  16. David Larousserie et Morgane Tual, « Fan Hui, champion européen de go : « L’ordinateur joue comme un humain » », sur lemonde.fr, (consulté le ).
  17. (en) Elizabeth Gibney, « Go players react to computer defeat » [« Les joueurs de go réagissent à la victoire de l'ordinateur »], Nature,‎ (DOI 10.1038/nature.2016.19255, lire en ligne).
  18. David Larousserie et Morgane Tual, « Première défaite d’un professionnel du go contre une intelligence artificielle », sur lemonde.fr, (consulté le ).
  19. Camille Gévaudan, « Un algorithme de Google bat un humain au go : une question de confiance », sur liberation.fr, (consulté le ).
  20. Morgane Tual, « Comment le « deep learning » révolutionne l'intelligence artificielle », sur lemonde.fr, (consulté le ).
  21. (en) Dana Mackenzie, « Update: Why this week’s man-versus-machine Go match doesn't matter (and what does) » [« Mise à jour : pourquoi le match de go homme-machine de cette semaine n'a pas d'importance (et ce qui en a) »], Science (journal),‎ (DOI 10.1126/science.aaf4152, lire en ligne).
  22. (en) Kageyama Toshiro, Lessons in the Fundamentals of Go, The Ishi Press, 1978 ; (ISBN 4-906574-28-9) ; p. 37
  23. (en) « In the "aftermath" of AlphaGo - Opinions of Professional Go Players » [« Dans le sillage d'AlphaGo : opinions de joueurs professionnels »], European Go Federation,
  24. (en) Résumé d'une vidéo de Myungwan Kim (8p) analysant les parties contre Fan Hui
  25. (en) « South Korean confident he’ll beat AI at ancient Chinese game » [« Le sud-coréen confiant de battre l'AI à l'ancien jeu chinois »], sur asiancorrespondent.com, (consulté le ) (interview de Lee Sedol deux semaines avant le match).
  26. (en) Ben Kloester, « Can AlphaGo defeat Lee Sedol? » [« AlphaGo peut-il battre Lee Sedol ? »], Go Game Guru, (consulté le ).
  27. (en) « AlphaGo Korean Press Briefing », .
  28. (en) Victoria Woolaston, « 'I'm nervous...it's inevitable AI will defeat us': Go champ admits he's anxious about his upcoming match with Google's AlphaGo » [« Je suis nerveux... il est inévitable que l'AI finisse par nous battre : le champion de go admet être anxieux avant son match contre AlphaGo »], sur dailymail.co.uk, (consulté le )
  29. (en-US) Cade Metz, « In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go » [« Dans une avancée majeure en AI, le système de Google bat en secret un des meilleurs joueurs au jeu ancien du go »], sur wired.com, .
  30. (en) David Silver et Demis Hassabis, « AlphaGo: Mastering the ancient game of Go with Machine Learning » [« AlphaGo : maîtriser le vieux jeu de go par l'apprentissage automatique »], Google Research Blog, (consulté le ).
  31. (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 ).
  32. (en) Koray Kavukcuoglu, « DeepMind moves to TensorFlow » [« DeepMind passe à TensorFlow »], Google Research Blog, .
  33. Jean Elyan, « I/O 2016 : Google dévoile TPU, son unité de traitement pour l'apprentissage machine », sur lemondeinformatique.fr, (consulté le )
  34. (en) « Lee SeDol », sur gobase.org.
  35. (en) Page officielle de la coupe Fujitsu
  36. (en) « Lee Sedol expects "not easy" game with AlphaGo in 3rd Go match » [« Lee Sedol ne s'attend pas à une partie facile pour la troisième rencontre avec AlphaGo »], Shanghai Daily, .
  37. (en) « Classement Elo des joueurs de go », sur goratings.org.
  38. (en) Mark Zastrow, « 'I'm in shock!' How an AI beat the world's best human at Go » [« "Je suis sous le choc!" Comment une AI a battu le champion du monde de go »], New Scientist, (consulté le ).
  39. (en) Tweet de Nie Weiping traduit et commenté sur Reddit le 15 mars.
  40. (en) An Young-gil, « Go Commentary: Lee Sedol vs Park Junghwan – 43rd Myeongin Final, Game 4 », Go Game Guru (consulté le ).
  41. (en) « AlphaGo », Google DeepMind (consulté le ).
  42. (en) Analyse comparative des règles sur la page de Robert Jasiek.
  43. (en) Règles pour les tournois entre ordinateurs sur KGS.
  44. (en) Commentaire de la cinquième partie par Lee Sedol
  45. (ko) « 이세돌 vs 알파고, ‘구글 딥마인드 챌린지 매치’ 기자회견 열려 » [« AlphaGo contre Lee Sedol, conférence de presse avant le Google DeepMind Challenge Match »], Korea Baduk Association,‎ (consulté le ).
  46. (en) Annonce du match sur le site de la British Go Association
  47. (en) « Google’s AI AlphaGo to take on world No 1 Lee Se-dol in live broadcast » [« La rencontre d'AlphaGo et de Lee Sedol retransmise en direct »], The Guardian, (consulté le ).
  48. (en) Sam Shead, « Google DeepMind is going to take on the world's best Go player in a luxury 5-star hotel in South Korea » [« Google DeepMind rencontre le meilleur joueur de go du monde dans un hôtel 5 étoiles en Corée du Sud »], Business Insider, (consulté le ).
  49. (en) Jordan Novet, « YouTube will livestream Google’s AI playing Go superstar Lee Sedol in March » [« YouTube retransmettra en direct l'AI de Google jouant contre la superstar du go Lee Sedol »], sur VentureBeat, .
  50. (en) Saheli Roy Choudhury, « Google DeepMind's AlphaGo beats Go champion Lee Sedol in AI milestone in Seoul » [« AlphaGo bat à Séoul le champion de go Lee Sedol dans un jalon important pour l'AI »], sur cnbc.com, .
  51. (zh) « 李世乭：即使Alpha Go得到升级也一样能赢 » [« Lee Sedol : même si AlphaGo s'est amélioré, je vais gagner »], JoongAng Ilbo,‎ (consulté le ).
  52. (en) Youkyung Lee, « Human champion certain he'll beat AI at ancient Chinese game » [« Le champion humain est sûr qu'il battra l'AI à un ancien jeu chinois »], Associated Press,‎ (lire en ligne, consulté le ).
  53. (en) Message de Demis Hassabis sur Twitter, retransmis sur le blog de Code Club
  54. (en) Détails de la donation sur le site de l'AGA.
  55. (en) « Computer Go », Go Game Guru (consulté le ).
  56. (en) Sam Byford, « Google's AlphaGo AI beats Lee Se-dol again to win Go series 4-1 » [« AlphaGo bat à nouveau Lee Sedol pour gagner le match 4 à 1 »], The Verge, (consulté le ).
  57. (en) Cade Metz, « Why the Final Game Between AlphaGo and Lee Sedol Is Such a Big Deal for Humanity » [« Pourquoi la dernière partie entre AlphaGo et Lee Sedol est si importante pour l'humanité »], Wired.com, (consulté le )
  58. (en) « Match 4 - Google DeepMind Challenge Match: Lee Sedol vs AlphaGo », DeepMind
  59. (en) « AlphaGo defeats Lee Sedol in first game of historic man vs machine match » [« AlphaGo bat Lee Sedol dans la première partie du match historique homme contre machine »], Go Game Guru, (consulté le ).
  60. (en) Tanguy Chouard, « The Go Files: AI computer wins first match against master Go player » [« Les dossiers du go : l'AI gagne la première partie contre le maître »], Nature,‎ (DOI 10.1038/nature.2016.19544, lire en ligne).
  61. (en) « Google AI wins second Go game against world champion » [« L'AI de Google gagne la deuxième partie de go contre le champion du monde »], BBC,‎ (lire en ligne, consulté le ).
  62. (en) David Ormerod, « AlphaGo shows its true strength in 3rd victory against Lee Sedol » [« AlphaGo montre sa véritable force dans une troisième victoire contre Lee Sedol »], Go Game Guru, (consulté le ).
  63. « "AlphaGo ne peut pas me battre", déclare Ke Jie, joueur professionnel de go », sur french.xinhuanet.com, (consulté le )
  64. (en) « Chinese Go master Ke Jie says he could lose to AlphaGo » [« Le maître de go chinois Ke Jie dit qu'il pourrait perdre contre AlphaGo »], sur english.donga.com, (consulté le )
  65. (en) Tanguy Chouard, « The Go Files: AI computer wraps up 4-1 victory against human champion » [« Les dossiers du go : l'AI plie 4 à 1 le match contre le champion humain »], Nature,‎ (lire en ligne) (commentaire de l'ensemble du match)
  66. William Audureau, « Jeu de go : pour Lee Sedol, la victoire de la machine est moins tactique que psychologique », sur lemonde.fr, (consulté le ).
  67. Commentaire de la deuxième partie par Li Zhe : (en) Nobody could have done a better job than Lee Sedol, MassGoBlog, 11 mars 2016
  68. (en) Article sur Cho Hyeyeon, sur le site de Sensei's Library.
  69. (en) Tanguy Chouard, « The Go Files: AI computer clinches victory against Go champion » [« Les dossiers du go : l'ordinateur conclut sa victoire contre le champion de go »], Nature,‎ (DOI 10.1038/nature.2016.19553, lire en ligne).
  70. Des liens vers la traduction de ces commentaires en anglais sont donnés dans la dernière section de cet article.
  71. (en) « Google's AI beats world Go champion in first of five matches » [« L'AI de Google bat le champion du monde de go dans le premier des cinq matchs »], BBC,‎ (lire en ligne, consulté le ).
  72. (en) David Ormerod, « AlphaGo races ahead 2–0 against Lee Sedol », Go Game Guru, (consulté le ).
  73. (en) David Ormerod, « Lee Sedol defeats AlphaGo in masterful comeback – Game 4 » [« Partie 4 : Lee Sedol défait AlphaGo dans un retour remarquable »], Go Game Guru, (consulté le ).
  74. Ces commentaires, dus à Motoki Noguchi (7e dan) et Dai Junfu (8e dan), en s'appuyant sur des commentaires professionnels, figurent sur le site de la Revue française de go.
  75. (en) « Surprised at his loss, Lee Se-dol says he’s looking forward to another chance » [« Surpris de sa défaite, Lee Sedol dit qu'il compte bien sur une seconde chance »], The Hankyoreh.
  76. (en) Analyse de la partie (après le match) sur un site consacré à l'apprentissage profond
  77. (en) AlphaGo don't care [« AlphaGo s'en moque »], un article de Anders Kierulf, le créateur de SGF, pour le American Go E-Journal
  78. (en) Sam Byford, « Google's DeepMind beats Lee Se-dol again to go 2-0 up in historic Go series » [« DeepMind gagne encore contre Lee Sedol pour mener 2-0 dans un match de go historique »], The Verge, .
  79. (en) Commentaire de Lee Sedol sur la deuxième partie, Baduk in Korea, 9 avril 2016
  80. (en) Sam Byford, « AlphaGo beats Lee Se-dol again to take Google DeepMind Challenge series » [« AlphaGo bat à nouveau Lee Sedol pour gagner le Google DeepMind Challenge »], The Verge, (consulté le ).
  81. (en) Commentaire de Lee Sedol sur la troisième partie
  82. (en) Demis Hassabis, « Twitter post (12:09 a.m. – 13 Mar 2016) » (consulté le ).
  83. (en) Demis Hassabis, « Twitter post (12:36 a.m. – 13 Mar 2016) » (consulté le ).
  84. Commentaire détaillé de la partie sur le site de la Revue française de go.
  85. (en) Cade Metz, « Go Grandmaster Lee Sedol Grabs Consolation Win Against Google's AI » [« Lee Sedol s'empare d'une victoire de consolation contre l'AI de Google »], Wired.com, (consulté le ).
  86. (en) Commentaires de Li Zhe avant la cinquième partie
  87. Guy Hervier, « Lee Sedol gagne la quatrième partie », sur informatiquenews.fr, (consulté le ).
  88. (en) David Ormerod, « AlphaGo defeats Lee Sedol 4–1 in Google DeepMind Challenge Match » [« AlphaGo bat Lee Sedol 4 à 1 dans le Google DeepMind Challenge Match »], Go Game Guru,‎ (lire en ligne, consulté le ).
  89. (ko) « 바둑TV », Baduk TV.
  90. (en) « The Sadness and Beauty of Watching Google’s AI Play Go » [« La tristesse et la beauté de regarder l'AI de Google jouer au go »], Wired, (consulté le ).
  91. (de) « Künstliche Intelligenz: "Alpha Go spielt wie eine Göttin" » [« Intelligence artificielle : AlphaGo joue comme une déesse »], Golem.de.
  92. Annonce de ces diffusions sur le site de l'AGA.
  93. Andrew Jackson est ingénieur informaticien chez Google, et exécutif chargé de la stratégie de développement pour l'AGA ; voir son profil sur Linkedin.
  94. Par exemple, on trouve sur le site de Go Games Guru le flot de commentaires de la première partie animé par An Young-gil.
  95. (en) Cade Metz, « What the AI behind AlphaGo can teach us about being human » [« Ce que l'intelligence artificielle derrière AlphaGo peut nous apprendre sur ce que c'est d'être humain »], sur wired.com, (consulté le )
  96. (en) Steven Borowiec et Tracey Lien, « AlphaGo beats human Go champ in milestone for artificial intelligence » [« AlphaGo bat un champion humain du go dans une étape marquante pour l'intelligence artificielle »], Los Angeles Times,‎ (lire en ligne, consulté le ).
  97. (en) Steve Connor, « A computer has beaten a professional at the world's most complex board game » [« Un ordinateur a battu un professionnel au jeu de plateau le plus complexe du monde »], The Independent,‎ (lire en ligne).
  98. (en) « Google's AI beats human champion at Go » [« L'AI de Google bat le champion humain au go »], CBC News,‎ (lire en ligne).
  99. (en) « Google DeepMind computer AlphaGo sweeps human champ in Go matches » [« AlphaGo, l'ordinateur de Google DeepMind, balaye le champion humain dans un match de go »], CBC News,‎ (lire en ligne, consulté le ).
  100. (en) Sofia Yan, « A Google computer victorious over the world's 'Go' champion » [« Un ordinateur de Google vainqueur contre le champion du monde de go »], CNN Money,‎ (lire en ligne, consulté le ).
  101. « StarCraft, le prochain défi », sur lemonde.fr, .
  102. (en) « Discussion de cette annonce », sur reddit.com.
  103. (en) « AlphaGo: Google's artificial intelligence to take on world champion of ancient Chinese board game » [« AlphaGo : l'intelligence artificielle de Google va se mesurer au champion du monde d'un ancien jeu de plateau chinois »], Australian Broadcasting Corporation,‎ (lire en ligne, consulté le ).
  104. (en) Mariëtte Le Roux, « Rise of the Machines: Keep an eye on AI, experts warn » [« L'éveil des machines : gardez un œil sur l'AI, avertissent les experts »], Phys.org,‎ (lire en ligne, consulté le ).
  105. Message sur Facebook après la publication de l'article de Nature (en), puis analyse détaillée du comportement d'AlphaGo après la troisième partie (en).
  106. (en) Mariëtte Le Roux et Pascale Mollard, « Game over? New AI challenge to human smarts (Update) » [« La partie est finie ? Un nouveau défi de l'AI aux humains (mise à jour) »], phys.org,‎ (lire en ligne, consulté le ).
  107. (en) Tanya Lewis, « An AI expert says Google's Go-playing program is missing 1 key feature of human intelligence » [« Un expert en AI dit que le programme de go de Google manque d'un ingrédient clé de l'intelligence humaine »], Business Insider,‎ (lire en ligne, consulté le ).
  108. (en) « Worldwide shortage of go equipment reported in wake of AlphaGo match » [« Rupture de stock d'équipements de go signalée dans le monde entier, dans le sillage du match d'AlphaGo »], sur usgo.org, (consulté le ).
  109. (en) Steven Borowiec, « AlphaGo seals 4-1 victory over Go grandmaster Lee Sedol » [« AlphaGo remporte une victoire 4 à 1 contre le grand maître Lee Sedol »], sur theguardian.com, (consulté le ).
  110. (en) Elizabeth Gibney, « Go players react to computer defeat » [« Les joueurs de go réagissent à la victoire de l'ordinateur »], Nature,‎ (DOI 10.1038/nature.2016.19255, lire en ligne).
  111. (en) « Google's AlphaGo gets 'divine' Go ranking » [« AlphaGo remporte un classement « divin » au go »], The Straits Times.
  112. (en) « Lee Se-dol, "Learned a Lot from AlphaGo": Lessons Also Applied in the "Human World" of Go » [« Lee Sedol : AlphaGo m'a appris beaucoup ; ce sont des leçons qui s'appliquent aussi au monde du go humain »], The Kyunghyang Shinmun
  113. (en) « Defeated Go champion Lee Sedol wants a rematch against AlphaGo » [« Lee Sedol, le champion de go battu, veut un match retour contre AlphaGo »], sur independent.co.uk, (consulté le )
  114. « Intelligence artificielle : le prochain défi d’AlphaGo se nomme Ke Jie », sur ITespresso, (consulté le )
  115. « Le numéro 1 du jeu de Go veut la revanche de l’humanité sur l’intelligence artificielle », sur numerama.com, (consulté le )
  116. Karyl Ait-Kaci-Ali, « AlphaGo : pas de match contre Ke Jie (pour l'instant ?) déclare DeepMind », sur CNETfrance.fr, (consulté le )
  117. (en) Déclaration de Demis Hassabis sur Twitter.
  118. (en) Annonce, résultats et commentaires de la rencontre sur le site de DeepMind.
  119. AlphaGo prend sa retraite, article sur le monde.fr.
  120. (en) « How Facebook’s AI Researchers Built a Game-Changing Go Engine » [« Comment les chercheurs de Facebook construisent une machine qui changera le jeu de go »], sur MIT Technology Review, (consulté le ).
  121. Zen a en particulier gagné à plusieurs reprises des compétitions entre programmes de go ; voir cette page à son sujet (en) sur le site de Sensei's Library.
  122. (en) « Deep Zen Go - A new Zen to counter AlphaGo » [« Deep Zen Go : un nouveau Zen pour contrer AlphaGo »], sur Life in 19x19, (consulté le ).
  123. (en) Cho Chikun perd la deuxième partie du match, sur The Japan Times.
  124. Guillaume Serries, « Une équipe chinoise spécialisée dans l'Intelligence Artificielle veut défier AlphaGo », sur zdnet.fr, (consulté le ).
  125. (en) Mark Zastrow, « South Korea trumpets $860-million AI fund after AlphaGo 'shock' » [« La Corée du Sud annonce un fond de 860 millions de $ pour l'AI après le choc d'AlphaGo »], sur Nature News, (DOI 10.1038/nature.2016.19595).
  126. (en) Déclaration de Garry Kasparov à ce sujet sur Facebook
  127. « Défaite humaine au jeu de go : « Les ordinateurs ne dérapent pas », explique Garry Kasparov », sur lemonde.fr, (consulté le ).
  128. (en) Message de Kasparov sur Twitter
  129. Ken Jennings, « Cher Lee Sedol, moi aussi j'ai été humilié par la machine », sur Slate.fr, (consulté le ) ; version originale de l'article : (en) Ken Jennings, « The Go Champion, the Grandmaster, and Me », sur Slate.com, (consulté le ).

Articles connexes

Bibliographie

Au début de , seuls cinq livres en coréen avaient été publiés sur le match (voir cette photographie de leurs couvertures) ; des traductions en anglais n'en semblaient pas prévues. En , Yuan Zhou (un des meilleurs joueurs américain) a publié une analyse approfondie du match : (en) AlphaGo vs Lee Sedol. The Match that Changed the World of Go, Slate & Shell (ISBN 1-932001-77-8).

Liens externes

Analyses de la rencontre

Les parties commentées en français

Commentaires officiels

Commentaires officiels en direct par Michael Redmond (9e dan professionnel) 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 ; elles ont été traduites 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 :

Commentaires des parties s’appuyant sur les analyses d’AlphaGo

En , ces commentaires, dus à Fan Hui, Gu Li et Zhou Ruiyang (en), ont été publiés sur le site de DeepMind ; ils relativisent certaines analyses faites immédiatement après le match, y compris celles de Lee Sedol :

Documentaire sur la rencontre

En , DeepMind a produit un documentaire intitulé AlphaGo (en), contenant quelques informations inédites sur les coulisses de la rencontre, et en reprenant sous l’angle humain les moments les plus marquants.

  • Portail du jeu de go
  • Portail de l’informatique
  • Portail des années 2010
  • Portail de Séoul
La version du 19 juin 2016 de cet article a été reconnue comme « article de qualité », c'est-à-dire qu'elle répond à des critères de qualité concernant le style, la clarté, la pertinence, la citation des sources et l'illustration.
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Partage dans les Mêmes. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.