COMMENT AUGMENTER LA PUISSANCE DE L’IA GRÂCE AUX EXPÉRIENCES D’ÉCHECS DE GOOGLE
Dans une étude récente, l’équipe de Google a développé une version diversifiée d’AlphaZero, incluant plusieurs systèmes d’IA entraînés de manière autonome et dans diverses situations. L’algorithme global agit comme une sorte d’entremetteur virtuel, visant à identifier quel agent a le plus de chances de succès lorsqu’il est temps de jouer. De plus, une « prime de diversité » a été codée, récompensant le système chaque fois qu’il tirait des stratégies parmi un large choix.
UNE DIVERSITÉ CRÉATIVE DANS LES ÉCHECS ET AU-DELÀ
Lorsque le nouveau système a été mis en liberté pour jouer ses propres parties, l’équipe a observé une grande variété. Le joueur d’IA diversifié a expérimenté de nouvelles ouvertures efficaces et pris des décisions nouvelles mais judicieuses concernant des stratégies spécifiques, telles que les moments opportuns et le lieu pour roquer. Dans la plupart des parties, il a battu l’AlphaZero original. De plus, il a été constaté que la version diversifiée pouvait résoudre deux fois plus de casse-tête que l’original et plus de la moitié du catalogue total de casse-tête Penrose.
La diversité n’est pas seulement bénéfique dans le contexte des échecs. L’approche diversifiée peut également aider tout système d’IA, qu’il soit basé ou non sur l’apprentissage par renforcement. Cette approche a notamment été utilisée pour entraîner des systèmes physiques, comme un robot à six pattes, et pour identifier de nouveaux médicaments prometteurs.
L’IMPORTANCE DE LA DIVERSITÉ DANS LA RÉSOLUTION DE PROBLÈMES
Il est suggéré que pour que les systèmes d’IA puissent penser de manière créative, les chercheurs doivent les amener à considérer davantage d’options. Cela pourrait être une connexion curieuse entre les humains et les machines : peut-être que l’intelligence se résume simplement à la puissance de calcul. La créativité, pour un système d’IA, pourrait se résumer à la capacité de considérer et de choisir parmi une large gamme d’options.
Bien qu’un système d’IA diversifié ne résolve pas complètement le problème de généralisation dans l’apprentissage automatique, cela représente un pas dans la bonne direction. Il offre un potentiel d’amélioration des performances, que ce soit dans les échecs, l’ingénierie, la recherche pharmaceutique ou tout autre domaine où la résolution de problèmes créatifs est nécessaire.
Enfin, l’approche diversifiée peut être coûteuse en termes de puissance de calcul, car elle nécessite de considérer un nombre beaucoup plus important de possibilités qu’un système classique. De plus, même l’AlphaZero diversifié ne capture pas l’intégralité du spectre des possibilités. Il reste donc encore beaucoup à explorer dans ce domaine.
Pour en savoir plus sur cette étude, consultez l’article original sur Quanta Magazine
Original story reprinted with permission from Quanta Magazine, an editorially independent publication of the Simons Foundation whose mission is to enhance public understanding of science by covering research developments and trends in mathematics and the physical and life sciences.
