Le coup 37 d'AlphaGo : ce que l'intelligence artificielle a changé au go
Pendant des décennies, le go a servi d'exemple à ceux qui expliquaient pourquoi les ordinateurs ne battraient pas de sitôt les meilleurs humains à tous les jeux. Les échecs étaient tombés, le go résistait. En mars 2016, à Séoul, cette certitude a cédé en cinq parties. Et ce qu'on retient de ce match, ce n'est pas seulement le score : c'est un coup, le 37e de la deuxième partie, qu'aucun professionnel n'aurait joué, et qui s'est révélé excellent.
Pourquoi le go résistait aux ordinateurs
Aux échecs, un programme peut examiner une énorme quantité de suites de coups et noter chaque position avec des critères assez simples : le matériel, la sécurité du roi, l'activité des pièces. Au go, ces deux appuis manquent.
- Trop de coups possibles. Sur un goban de 19 × 19, une position offre souvent plus de deux cents coups légaux, contre une trentaine aux échecs. Explorer quelques coups d'avance demande déjà des calculs immenses.
- Pas de critère simple pour juger une position. Une pierre ne vaut rien en soi : sa valeur dépend de groupes qui vivront ou mourront peut-être cent coups plus tard. Les joueurs forts jugent « à l'œil », par l'expérience de milliers de formes. C'est précisément ce qu'on ne savait pas écrire dans un programme.
Au début des années 2010, les meilleurs programmes jouaient à un bon niveau amateur, mais recevaient encore des pierres de handicap face aux professionnels. On parlait volontiers d'une décennie d'attente avant de voir un programme battre un champion.
Ce qui a changé avec AlphaGo
AlphaGo, développé par l'entreprise DeepMind, a contourné le problème du jugement en l'apprenant. Le programme s'appuie sur des réseaux de neurones : l'un propose les coups qui semblent prometteurs dans une position, l'autre estime qui est en train de gagner. Ces réseaux ont d'abord appris sur des parties d'amateurs forts, puis se sont améliorés en jouant contre eux-mêmes des millions de parties. Une recherche guidée par ces deux réseaux se concentre sur les quelques coups qui méritent d'être lus, au lieu de tout examiner.
En octobre 2015, AlphaGo bat le champion d'Europe Fan Hui par cinq parties à zéro. La nouvelle n'est rendue publique qu'en janvier 2016, avec l'article scientifique qui décrit le programme. Un défi est alors lancé à Lee Sedol, joueur coréen parmi les plus titrés de sa génération.
Le coup 37 : une épaule au cinquième rang
Dans la deuxième partie, AlphaGo a les noirs. À son 37e coup, il pose une pierre sur le côté droit, au contact en diagonale d'une pierre blanche : ce qu'on appelle un coup d'épaule. Le geste en lui-même est banal. Sa hauteur ne l'est pas : la pierre noire est sur la cinquième ligne en partant du bord.
Pour comprendre la surprise, il faut connaître une des premières leçons du go :
- une pierre sur la troisième ligne prend du territoire, solidement, près du bord ;
- une pierre sur la quatrième ligne prend moins de territoire mais plus d'influence vers le centre ;
- au-delà, la pierre est réputée trop haute : elle laisse l'adversaire s'installer dessous, sur la quatrième ligne, et lui offre un territoire facile.
Un coup d'épaule sur la cinquième ligne, à ce moment de la partie, ressemblait donc à une faute de débutant. Plusieurs commentateurs ont d'abord cru à une erreur du programme. Lee Sedol, lui, a longuement réfléchi avant de répondre.
DeepMind a ensuite expliqué que le réseau qui imite les choix humains estimait à environ une chance sur dix mille qu'un joueur humain joue ce coup. AlphaGo l'a joué quand même, parce que son évaluation de la position disait qu'il était bon. La suite de la partie lui a donné raison : la pierre de la cinquième ligne s'est révélée parfaitement placée pour peser à la fois sur le côté et sur le centre, et AlphaGo a gagné. Ce chiffre d'un sur dix mille est une estimation du programme, pas une statistique tirée de parties humaines ; il dit surtout à quel point le coup sortait des habitudes.
Le coup 78 : la réponse de Lee Sedol
AlphaGo remporte les trois premières parties : le match est perdu pour Lee Sedol. Dans la quatrième, il joue les blancs et se retrouve en difficulté au centre du plateau. À son 78e coup, il glisse une pierre entre deux pierres noires qui ne se touchent pas encore. Ce coup qui s'insère, et menace de couper de deux côtés à la fois, est un tesuji : c'est ainsi qu'on appelle au go un coup tactique précis qui renverse une situation locale.
Là encore, le programme ne l'avait pas vu venir : selon DeepMind, il donnait à ce coup une probabilité du même ordre, environ une sur dix mille. Les coups suivants d'AlphaGo ont été mauvais, au point de paraître absurdes à un amateur, et Lee Sedol a gagné. Ce sera la seule victoire humaine du match, qui se termine sur le score de quatre parties à une pour AlphaGo.
Les deux coups se répondent. Le 37 montre qu'un programme peut trouver un bon coup que la théorie humaine jugeait mauvais. Le 78 montre qu'un humain peut encore trouver ce que le programme n'a pas envisagé, et que, pris en défaut, le programme peut se tromper lourdement.
Après le match : plus aucune partie à égalité
La suite a été rapide :
- Fin 2016 et début 2017, une nouvelle version, présentée sous le nom de Master, joue en ligne contre des professionnels de premier plan et remporte soixante parties sans en perdre une seule (une autre, interrompue par la coupure de connexion d'un adversaire, a été comptée nulle).
- En mai 2017, à Wuzhen, en Chine, AlphaGo bat Ke Jie, alors premier au classement mondial, par trois parties à zéro. DeepMind annonce ensuite que le programme ne disputera plus de compétitions.
- En octobre 2017, DeepMind publie AlphaGo Zero, qui n'a appris sur aucune partie humaine : il part des seules règles et joue contre lui-même. Il bat la version qui avait affronté Lee Sedol par cent parties à zéro. Son successeur, AlphaZero, applique la même méthode aux échecs et au shogi.
En 2019, Lee Sedol prend sa retraite de joueur professionnel. Il explique alors que, même en devenant le meilleur, il resterait une entité impossible à battre.
Ce que les joueurs ont appris des programmes
Pour les joueurs de go, la défaite humaine a été moins une fin qu'un nouveau départ : jamais ils n'avaient disposé d'un adversaire aussi fort pour revoir leurs parties. Des programmes libres, comme Leela Zero puis KataGo, ont rendu cette force accessible à tous sur un ordinateur ordinaire. Quelques changements visibles :
- L'invasion au 3-3, très tôt. Face à une pierre de coin posée au point 4-4, s'installer dessous au 3-3 passait pour un coup à garder pour plus tard, parce qu'il donne beaucoup d'influence à l'adversaire. Les programmes le jouent dès le début de partie, et les professionnels ont suivi.
- Moins de respect pour les séquences apprises. Les enchaînements de coins classiques, les joseki, ont été revus un par un. Certains, joués pendant des générations, sont aujourd'hui jugés légèrement mauvais pour l'un des camps.
- Des coups d'épaule et des coups hauts plus fréquents. Le coup 37 n'est pas resté une curiosité : réduire un territoire adverse par le haut, avec une pierre qui travaille aussi vers le centre, fait désormais partie du répertoire.
- Un vocabulaire nouveau. Les joueurs parlent du pourcentage de victoire estimé par le programme après chaque coup, et de l'écart entre leur coup et celui que la machine aurait choisi. Revoir une partie, c'est désormais repérer les quelques coups où ce pourcentage s'effondre.
Le jeu lui-même n'a pas été « résolu » : personne ne connaît le résultat d'une partie parfaite sur un goban de 19 × 19, et les programmes continuent de progresser les uns contre les autres. Ils sont simplement devenus bien plus forts que nous.
Ce que ça change pour toi
Si tu débutes, la leçon des troisième et quatrième lignes reste la bonne : elle décrit ce qui se passe dans l'immense majorité des positions, et le coup 37 n'a de sens que parce qu'il est une exception mûrement calculée. Ce que les programmes ont surtout appris aux joueurs, c'est à juger un coup sur ce qu'il fait dans la position, et pas seulement sur sa conformité aux proverbes.
L'ordinateur de ce site est bien loin d'AlphaGo, et c'est voulu : il est réglé pour être battable. Après une partie, l'analyse te montre les coups qui t'ont le plus coûté, et le problème du jour t'entraîne à la lecture de vie et de mort. Pour la chronologie complète du jeu, des origines chinoises à aujourd'hui, lis l'histoire du jeu de go ; pour démarrer, le guide débuter au go reprend les premières leçons, troisième et quatrième lignes comprises.