sentimate ia échecs

L’IA SentiMATE a appris à jouer aux échecs en lisant des commentaires

L’intelligence artificielle SentiMATE développée par les chercheurs de l’University College London a appris à jouer aux échecs en lisant des commentaires. Une méthode inédite, et qui pourrait permettre d’entraîner les IA avec moins de données et moins de puissance de calcul…

Depuis de nombreuses années, le jeu d’échecs est utilisé pour mesurer les performances de l’intelligence artificielle. Dès 1951, Alan Turing avait créé un programme capable de jouer au jeu. De même, la défaite de Garry Kasparov face à Deep Blue d’IBM en 1997 reste un moment charnière dans l’évolution de l’IA.

Plus récemment, la startup DeepMind a également créé un programme intitulé AlphaZero spécialisé dans le jeu d’échecs. Après avoir appris les règles du jeu, cette IA a appris en jouant des millions de parties contre elle-même. Cette méthode a permis à AlphaZero de maîtriser le jeu, et de développer des stratégies inattendues et surprenantes. Cependant, pour cette IA comme pour DeepBlue, des milliers de puces Google TPU et des données issues de millions de jeux ont été nécessaires pour atteindre ce résultat.

pcloud black friday 2022

A présent, une équipe de chercheurs de l’University College London pourraient avoir trouvé une manière plus efficace d’apprendre à l’IA à jouer aux échecs. Pour permettre à leur algorithme SentiMATE de maîtriser le jeu, les chercheurs britanniques l’ont laissé lire des commentaires.

L’IA SentiMATE analyse les réactions des commentateurs pour repérer les coups de maître

Dans un premier temps, l’équipe a analysé les textes issus de commentaires de 2700 parties d’échecs disponibles en ligne. Ils ont retiré les commentaires qui ne concernaient pas les mouvements de haute qualité, et es exemples trop ambigus.

Par la suite, ils ont utilisé un réseau de neurones récurrent et la technique mathématique du plongement de mots permettant de connecter les mots en fonction de leur signification pour permettre à SentiMATE d’évaluer la qualité des mouvements d’échecs en analysant les réactions des experts.

Ainsi, cette nouvelle méthode d’entraînement tire profit des dernières avancées réalisées dans le domaine du traitement naturel du langage. Par exemple, récemment, un algorithme créé par OpenAI est parvenu à générer des articles entiers à partir de quelques mots.

Selon les créateurs de SentiMATE,  » la prochaine étape dans le domaine du Natural Language Processing est de réussir à convertir les informations apprises via le traitement du langage en actions tangibles afin de résoudre des problèmes du monde réel « .

Certes, cette nouvelle méthode n’a pas permis à SentiMATE de maîtriser le jeu au point de pouvoir vaincre les robots les plus conventionnels. Cependant, les chercheurs ont été surpris par la capacité de l’IA à comprendre les règles basiques et plusieurs stratégies clés telles que le forking et le castling.

Cette expérience démontre donc que l’analyse du langage peut permettre à l’IA d’apprendre à effectuer des tâches avec moins de données et moins de puissance de calcul que les méthodes traditionnelles d’entraînement. À l’avenir, les chercheurs estiment que cette technique pourrait être utilisée pour apprendre à l’IA une large variété de tâches telles que l’analyse de sports, la prédiction d’activité financière, ou les recommandations de produits

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.

Pin It on Pinterest