Un biocarburant superpropre qui nettoie l'air... et l'eau ?

Un biocarburant superpropre qui nettoie l'air... et l'eau ?: "La fabrication d'un biocarburant écologique, associée à l'assainissement de l'eau usagée, tout cela en un rien de temps et pour pas cher ? C'est le défi réalisé par un laboratoire américain, dont les chercheurs pensent avoir trouvé la solution verte idéale.

La nature est pleine de ressources qu'il faut savoir exploiter intelligemment... Selon un communiqué de l'Université de Rochester, des chercheurs du Rochester Institute of Technology suivent cette piste et tentent de...

"

Le poker, prochain défi des superordinateurs

Le poker, prochain défi des superordinateurs: "

Dans un sens, il n’avait pas tout à fait tort, Watson, le

superordinateur qui participait au célèbre jeu télévisé Jeopardy! en 1992.

«Un coup sous la

ceinture». C’était la réponse. Le jeu consistait à retrouver la question.

Bien qu’il ne s’agissait alors que d’un tour de chauffe, organisé des années

avant le premier vrai défi télévisé homme-machine de cette semaine, Watson était confronté à

une vraie situation de jeu. À l’époque, le participant humain avait remporté le

prix de 200$ en apportant la réponse correcte: «Qu’est-ce qu’un coup bas?». Après avoir scanné sa titanesque base

de données, l’ordinateur dernier cri avait en revanche trouvé une solution tout

autre: «Qu’est-ce qu’une branlette?»

L’époque de la branlette appartient désormais au passé pour

Watson. À tel point que celui-ci affronte aujourd’hui les meilleurs

participants de l’histoire du jeu. IBM déroule le tapis rouge pour son nouvel

enfant-star à travers une grande campagne promotionnelle, tout en insistant

bien sur le fait que, en dépit de tout le battage qui est fait autour, Jeopardy! n’est qu’une vitrine pour

l’entreprise. Les ambitions d’IBM sont bien plus élevées: apprendre à une

machine à comprendre un langage écrit pour les humains et non pour les

ordinateurs. C’est l’un des Saints Graals de la recherche sur l’intelligence

artificielle (AI), une technologie qui révolutionnerait tous les secteurs

aujourd’hui handicapés par le fait que les ordinateurs sont nuls lorsqu’il

s’agit de comprendre ce que l’on appelle «le langage naturel».

Les ordinateurs imbattables aux dames

Le projet Watson consiste, au moyen d’un jeu humain

relativement simple, à apprendre à un ordinateur les facultés qui lui seront

nécessaires pour réussir ailleurs dans la vie. Tous les jeux auxquels peuvent

jouer les ordinateurs n’ont pas cette vertu. Aucun être humain ne peut battre

une machine programmée pour jouer parfaitement aux dames, mais l’existence de

logiciels sophistiqués de jeux de dames ne résout aucun des problèmes

classiques de l’intelligence artificielle. Certes, on devrait bien pouvoir

trouver quelque application aux algorithmes de prise de décision qu’ils

utilisent, mais rien de comparable à la carrière post-Jeopardy! qui s’ouvre à Watson.

Pour faire simple, le développement de programmes

informatiques capables de battre les plus grands champions humains aux dames

(ou même aux échecs) n’a pas eu de grandes répercussions si ce n’est dans le

monde des jeux de société. Mais cela n’a pas toujours semblé évident. Il y a

quelques dizaines d’années, avant la victoire du Deep

Blue d’IBM sur le champion du monde d’échecs Garry Kasparov, nous imaginions

qu’un tel exploit ne pourrait être accompli que par une machine capable de

penser de façon créative en exploitant les tendances et habitudes de son

adversaire. Mais l’émergence des puissances de traitement massives semble avoir

effacé le besoin d‘innovations majeures en matière d’IA. Cela fait 14 ans

que s’est déroulé ce fameux match à New York. Comme l’a écrit Kasparov l’année

dernière dans la New York

Review of Books :

«Au lieu de concevoir un ordinateur qui aurait réfléchi et joué aux

échecs comme un humain, avec une créativité et une intuition humaines, ils ont

créé une machine, qui jouait comme une machine, en évaluant de manière

systématique 200 millions de coups possibles par seconde pour finir par

gagner grâce à la force brute des chiffres.»

L’un des chercheurs de l’équipe Watson avec qui j’ai pu

parler a contesté cela, affirmant que l’élément stratégique tenait une place

aussi importante dans le programme Deep Blue que la puissance de calcul (l’un

des membres de la première équipe de Deep Blue travaille désormais dans

l’équipe Watson). On peut cependant dire sans se tromper que les algorithmes qui

ont eu raison de Kasparov n’ont pas révolutionné l’industrie. Les échecs

n’étaient pas le jeu qu’il fallait aux informaticiens, voilà tout. Il existe, à

vrai dire, une foule d’autres jeux dans lesquels les ordinateurs se révèlent

incompétents et dont la maîtrise représenterait, en fait, une avancée

extraordinaire pour l’intelligence artificielle. C’est notamment le cas du poker.

Texas Hold'Em

Il peut paraître étrange qu’il soit plus facile de concevoir

une machine capable de gagner à Jeopardy!

qu'un ordinateur capable de remporter une vraie partie de poker. Le jeu

télévisé, après tout, aborde tous les sujets possibles et imaginables, tandis

que les jeux de cartes sont basés sur les interactions de 52 unités

individuelles, selon des probabilités a priori calculables. Les bon joueurs de Texas Hold'Em (une variante du poker)

parviennent à estimer leur chance

de constituer telle ou telle main en fonction des cartes qu’ils ont en main et

de celles qu’ils voient sur la table. On ne voit donc pas pourquoi un

ordinateur ne pourrait pas faire un malheur au casino.

Pour un Hold’Em à deux joueurs avec mises limitées, les

ordinateurs sont plutôt bons. En 2008, un programme baptisé «Polaris» a affronté une

équipe de joueurs professionnels

avec comme résultats deux parties gagnées, une perdue et une ex aequo. Les

ordinateurs sont plus faciles à battre en «no-limit» —les enchères illimitées

compliquent les algorithmes et modifient la stratégie optimale— mais les

chercheurs pensent que ce problème finira par être réglé. Ce type de jeu à deux

joueurs est, d’une certaine manière, assez prévisible. Mais dès que l’on ajoute

un troisième joueur, c’est la panique.

«Dans les jeux à deux joueurs, une bonne réponse est

toujours fondamentalement possible» afin de déterminer la décision à prendre,

affirme Michael Bowling, responsable du groupe de recherche sur le poker

électronique de l’Université d’Alberta. «C’est

un jeu équitable —sur le long terme, je suis certain de ne pas perdre d’argent.

À chaque fois que mon adversaire fait une erreur, j’en tire profit.» Cela

revient à dire qu’il est possible de développer une stratégie optimale, puisqu’il

y a toujours un meilleur coup qu’un autre à faire. Que tout le monde se rassure:

les ordinateurs sont bien incapables de décrypter la gestuelle ou le

comportement de leurs adversaires. Un poker à deux joueurs est essentiellement

une question de mathématiques.

De deux à trois joueurs

Ajouter un troisième joueur revient à peu près à passer d’un

monde en 2D à un monde en 3D: le «un contre un» du début cède la place à un

trio de relations «un contre deux». Le concept du «bon coup» adapté à chaque

situation est relégué aux oubliettes et le fragile équilibre stratégique est

rompu. Les stratégies des trois joueurs deviennent interdépendantes et reposent

désormais autant sur des considérations statistiques que psychologiques. Michael

Bowling m’a décrit une expérience dans laquelle trois ordinateurs —ou «bots»—

étaient parvenus à un ex-aequo virtuel lors d’une partie de Hold 'Em simplifiée

à trois joueurs. Pour mettre à l’épreuve ce subtil équilibre, les chercheurs placèrent

l’une des machines en mode «toujours relancer» (une stratégie généralement peu

recommandable). À leur grande surprise, cette relance automatique ne pénalisa

pas tant que ça le bot concerné. Celui placé à sa gauche, en revanche, nettoya

la table—et celui de droite y laissa sa chemise.

C’est en cela que le poker pose un problème intéressant:

afin de développer un excellent bot multijoueur, les programmeurs devraient

modéliser non seulement les probabilités, mais aussi les gens. «Si nous

souhaitons prendre en charge ces jeux à plusieurs, il va nous falloir travailler

sur les comportements» a affirmé Bowling. Cela va au-delà de la théorie traditionnelle

des jeux et au-delà de la force de calcul brute et des stratégies qui

constituaient l’ADN de Deep Blue. Si un ordinateur ne peut interpréter le

langage du corps, il pourrait en revanche glaner bon nombre d’informations à

partir de schémas plus explicites du comportement humain. Chercheur en

informatique à l’University of California, Los Angeles (UCLA), Leonard

Kleinrock –dont l’étudiant le plus célèbre est le pro du poker Chris Ferguson–

affirme que le moment et la vitesse auxquels une personne effectue ses mises

pourraient, par exemple, faire partie des données exploitables par la machine (on

peut, par exemple, penser qu’un joueur mise immédiatement lorsqu’il bluffe et

qu’il met plus de temps lorsqu’il a une main moyenne). On pourrait également

prendre en compte la fréquence à laquelle un adversaire est pris en train de bluffer,

le type de mains qu’il aime le plus jouer et la manière dont ses mises changent

au fil de la partie.

Economie

Jusqu’ici, la plupart des travaux interdisciplinaires ont

été réalisés avec des économistes, qui ont depuis longtemps incorporé la

théorie du jeu dans leurs propres modèles. Les deux côtés font preuve d’un

intérêt certain pour le poker. L’un des économistes avec qui j’ai pu parler, Roger McCain, a

immédiatement émis la suggestion que les chercheurs en IA s’intéressent au «Three

card draw», variante plus stratégique que le Hold 'Em, en partant du point de

vue de la vulnérabilité de l’être humain. «On

sait bien que les gens ne choisissent pas toujours la meilleure stratégie»,

souligne-t-il. Les autres modèles abordent le jeu en partant du principe que

l’adversaire est extrêmement rusé. À vrai dire, le fait même de pouvoir «cerner»

les adversaires représenterait une innovation majeure pour le monde de

l’informatique. Comme souvent avec ces technologies émergentes, les

applications les plus évidentes seraient dans la finance: le poker et la

spéculation boursière reposant tous deux sur une prise de risque avec de

l’argent en ligne de mire, il n’est pas difficile d’imaginer comment un modèle

informatique créé pour le poker pourrait servir d’outil à tous ceux qui jouent

sur les marchés. De manière plus générale, l’analyse des comportements des

joueurs pourrait aider les économistes à comprendre certains changements brusques,

voire irrationnels, de comportement (comme, par exemple, lorsque les gens

déplacent leur argent, vendent leurs maisons, achètent des obligations d’État ou

se montrent prêt à tout pour anticiper un changement de conjoncture).

Le développement d’un tel programme constituerait une

entreprise majeure pour laquelle il ne suffirait pas d’enfermer dans une même

pièce quelques informaticiens et quelques économistes. Nombre de chercheurs en

IA estiment que les modèles économiques actuels sont irréalistes en matière de

comportement, car ils considèrent que les gens vont agir de manière stratégique

après avoir réfléchi à des milliers d’options différentes. «Au fond, [les informaticiens] critiquent les théories économiques

parce qu’elles impliquent une grande puissance de calcul de la part des

différents acteurs», commente Constantinos Daskalakis, théoricien du jeu au

MIT. Il existe en économie une ligne de recherche bien plus prometteuse, que

l’on nomme «rationalité limitée» et qui prend en compte le fait que les humains

ne disposent que de telle ou telle puissance de calcul. Toutefois, ce sujet

nécessite encore un certain développement avant de pouvoir être utilisé par les

programmeurs.

À l’inverse des programmes de dames ou d’échecs, un

programme de poker analysant les comportements des joueurs commencerait enfin à

ressembler à ce que ne fut jamais Deep Blue: une machine jouant comme un humain.

Il ne fait aucun doute que le premier ordinateur qui remportera le National Heads-Up Poker Championship aura

gagné grâce à sa puissance de calcul brute. Mais il aura aussi compris une

chose ou deux sur la personnalité de ses adversaires: qui ils sont, le type

d’erreurs qu’ils sont capables de commettre, les moments où ils sont les plus

vulnérables… Je vois d’ici Watson dans Poker

After Dark, annonçant à ses adversaires humains de sa voix métallique:

«Tapis!»

Chris Wilson

Traduit par Yann

Champion

Photo: Le tournoi de poker à l'Empire Casino de Londres en 2009, REUTERS/Luke MacGregor 

"