Athénan, une IA joueuse multi-championne aux échecs, go et autres jeux de stratégie

Notre sélection de jeux/livres/logiciels – Cours en vidéo – Jeu en ligne

Découvrez chaque jour l’actualité des échecs et 3 exercices tactiques avec les solutions sur des échiquiers dynamiques en bas de page

Apprendre à jouer aux échecs et progresser avec nos formations en vidéo. Essai gratuit avec notre garantie satisfait ou remboursé pendant 30 jours !

Pour recevoir par mail nos exercices ainsi que des informations sur les échecs, abonnez-vous gratuitement à notre Newsletter ChessTips.fr

Zoom sur un système français qui a raflé la mise lors de la récente 24e Computer Olympiad, une compétition mondiale multijeux pour intelligences artificielles

Athénan est un nouveau système d’intelligence artificielle (IA) dédiée aux jeux de société, qui a été créé par Quentin Cohen-Solal, évalué et amélioré ensuite avec Tristan Cazenave, au Laboratoire d’analyse et modélisation de systèmes pour l’aide à la décision (Lamsade) à Paris.

Lors de la 24e Computer Olympiad, c’est sous l’apparence de dames canadiennes et brésiliennes, d’Othello, de Hex ou encore de Surakarta qu’il a justifié son nom, qui signifie littéralement « disciple d’Athéna » (la déesse grecque de la stratégie et de la sagesse). Il a en effet battu tous ses concurrents à pas moins de 11 jeux de société – sur les 23 représentés – ce qui lui a valu autant de médailles d’or !

Les jeux de stratégie pour lesquels Athénan a gagné une médaille d’or. De gauche à droite et de haut en bas : Hex, Amazons, Othello, Brazilian, Surakarta et Breakthrough – Photo © Computer Olympiad

« Habituellement, les meilleures équipes obtiennent 2 à 3 médailles d’or. C’est dire l’avancée que représentent ces travaux », commente Nicolas Jouandeau, directeur du Laboratoire d’intelligence Artificielle et Sémantique des Données, à l’université Paris 8.

Les systèmes d’IA dédiées aux jeux de société consistent en des algorithmes qui permettent de formaliser une façon de réfléchir sur un jeu donné, voire, comme dans le cas d’Athénan, d’apprendre lui-même à jouer et s’auto-entraîner. Le développement de tels logiciels a toujours attiré les experts en IA. Et pour cause : mobilisant un large éventail de capacités intellectuelles humaines, les jeux de société (dits aussi « de réflexion ») représentent un terrain d’expérimentation privilégié pour tester l’intelligence des machines et la comparer à l’intelligence humaine ; un des buts de l’IA étant de développer des machines qui surpassent le cerveau humain (et pourraient ainsi le remplacer) pour certaines tâches précises.

Une quête qui remonte aux origines de l’informatique

« L’idée de développer des IA dédiées aux jeux de société a émergé dès les débuts de l’informatique », raconte Tristan Cazenave

En effet, dès la fin des années 1940, les pères fondateurs de l’informatique Alan Turing (1912-1954) et Claude Shannon (1916-2001) proposèrent des programmes rudimentaires capables de jouer aux échecs. « Mais ce n’est qu’en 1997 – soit près de 40 ans après –, qu’une machine, le superordinateur Deep Blue de la société américaine IBM, réussit à battre pour la première fois, dans les conditions normales d’un tournoi, un champion du monde d’échecs, le Russe Garry Kasparov », poursuit l’expert en IA.

Le champion du monde d’échecs Garry Kasparov joue un coup pendant sa quatrième partie contre l’ordinateur IBM Deep Blue. Le moniteur à droite transmet le coup de l’ordinateur à un scientifique d’IBM qui déplace les pièces sur l’échiquier (New York, 7 mai 1997) – Photo © Stan HONDA / AFP

Près de deux décennies après ce premier coup de maître, en mai 2017, une autre IA, AlphaGo, développée par DeepMind (une filiale britannique de Google), et dédiée cette fois au go (un jeu de réflexion originaire de Chine), battait le numéro 1 mondial dans ce domaine, le Chinois Ke Jie.

« S’appuyant sur des techniques radicalement différentes de celles de Deep Blue, AlphaGo utilise une technologie représentant l’une des dernières évolutions dans le domaine de l’IA : les réseaux neuronaux dits “profonds”. Lesquels consistent en un système avec une conception à l’origine schématiquement inspirée du fonctionnement des neurones humains. Cette technologie permet à AlphaGo d’apprendre à “imiter” les joueurs humains, à partir d’une base de données référençant les coups enregistrés lors de dizaines de milliers de parties menées par des joueurs experts », développe Tristan Cazenave.

L’ère des IA « généralistes »

Fin 2017, la société DeepMind présenta une autre avancée historique pour le monde de l’IA : AlphaZero. Sa particularité ? Cette version « généraliste » d’AlphaGo est capable de jouer non pas à un, mais à plusieurs jeux : au go, mais aussi aux échecs et au shogi (échecs japonais). « Contrairement à son prédécesseur, AlpaZero a été développé pour apprendre à bien jouer à un jeu donné… en jouant contre lui-même ; et non à partir d’une base de données, détaille ici l’expert en IA du Lamsade. Après chaque partie, il analyse ses succès et ses erreurs pour s’améliorer. Cela, grâce à une méthode d’apprentissage profond dite “par renforcement” ».

Le joueur de go chinois Ke Jie affronte AlphaGo lors de la deuxième partie du Google DeepMind Challenge Match pendant le Future of Go Summit à Wuzhen town (Chine), le 25 mai 2017. La même année, DeepMind a présenté AlphaZero – Photo © Stringer / Imaginechina / Imaginechina via AFP

Athénan représente, lui, le deuxième système généraliste basé sur cette technique. Cependant « il se distingue d’AlphaZero par plusieurs aspects, qui le rendent original et très efficace », souligne Quentin Cohen-Solal. Tout d’abord, si Athénan s’appuie, comme AlphaZero, sur un réseau de neurones pour guider sa recherche de stratégie lors d’une partie de jeu, il recourt à un algorithme différent pour anticiper ses futurs coups. En effet, AlphaZero utilise ici une méthode dite « de recherche Monte Carlo », qui fait des statistiques sur des parties aléatoires (d’où son nom évoquant celui du célèbre casino) : pour chaque coup analysé, le réseau de neurones calcule la valeur d’un « état de jeu » (qui évalue à quel point il est près de la victoire) ainsi qu’une probabilité pour qu’une action soit la meilleure dans cet état. Or « l’esprit humain ne fonctionne pas ainsi… », fait remarquer Quentin Cohen-Solal.

Une façon de jouer plus humaine

D’où son idée de développer « une méthode permettant à une IA de jouer de façon plus humaine, dite “Minimax en meilleur d’abord non borné”. Grâce à cet algorithme – décrit en fait pour la première fois en 1996 et tombé dans l’oubli avant que je ne le redécouvre –, Athénan ne calcule pas de probabilités ni n’en utilise. Et ce, sans que cela nuise à ses performances », précise l’informaticien.

Alors qu’AlphaZero mémorise juste le coup qu’il va jouer, Athénan, lui, retient aussi toutes les simulations produites lors de la réflexion qui l’a amené à décider d’un coup.

Autre grand atout de cette méthode, elle permet un apprentissage plus efficace : « Alors qu’AlphaZero mémorise juste le coup qu’il va jouer, Athénan, lui, retient aussi toutes les simulations produites lors de la réflexion qui l’a amené à décider d’un coup, explique-t-il. Résultat, pour un même nombre de parties, il génère beaucoup plus de données. Or pour bien apprendre, il faut beaucoup de données ». En outre, avec AlphaZero la valeur d’un état est fortement déterminée par la fin de la partie : si la partie est perdante, il va apprendre que toutes les étapes de cette partie sont perdantes, alors que les actions réalisées au début de cette partie ont pu être pertinentes, puis suivies de mauvaises décisions.

Avec Athénan, la valeur d’un état s’actualise en tenant compte de ce genre de retournements, ce qui permet de mieux capitaliser les connaissances d’une partie à l’autre.

Utile dans d’autres domaines ?

Enfin, « même si pour son dévelopement nous avons pu bénéficier d’un accès aux moyens de calcul intensif de l’IDRIS, Athénan n’a besoin que d’un ordinateur “classique” équipé d’une carte graphique (composants informatiques assurant les fonctions de calcul de l’affichage, Ndlr) et d’un nombre normal de processeurs pour « bien » jouer. Quand AlphaZero nécessite généralement un super-calculateur équipé d’une centaine de cartes graphiques et d’une centaine de processeurs », souligne Quentin Cohen-Solal. Bref, Athénan permet de faire, au moins sur certains jeux, aussi bien que ce qui existe, mais avec moins de ressources ! À l’avenir, Quentin Cohen-Solal espère pouvoir mesurer son système à un champion humain – « ou une IA qui a surpassé un tel expert » – dans un jeu donné, par exemple les échecs. Cela, « afin d’obtenir un résultat très fort, qui prouverait que notre logiciel peut atteindre un niveau surhumain ».

Au-delà des jeux, l’équipe espère aussi tester Athénan dans d’autres domaines, plus pratiques mais nécessitant également de réfléchir à des solutions complexes : « il pourrait aider à fluidifier le routage des connexions internet ; minimiser le nombre de kilométrages parcourus et de véhicules utilisés lors des tournées des véhicules d’une entreprise donnée (La Poste, etc.) ; ou encore déterminer la structure (“séquence”) d’une molécule d’ARN donnée (une molécule génétique, Ndlr) à partir de sa forme, pour faire avancer plus vite la recherche biomédicale », illustre Tristan Cazenave. Athénan n’en est donc qu’à ses tout débuts.

L’intégralité de cet article est à retrouver sur le Journal du CNRS sous la plume de Kheira Bettayeb.

Découvrez notre plateforme de cours jouer-aux-echecs.com

Nouveauté 2021 nos ateliers d’échecs pour les entreprises

Le tacticomètre, outil de mesure de votre habileté à bien calculer

Résolvez 3 exercices d’échecs tirés de tournois internationaux pour progresser durablement en tactique. De difficulté progressive, mat en 2 coups en vert, mat en 3 coups en orange et mat en 4 coups en rouge, nous vous conseillons de vous concentrer pendant 5 minutes maximum sur chaque diagramme ci-dessous. Si vous ne trouvez pas une solution dans le temps maximum imparti, revenez sur cet exercice plus tard dans la journée. Enfin, comparer vos solutions avec celles qui sont données en fin d’article. Une manière efficace de progresser est de chercher par soi-même avant de découvrir la solution.

Les exercices et solutions du jour

Échec et mat en 2 coups

Les échecs aident à développer des compétences analytiques

A chaque partie, un joueur se retrouve face à des problèmes à résoudre et des défis à surmonter. Les échecs aident à anticiper, à ne pas se précipiter et à bien peser le pour et le contre de chaque décision. Comme dans la vie de tous les jours, où l’on essaie de prendre les meilleures décisions possibles pour obtenir des résultats positifs.

Échec et mat en 3 coups

Les échecs apprennent à gérer la pression

C’est lors d’une partie d’échecs intense, dans laquelle on donne tout, que l’on apprend à rester calme malgré la pression. Prendre la décision critique en temps limité pour assurer la victoire nécessite une concentration totale et un calme profond, qui permet à votre cerveau de fonctionner au maximum de ses capacités. Toute notre vie, nous sommes confrontés à des dates-butoirs, à des défis difficiles, au trac des entretiens… Comme dans une partie d’échecs, il faut savoir rester confiant et calme malgré la pression pour réussir au mieux.

Échec et mat en 4 coups

Les échecs favorisent la bonne santé du cerveau

Le jeu d’échecs stimule la croissance de dendrites, ces corps qui envoient des signaux aux cellules neuronales du cerveau. Avec plus de dendrites, la communication neurale dans le cerveau s’améliore et devient plus rapide. L’interaction et les activités avec d’autres personnes stimulent également la croissance de dendrites. Pratiquer régulièrement le jeu d’échecs en famille, avec des amis ou dans un club est ainsi une expérience idéale.

Les solutions des 3 exercices tactiques

Échec et mat en 2 coups : 1. Dxf8+ Fxf8 2. Txf8#

Échec et mat en 3 coups : 1. Txg6 Dxf2+ 2. Rxf2 Txg6 3. Dh8#

Échec et mat en 4 coups : 1. Tg5+ Rh6 2. Df5 De8 3. Tg6+ Rh7 4. Dxh5#

Débutez et progressez aux échecs avec nos 3 PACKS de formation conçus par les grands-maîtres Anthony Wirig et Tigran Gharamian.

✅ Pack Enfant Débutant : 6 modules

✅ Pack Adulte Débutant : 9 modules

✅ Pack Adulte Confirmé : 15 e-books

N’hésitez pas à partager ces exercices sur les réseaux sociaux avec vos amis. Vous pouvez également déposer vos suggestions en commentaire de ce blog.

Retrouvez tous nos exercices quotidiens

Vous avez une idée qui nous aidera à nous améliorer ? Nous vous invitons à déposer un commentaire ci-dessous. Merci.