Près de trois décennies après que Deep Blue ait stupéfié le monde des échecs, les chercheurs tentent toujours de répondre à une question d’une simplicité trompeuse : qu’est-ce qui rend exactement l’IA si bonne aux échecs ? Un article récent dans APS Open Science, mis en avant par Scientific American le 15 novembre, offre un indice mesurable – et cela se résume à une propriété que les auteurs appellent « tension stratégique ».

Les moteurs d’échecs sont depuis longtemps capables de surpasser les humains, en forçant brutalement un grand nombre de mouvements candidats grâce à la recherche arborescente. Les moteurs de réseaux neuronaux modernes tels que Stockfish et Leela Layers utilisent des réseaux formés pour guider cette recherche, et leur jeu n'a fait que devenir plus formidable. Ce que la nouvelle étude ajoute, c'est un portrait statistique de la façon dont leur jeu diffère du nôtre – non seulement par qui gagne, mais aussi par ce à quoi ressemble le plateau lui-même au fur et à mesure que le jeu se déroule. Pour les lecteurs qui suivent AI Research News, ce travail rappelle que même des domaines « résolus » comme les échecs soulèvent encore des questions ouvertes sur la façon dont les machines pensent réellement.

Mesurer la tension sur le tableau

L'étude a été dirigée par des physiciens du Complexity Science Hub de Vienne, avec l'auteur principal Vito D. P. Servedio. L'équipe a collecté à la fois des jeux humain contre humain et des jeux Stockfish contre Leela à partir de bases de données en ligne, puis a mesuré une quantité qu'ils appellent la tension stratégique à chaque position : essentiellement, le nombre d'interactions mutuelles possibles entre les pièces opposées. Les positions à haute tension sont celles où de nombreuses pièces s’affrontent – ​​riches en captures latentes, en menaces et contre-menaces qui pourraient être déclenchées par un seul mouvement.

La tension est une quantité naturelle à atteindre pour les physiciens. Il capture, en un seul chiffre, la complexité latente d’une position – à quel point l’état du jeu changerait si l’un ou l’autre des joueurs poussait le plateau par-dessus bord dans une cascade d’échanges.

Les humains simplifient ; Les moteurs maintiennent la planche à l’avant-garde

La principale conclusion est une divergence dans la façon dont les tensions évoluent. Dans les jeux humains, la tension moyenne était en fait plus élevée que dans les jeux IA au cours des 20 premiers coups – la phase où les gens s'appuient sur des ouvertures mémorisées et des tactiques bien rodées, en espérant que la complexité finira par forcer un adversaire à glisser.

Mais après ce point, les lignes se croisent. La tension humaine tombe en dessous de celle des jeux d’IA, qui reste élevée jusqu’au milieu du jeu. L'interprétation des chercheurs : à mesure que les positions deviennent peu familières, les joueurs humains simplifient, échangent des pièces et se dirigent vers des structures plus calmes, car ils ne peuvent pas garder à l'esprit toute la complexité des nombreuses pièces en interaction et des options multiples. Les moteurs ne ressentent pas une telle contrainte. Ils soutiennent des positions denses en menaces mutuelles que la plupart des joueurs humains trouveraient intolérables à naviguer – et c’est précisément dans ces positions, suggère l’étude, que la précision humaine se dégrade.

Compétence, contrôles du temps et profondeur de recherche

Les données ont également montré que la tension suit la capacité et la délibération chez les humains et les machines. Les joueurs humains mieux notés ont maintenu une plus grande tension tout au long de leurs parties que les joueurs moins bien notés. Les jeux avec plus de temps de réflexion ont montré plus de tension – la plus élevée dans les échecs classiques, la plus faible dans les échecs rapides et la plus faible dans le blitz – ce qui concorde avec l’idée selon laquelle maintenir la complexité coûte cher en effort cognitif. Et du côté des machines, l’équipe a observé que lorsque Stockfish cherchait des arbres plus profonds de continuations possibles, la tension augmentait.

Les auteurs font attention à la causalité. Une tension plus élevée est corrélée à une plus grande capacité chez les humains et l’IA, mais l’étude n’a pas montré que la tension produit cette capacité – ou qu’elle en découle. Il s’agit d’une empreinte digitale d’un jeu fort, mais d’un mécanisme qui n’a pas encore été démontré.

"On dirait qu'ils jouent à la magie"

L'ambition des chercheurs va au-delà de la caractérisation de l'esthétique des échecs. "Notre article est probablement celui qui se rapproche le plus de la compréhension de ce que font ces machines", a déclaré Servedio à Scientific American. "Sinon, on dirait qu'ils jouent à la magie."

Ce cadrage – traiter le jeu du moteur comme un système physique à mesurer plutôt qu’une boîte noire à admirer – est ce qui distingue le travail des analyses antérieures des échecs automatiques. Plutôt que de se demander si le mouvement d'un moteur est le meilleur, l'équipe se demande ce que les statistiques globales de fonctionnement du moteur révèlent sur le type de recherche et d'évaluation effectué par la machine.

Un avertissement au-delà de l'échiquier

Servedio a également tiré une implication troublante pour les domaines éloignés de 64 carrés. Si les systèmes d’IA obtiennent de meilleurs résultats dans des contextes complexes et conflictuels en maintenant une tension élevée – en maintenant simultanément de nombreuses interactions volatiles – alors les déployer dans quelque chose comme la diplomatie pourrait signifier des stratégies optimisées par les machines que les humains trouvent ingérablement fragiles. "C'est très dangereux car lorsque la tension est élevée, les systèmes sont très instables", a-t-il déclaré. "Une simple petite erreur de la part d'une des parties provoquerait un désastre."

L’analogie est spéculative et les auteurs ne prétendent pas avoir mesuré la dynamique diplomatique. Mais cela souligne une véritable tension (de type organisationnel) dans le déploiement de l’IA : la même propriété qui permet à un moteur de surpasser un grand maître – l’aisance avec une complexité soutenue – peut être la propriété qui rend ses stratégies risquées à adopter dans des institutions humaines qui ne peuvent pas les maintenir de manière fiable.

Ce que l'étude ne montre pas

Les limites méritent d’être clairement indiquées. L’étude établit une corrélation entre la tension et la force de jeu, et non un mécanisme causal reliant les deux. Il compare une paire particulière de moteurs à une population particulière de jeux humains provenant de bases de données en ligne, et les échecs – avec leurs mouvements discrets et leurs informations parfaites – restent le meilleur cadre pour ce type d’analyse. Étendre la « tension stratégique » à des domaines plus compliqués est une hypothèse et non un résultat.

Pourtant, l’article ajoute quelque chose qui manquait à la littérature sur l’IA sur les échecs : une statistique simple et calculable qui sépare clairement la façon dont les humains et les machines gèrent la complexité au cours d’une partie. Les échecs ont longtemps servi de système modèle pour étudier la cognition chez les humains et les machines, et la victoire de Deep Blue en 1997 sur Garry Kasparov a marqué le moment où les machines ont prouvé pour la première fois qu'elles pouvaient nous surpasser dans notre propre jeu de calcul. Près de 30 ans plus tard, la question n’est plus de savoir si les machines peuvent gagner, mais plutôt pourquoi elles gagnent – ​​et, de plus en plus, ce que leur façon de gagner pourrait nous apprendre sur les systèmes auxquels nous confions désormais les décisions du monde réel.

---

Gardez une longueur d'avance sur l'IA

Recevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.

Lire plus d'actualités sur l'IA →