Comment apprendre rapidement et efficacement à une machine ? En laissant cette tâche à d’autre machines !

Vous souvenez-vous du 23 mai 2017 ? Ce jour-là, AlphaGo Zero, la dernière version du superordinateur de DeepMind (Google), a battu lors de sa première confrontation au jeu de Go le champion du monde en titre, le Chinois de 19 ans Ke Jie, alors que ce dernier avait affirmé en plusieurs occasions qu’une IA (Intelligence Artificielle) ne pourrait pas le battre…

Cette victoire, confirmée dans les parties suivantes au point que les autorités chinoises ont interdit la diffusion des rencontres qui ont suivi, a fait suite à une autre, moins médiatique, la victoire d’AlphaGo Zero sur AlphaGo, par 100 à 0 ! Que s’est-il passé entre temps ? AlphaGo a appris en copiant le raisonnement humain via l’usage du deep learning. C’est à dire en analysant un volume considérable de parties afin de détecter les automatismes qui lui ont permis de gagner. Puis AlphaGo Zero s'est confronté à AlphaGo qu'il a systématiquement battu !

Et depuis, que s’est-il passé ? Google a mis fin au projet, AlphaGo Zero ne pouvant plus rencontrer d’adversaire à sa taille. Pour autant, le supercalculateur a continué de progresser en jouant inlassablement contre le seul véritable adversaire encore à sa taille : lui-même !

La loi du retour accéléré

Il y a plus de 20 ans, Ray Kurtweil évoquant la vue ‘linéaire intuitive’ des changements technologiques à un taux exponentiel, élaborait la ‘loi du retour accéléré’, une théorie selon laquelle le changement évolutif est concerné par l’escalade de la vitesse à laquelle les systèmes et les périphériques connectés s’améliorent dans le temps en partageant la connaissance entre eux.

Cette loi, c’est celle qu’applique Elon Musk à ses véhicules Tesla sur la conduite semi-autonome : le conducteur est considéré comme un formateur expert. Les véhicules apprennent en accumulant des connaissances pratiques et en les partageant avec les autres véhicules Tesla. Le constat qui a été fait porte sur la vitesse à laquelle les caractéristiques ‘driverless’ (de conduite autonome) ont été améliorées.

Que peut-on en déduire ? Tout simplement que la tendance exponentielle de l’Intelligence Artificielle est dans l’enseignement de la machine, dans l’esprit des ruches, à savoir que la machine apprend aux autres machines en communiquant ses connaissances.

La machine apprend des machines

Pourquoi le phénomène est-il exponentiel ? Parce qu’il est l’objet d’un effort d’auto-amplification à deux sources, qui provient d’un côté de la donnée et de l’autre du partage de l’expérience. La donnée est le carburant de base de l’apprentissage, dont l’analyse alimente les modèles du marchine learning. Un carburant qui peut également se tarir rapidement, parce que les données peuvent être rares, coûteuses, protégées, lentes… Le partage d’expériences peut également aider, se cumuler voire remplacer les données, d’où le mode exponentiel évoqué.

Cette approche d’auto-apprentissage de l’IA, de la machine qui apprend à la machine, aura un impact majeur sur la vitesse d’amélioration des performances des équipements. Ces derniers pourront tirer parti du transfert des connaissances partagées avec un rythme de développement qui ne peut que s’accélérer.

Surtout que cet apprentissage peut également entrer dans un cycle interne d’apprentissage via les jumeaux numériques. Pour apprendre de son environnement et accélérer sa communication et ses développements, l’IA produira un double numérique de la machine et donc d’elle-même, pour naviguer sur la machine virtuelle, apprendre de ses comportements, et améliorer ses algorithmes.

L’IA n’a pas fini de nous surprendre, surtout que la majorité des domaines d’expérimentation sont encore vierges et pourraient nous réserver des surprises… Jusqu’à remplacer définitivement l’humain ? Il est encore prématuré de répondre à cette question, même si c’est ce qui nous pend au nez ! Ce dont nous pouvons être certains, par contre, c’est que la machine finira par faire mieux que nous (elle le fait déjà...), pour le meilleur ou pour le pire !

Image d’entête 639127808 @ iStock nadia_bormotova