Comment une machine peut-elle être capable de battre un champion d’échecs ? Une technique classique et efficace consiste à simuler toutes les façons de jouer au prochain tour, soit une vingtaine de possibilités aux échecs, et de choisir la meilleure opportunité (celle qui prend par exemple le plus de pions à l’adversaire). Maintenant, imaginons que la machine simule aussi à chaque fois tous les coups possibles de l’adversaire ainsi que toutes les réponses : on obtient ainsi un arbre de possibilités.
Cependant, dans une partie de go, un jeu de plateau très ancien originaire de Chine, il existe 200 coups possibles par tour, transformant l’arbre des possibilités en une jungle avec 10 600 possibilités. De quoi donner la migraine au meilleur des algorithmes.
C’est alors qu’est apparu AlphaGo, une intelligence artificielle conçue par Google DeepMind et pouvant battre n’importe quel joueur de Go. Ce programme reprend le principe du tirage en arbre, mais couplé avec des algorithmes d’apprentissages (machine learning) qui utilisent des données déjà existantes. Les algorithmes ont donc appris à jouer et à envisager les meilleurs coups en se servant de dizaines de milliers de parties de go enregistrées et jouées par des professionnels.