Quand il grandissait dans l'Ohio, ses parents étaient des joueurs de cartes passionnés, distribuant de tout, de l'euchre au gin rami. Pendant ce temps, lui et ses amis déchiraient des jeux de société traînant dans la maison familiale et combinaient les pièces pour créer leurs propres jeux, avec de nouveaux défis et de nouveaux marqueurs de victoire.

Le bowling est loin de son époque où il jouait avec des cartes colorées et des dés en plastique. Il détient trois diplômes en informatique et est maintenant professeur à l'Université de l'Alberta.

Mais, dans son coeur, Le bowling aime toujours jouer à des jeux. Ses recherches sur l'intelligence artificielle - et ses intersections avec les jeux et l'apprentissage automatique - l'ont placé à l'avant-garde d'un domaine en évolution rapide.

"Les jeux sont un si beau microcosme de problèmes de prise de décision intéressants, " il dit.

"Pour un moment), vous pouvez le garder comme une chose autonome, où vos agents d'intelligence artificielle regardent le monde du jeu et essaient de le résoudre. De la même manière, c'est amusant pour les humains de jouer à ce jeu pendant une minute et de simplifier leur monde à cela. "

Bowling dirige le Computer Poker Research Group de l'université, où lui et une équipe ont résolu l'année dernière un problème que l'on croyait insoluble :le groupe a développé un algorithme qui bat les joueurs de poker professionnels au poker Texas Hold'em sans limite.

Il s'appelle DeepStack. Son succès est considéré comme une autre étape importante dans la recherche sur l'intelligence artificielle, où les algorithmes complexes commencent souvent par des scientifiques qui utilisent des jeux de cartes, jeux de société et jeux vidéo comme terrains d'essai.

Des dames au génome humain

En 1989, l'informaticien Jonathan Schaeffer a eu l'idée d'écrire un programme informatique, Chinook, pour remporter le championnat du monde de dames/drafts.

Alors que les membres de la communauté des joueurs de dames étaient intrigués par la nouveauté d'un ordinateur participant à leurs tournois, ils ont été surpris quand, à son deuxième tournoi seulement, Chinook a obtenu le droit de jouer pour le championnat du monde.

Les instances dirigeantes des dames du monde ont d'abord résisté à l'idée d'un ordinateur jouant pour le championnat du monde, mais les meilleures fédérations du jeu ont fini par céder – quelque peu – et ont formé un nouvel événement :le championnat du monde Man vs. Machine.

En 1992, Chinook a perdu contre Marion Tinsley, qui avait pris sa retraite l'année précédente en tant que champion du monde de dames. Mais lors d'un match revanche en 1994, le programme a prévalu. Chinook est devenu le premier programme à remporter un championnat du monde humain dans n'importe quel jeu, un exploit reconnu par le livre Guinness des records.

Cette bataille de l'homme contre la machine s'est jouée encore et encore au cours des décennies qui ont suivi :en 1997, Deep Blue d'IBM, co-écrit par Murray Campbell, ancien élève de l'U of A et deux autres, a battu le champion du monde d'échecs Garry Kasparov; en 2011, Watson d'IBM a remporté un Jeopardy de 1 million de dollars ! championnat; et l'année dernière, AlphaGo est devenu le premier programme informatique à battre un humain dans le jeu de société complexe, Aller.

Schaeffer, maintenant doyen de la Faculté des sciences de l'U of A, étudie l'intelligence artificielle depuis 1979.

"Je fais des recherches sur l'IA. Et l'un des tests que j'utilise, le plus apprécié des étudiants, se trouve être des jeux. Et si les idées sont bonnes, ils peuvent être appliqués à d'autres applications."

Schaeffer aime clairement le plaisir d'un jeu, la concurrence et le grand attrait de travailler sur quelque chose auquel tant de personnes peuvent s'identifier. Mais il est également clair que la recherche sur les jeux peut avoir des impacts bien au-delà d'un jeu de cartes ou d'un plateau de jeu.

Il pointe vers quelque chose d'omniprésent dans la vie moderne :le système GPS. Et il connecte la technologie qui se cache derrière au Rubik's Cube.

"Le Rubik's Cube est brouillé. C'est votre "départ" et vous essayez d'arriver à une position où tout est en place. Quel est le chemin pour aller d'un point à un autre ? Pensez à chaque mouvement (dans le jeu) comme partie de votre voyage, et vous voulez aller du début à la fin le plus rapidement possible, ce qui est exactement ce que fait le GPS.

"J'aimerais penser que certaines des idées que nous avons générées ici sont utilisées dans les systèmes GPS. Nous n'en sommes pas sûrs. Notre travail est public et les entreprises n'ont pas à divulguer ce qu'elles mettent dans leurs produits."

Le travail de Schaeffer sur Chinook impliquait une énorme puissance de calcul qui devait organiser les données et les compresser en quelque chose de très petit. Le programme devait également trouver des informations rapidement, parmi les milliers de milliards de points de données compressés.

Peu de temps après le championnat du monde de Chinook, un biologiste est entré dans le bureau de Schaeffer. Il travaillait sur le projet du génome humain, qui impliquait également une énorme quantité de données. Il avait également besoin de compresser ces données, et identifier les éléments rapidement.

Un an plus tard, une société appelée BioTools s'est formée pour soutenir le projet du génome humain. Certaines des idées utilisées dans leurs produits sont issues de la recherche sur les dames.

"C'était une de ces agréables surprises, complètement inattendu, sortant du champ gauche."

Construire la machine « intuitive »

Le récent travail de l'U of A pour maîtriser le poker Texas hold'em no-limit a atterri dans l'édition de mars 2017 du prestigieux journal Science . Ce qui a rendu l'exploit révolutionnaire, c'est que le jeu est un scénario à "informations imparfaites" - contrairement aux échecs ou aux dames, où les deux joueurs peuvent tout voir sur la table, les joueurs de poker gardent certaines cartes pour eux.

Le défi pour Bowling et son équipe était de développer une « intuition » pour DeepStack.

"Nos algorithmes doivent réfléchir profondément à ce que l'autre agent POURRAIT savoir sur mes cartes en ce moment et ce que je pourrais savoir sur leurs cartes. Le raisonnement doit englober les croyances et pas seulement ce que vous pouvez voir sur la table."

Pour développer cet instinct, cette "intuition, " Bowling et son équipe ont dû exécuter DeepStack à travers des dizaines de millions de scénarios de poker. Le programme a commencé à reconnaître certaines situations comme bonnes et d'autres comme mauvaises, certains comme moins bons ou moins mauvais.

Cela a construit l'expérience générale de DeepStack, et il a commencé à reconnaître les nouvelles situations comme étant à divers degrés de bonnes ou de mauvaises et lui a permis de proposer les meilleures pièces sur cette base.

L'équipe a prouvé la compétence de DeepStack en le faisant jouer contre certains des meilleurs joueurs de poker au monde. Ils ont joué tellement de mains que les résultats étaient statistiquement significatifs.

Lorsqu'on lui a demandé si DeepStack tuerait essentiellement le poker, après tout, qui veut jouer contre une machine s'il est garanti que la machine gagnera ?—Le bowling désigne les échecs.

"Cela a été dit des échecs et maintenant il y a peut-être plus de grands maîtres qu'à tout autre moment … cela semble avoir accéléré le niveau de compétence, " il dit, notant que les amateurs peuvent jouer contre les meilleurs ordinateurs pour perfectionner leurs compétences et qu'il existe des compétitions où les joueurs d'échecs font équipe avec des ordinateurs pour améliorer la compétition.

Mais il reconnaît également que le poker est un peu différent. Les gens jouent au poker pour de l'argent. C'est une activité de jeu, et cela n'a aucun sens de jouer contre une entité statistiquement susceptible de gagner.

"Peut-être que cela signifie que le poker commence à devenir quelque chose de différent d'une simple activité de jeu … J'espère que cela éloignera peut-être le jeu de la pièce de jeu. Essayons de déterminer qui sont les meilleurs joueurs du monde et peut-être que nous pourrions commencer à le souligner pour ce qu'il est, une activité basée sur les compétences.

Bowling a commencé son travail sur DeepStack avec l'approche que sont la plupart des problèmes du "monde réel", En réalité, scénarios d'information imparfaite.

Mais son travail n'est pas seulement motivé par la façon dont ses percées en matière d'IA pourraient être appliquées au-delà du domaine des jeux.

"Si nous voulons aller de l'avant pour voir une intelligence artificielle plus performante, cela pourrait être une distraction de dire, « Voici une application avec laquelle vous pouvez gagner beaucoup d'argent. » Est-ce vraiment le chemin pour nous améliorer, une intelligence artificielle plus performante ?

"Il devrait y avoir des gens qui poussent sur le long terme, qui le poussent vers la prochaine chose sans être certain de la façon dont cela va être une activité lucrative. "