Les ordinateurs et les humains utilisent différents types de stratégies lorsqu'ils jouent au go, soulignant les différences fondamentales dans la résolution des problèmes.
(Phys.org)—En analysant les caractéristiques statistiques de milliers de jeux de go joués par des humains et des ordinateurs, les chercheurs ont découvert qu'il est étonnamment facile de dire si un jeu est joué par un humain ou par un ordinateur. Les résultats indiquent des différences fondamentales dans la façon dont les humains et les ordinateurs résolvent les problèmes et peuvent conduire à un nouveau type de test de Turing conçu pour faire la distinction entre les deux.
Les chercheurs, C. Coquidé et B. Georgeot à l'Université de Toulouse, et O. Giraud à l'Université Paris-Saclay, ont publié un article sur leur analyse statistique des jeux de go joués par des humains et des ordinateurs dans un récent numéro de LPE .
"Nous pensons que notre travail indique une voie vers une meilleure caractérisation et compréhension des différences entre les processus décisionnels humains et informatiques, qui pourrait être appliqué dans de nombreux domaines différents, " a dit Giraud Phys.org .
Comme l'expliquent les chercheurs, go est une plate-forme particulièrement bonne pour étudier comment les ordinateurs résolvent des problèmes complexes en raison du grand nombre de mouvements possibles qu'un joueur peut effectuer à n'importe quel tour. Sur une planche de go 19x19, il y a 10 171 positions juridiques possibles (par rapport à "seulement" 10 50 aux échecs). En outre, le nombre de parties possibles de go a été récemment estimé à au moins 10 10^108 . De tels chiffres sont gigantesques même pour un ordinateur, rendant impossible pour tout programme d'utiliser simplement des méthodes de force brute pour analyser tous les mouvements et jeux possibles. Au lieu, les ordinateurs doivent utiliser des approches plus sophistiquées.
Dans la nouvelle étude, les chercheurs ont construit des bases de données de 8000 jeux joués par des humains amateurs; 8000 jeux joués par le logiciel Gnugo, qui utilise une approche déterministe; 8000 jeux joués par le logiciel Fuego, qui utilise une approche Monte Carlo; et 50 jeux joués par le logiciel AlphaGo, qui est devenu célèbre au cours des deux dernières années pour avoir battu les champions du monde de go human go. Les chercheurs ont ensuite construit des réseaux pour chaque base de données qui capturent des informations sur les modèles de mouvements sur le go board.
L'un des résultats les plus intéressants est que les réseaux basés sur des logiciels, en particulier Gnugo, ont un grand nombre de « communautés, " qui font partie d'un réseau fortement liés en eux-mêmes mais faiblement liés au reste du réseau. Comme l'expliquent les chercheurs, la présence de ces communautés indique que les logiciels créent de nombreux types de stratégies différentes des autres types de stratégies ; C'est, leurs stratégies sont variées et diverses. Par comparaison, les réseaux basés sur les jeux humains ont moins de communautés et plus de grands hubs avec beaucoup de liens directs, indiquant que les stratégies humaines étaient plus liées les unes aux autres et moins diversifiées.
Tout en éclairant, ces résultats ne sont pas inattendus, car ils correspondent à certaines observations précédentes d'ordinateurs jouant au go. Par exemple, en 2016 et 2017, les analystes humains regardant AlphaGo rivaliser avec les champions du monde étaient souvent surpris et intrigués par les stratégies utilisées par l'ordinateur.
Globalement, les chercheurs ont découvert que les différences statistiques entre les réseaux générés par ordinateur et par l'homme sont beaucoup plus importantes que la variabilité au sein de chaque réseau, indiquant que les différences sont statistiquement significatives et pourraient potentiellement être utilisées pour faire la distinction entre les groupes de jeux joués par l'homme et les jeux joués sur ordinateur. Plus loin, les résultats montrent qu'il n'est pas nécessaire d'analyser des milliers de jeux, car les différences pourraient être importantes même pour la base de données relativement petite de 50 jeux d'AlphaGo.
En conséquence, les chercheurs proposent que les différences statistiques pourraient être utilisées pour concevoir un nouveau type de test de Turing, similaire au test original dans lequel une personne essaie de dire si elle interagit avec un humain ou un ordinateur en posant des questions. La nouvelle version du test de Turing impliquerait de jouer à des jeux de go au lieu de poser des questions, puis effectuer des tests statistiques pour identifier les caractéristiques des joueurs humains et informatiques.
Les chercheurs s'attendent également à ce qu'il soit intéressant d'utiliser des méthodes statistiques similaires pour étudier les différences dans la façon dont les humains et les ordinateurs abordent d'autres problèmes complexes. A partir de ces données, il peut être possible de mieux comprendre comment les ordinateurs « pensent ».
"Nous aimerions étudier plus en détail l'origine des différences entre les réseaux générés par l'homme et générés par ordinateur, pour voir comment ils se reflètent en termes de différences dans les stratégies utilisées dans le jeu, " a déclaré Giraud. " Nous prévoyons également d'appliquer ces techniques à d'autres domaines où les ordinateurs et les humains sont présents, en commençant par d'autres jeux de société comme les échecs."
© 2017 Phys.org
