06/03/2021 – Le projet AlphaZero de Deep Mind et plus généralement la programmation qui laisse les machines apprendre par elles-mêmes ont apporté un vent nouveau dans le développement des ordinateurs d'échecs, comme on peut le voir avec Fat Fritz 2.0; et on est loin de savoir où toutes ces nouveautés vont nous mener... Tony Schwedek, expert en réseaux de neurones artificiels, en explique ici les principes de base en revenant sur un article récemment paru sur le portail germanophone de ChessBase. | Adaptation d'un article original en allemand.
new: ChessBase 18 - Mega package
Les connaissances maintenant nécessaires!
La nouvelle version 18 offre de toutes nouvelles possibilités pour l'entraînement et l'analyse: analyse stylistique des joueurs, recherche de thèmes stratégiques, accès à 6 milliards de parties LiChess qui permet une préparation optimale contre les futurs adversaires, téléchargement des parties sur chess.com avec API intégrée, moteur cloud intégré et bien plus encore.
.
Les connaissances maintenant nécessaires! La nouvelle version 18 offre de toutes nouvelles possibilités pour l'entraînement et l'analyse: analyse stylistique des joueurs, recherche de thèmes stratégiques, accès à 6 milliards de parties LiChess qui permet une préparation optimale contre les futurs adversaires, téléchargement des parties sur chess.com avec API intégrée, moteur cloud intégré et bien plus encore. .
Fat Fritz 2.0 est la dernière version du révolutionnaire Fat Fritz, basé sur les fameux algorthmes AlphaZero. Les analyses atteignent un niveau jamais atteint. Un must pour les joueurs de tous niveaux.
Qu'ils soient dotés ou non d'un réseau de neurones, les moteurs d'échecs sont constitués de deux composants, nous rappelle Tony Schwedek. Le premier crée l'arbre de recherche, alors que le second le parcourt en évaluant chaque position. Le premier composant enregistre alors les résultats et recherche le meilleur coup dans la position actuelle sur l'arbre de recherche, comme on peut en avoir l'illustration ici.
Autrefois, le deuxième composant était une fonction d'évaluation compliquée et optimisée par l'homme. Ce qui est révolutionnaire aujourd'hui, c'est justement que la fonction d'évaluation repose sur un réseau de neurones. De plus, si dans le passé on utilisait presque exclusivement l'algorithme Minimax pour réaliser l'évaluation, dans le contexte actuel des réseaux neuronaux, c'est la méthode de MonteCarlo qui tend à s'imposer.
Le problème auquel les programmeurs faisaient face jusqu'à récemment, c'est que les réseaux neuronaux ne fonctionnaient vraiment efficacement que sur un GPU, alors que le premier composant fonctionne classiquement sur un CPU. Le nœud gordien des programmes se situe au niveau du transfert de données entre les composants. Celui-ci a été défait grâce à l'avènement du "réseau de neurones efficace et actualisable" (ƎUИИ), une architecture de réseau spécifique pour les jeux à deux personnes qui permet de d'évaluer efficacement la partie sur un CPU.
Pour être tout à fait honnête, il faut avouer que cette architecture demeure moins performante que le fonctionnement du premier composant sur le GPU. Mais c'est une solution pragmatique, puisque presque tous les ordinateurs de nos jours ont un CPU décent, mais que peu ont un GPU puissant. C'est ce point que Tony voulait mettre au clair; selon lui, l'article susmentionné fait trop vite du ƎUИИ le Saint Graal.
Un autre point que critique l'auteur est la façon dont l'article incriminé insinue que les moteurs d'échecs basés sur les réseaux neuronaux manqueraient parfois de précision chirurgicale dans les fins de parties techniques. Or ce défaut découle du premier composant - la création et la gestion de l'arbre de recherche. Le réseau de neurones n'a donc rien à voir avec cela. En remportant ses matches contre d'autres ordinateurs, AlphaZero semble avoir démontré que l'évaluation basée l'algorithme MonteCarlo n'échoue qu'avec une très faible probabilité.
Houdini 6 continues where its predecessor left off, and adds solid 60 Elo points to this formidable engine, once again making Houdini the strongest chess program currently available on the market.
Le passage suivant donne aussi une impression faussée de la façon dont fonctionne le réseau neuronal utilisé comme second composant: "Tout comme AlphaZero et la première édition de Fat Fritz, le ƎUИИ construit aussi ses propres connaissances en matière d'échecs en apprenant à partir des positions et de leur évaluation." Voyons plus précisément ce qu'il en est.
AlphaZero fonctionne de la manière suivante: vous programmez le premier composant, puis vous utilisez des réseaux neuronaux aléatoires pour le deuxième composant, et vous demandez aux moteurs ainsi bâtis de jouer un nombre de parties indéfini les uns contre les autres.
Les gagnants (par exemple les 1/10 qui se ont pris le dessus parmi les milliers de machine qui ont été créées) sont autorisés à "se reproduire": vous prenez leur réseau de neurones, (deuxième composant) en modifiant légèrement et au hasard ses paramètres. Chacun subit ainsi une mutation en quelque sorte. Des mutations différentes sont créées pour chaque réseau neuronal qualifié. On les appelle "réseaux de neurones de deuxième génération". Ils jouent à nouveau un tournoi entre eux, et le processus se répète... plusieurs milliers de fois. Cette technique est connue sous le nom d'apprentissage par renforcement.
Ce qui fascine Tony dans ce processus, c'est qu'il imite l'évolution de la nature: le principe de la sélection naturelle fonctionnerait donc brillamment en informatique également. Les plus forts survivent, se reproduisent et, par le biais de mutations, l'espèce évolue. On peut voir sur Youtube d'autres utilisations qui se basent sur le même principe; Tony trouve par exemple Super MarI/O amusant et instructif à ce sujet:
Malheureusement, l'article ne parle pas de cette élégance, se plaint Tony. Il suggère plutôt que les réseaux de neurones ont été "fabriqués par l'homme". Comme si l'homme précisait à la machine quelles positions sont bonnes et quelles positions sont mauvaises afin de lui permettre d'en tirer des enseignements. Mais, si l'ordinateur considérait les évaluations du formateur humain comme "vraies" pour en tirer des enseignements , cela signifierait qu'un réseau ne peut être aussi bon que son formateur. Or ce n'est pas du tout ce qui se passe, puisque le réseau de neurones développe sa propre vérité. C'est donc bien lui qui nous mène à de nouvelles connaissances. Ce sont les humains qui apprennent de l'ordinateur et non l'inverse!
Il s'avère qu'Albert Silver - le "coach" de Fat Fritz - a adopté une tactique hybride, en donnant à la machine les connaissances qui sont le fruit de plus de 500 ans d'histoire humaine des échecs. C'est là une approche intéressante. La confrontation entre la "pure" intelligence artificielle du type AlphaZero et celle plus "hybride" de Fat Fritz sera riche d'enseignements - y compris philosophique!
Pour ne rien manquer des événements échiquéens et profiter des multiples applications développées par ChessBase, ouvrez un compte Premium annuel! Non seulement vous ne payez que dix mois au lieu de douze, mais vous recevez encore un treizième mois gratuit!
Paul KohlerAprès plus de vingt ans passés dans l'organisation du Festival international d'échecs de Bienne (Suisse), Paul Kohler en est maintenant le secrétaire général et le directeur du tournoi fermé des Grands Maîtres (GMT). Depuis septembre 2016, vous pouviez lire ses posts quotidiens et ses tweets pour ChessBase dans la langue de Molière. Dorénavant, c'est sur le portail francophone que vous pouvez lire ses articles.
In this insightful video course, Grandmaster David Navara shares practical advice on when to calculate deeply in a position — and just as importantly, when not to.
The Trompowsky is especially suited for faster time controls as you don‘t have to memorise endless lines of theory, and you push your opponent out of their comfort zone after your second move.
Trompowsky Powerbook 2025 is based on 53,000 computer games from the engine room of playchess.com as well as 49,000 games from Mega and correspondence chess.
Trompowsky Powerbase 2025 is a database and contains a total of 8727 games from Mega 2025 and the Correspondence Database 2024, of which 316 are annotated.
2025 European Championship with a German double victory and analyses by Bluebaum, Svane, Rodshtein, Yuffa, Navara and many more. Opening videos by Engel, King and Marin. Training sections “The Fortress”, “The Trap” and “Fundamental Endgame Knowledge" etc.
In this dynamic and practical video course, IM Andrew Martin arms you with powerful antidotes to White’s most annoying sidelines.
34,90 €
We use cookies and comparable technologies to provide certain functions, to improve the user experience and to offer interest-oriented content. Depending on their intended use, analysis cookies and marketing cookies may be used in addition to technically required cookies. Here you can make detailed settings or revoke your consent (if necessary partially) with effect for the future. Further information can be found in our data protection declaration.
Pop-up for detailed settings
We use cookies and comparable technologies to provide certain functions, to improve the user experience and to offer interest-oriented content. Depending on their intended use, cookies may be used in addition to technically required cookies, analysis cookies and marketing cookies. You can decide which cookies to use by selecting the appropriate options below. Please note that your selection may affect the functionality of the service. Further information can be found in our privacy policy.
Technically required cookies
Technically required cookies: so that you can navigate and use the basic functions and store preferences.
Analysis Cookies
To help us determine how visitors interact with our website to improve the user experience.
Marketing-Cookies
To help us offer and evaluate relevant content and interesting and appropriate advertisement.