L'impact de l'IA sur les échecs (1/2)

La vague de moteurs à réseaux neuronaux qu'AlphaZero a inspirée a eu un impact sur la préparation des échecs, la théorie des ouvertures et les concepts de milieu de partie. Nous pouvons voir cet impact plus clairement au niveau de l'élite, puisque les Grands Maîtres du top mondial préparent leurs ouvertures et trouvent de nouvelles idées en travaillant en s'aidant de leurs analyses impartiales. Par exemple, Carlsen a cité AlphaZero comme une source d'inspiration pour son jeu remarquable en 2019. Un moteur à réseau de neurones tel que celui-ci apprend grâce à une multitude de parties jouées contre lui-même - ce que l'on appelle "l'apprentissage par renforcement autonome" - ce qui lui permet de déceler quels schémas fonctionnent bien en fonction des différents types de positions. Cette capacité de reconnaissance de modèles suggère que les réseaux de neurones artificiels sont particulièrement forts dans les ouvertures et les milieux de jeu stratégiques, là où les facteurs à long terme doivent être évalués avec précision. Leur expertise permet d'orienter la partie vers des positions qui offrent des probabilités de victoire relativement élevées. 

Quatre moteurs ont été sélectionnés pour cette étude: 

Moteur	Type	Description
Stockfish 8	Classique	S'appuie sur des règles câblées et le calcul brutal des variations.
AlphaZero	Réseau de neurones	Le moteur d'IA révolutionnaire de DeepMind, qui utilise l'apprentissage par renforcement automatique pour former un réseau neuronal.
Leela Chess Zero (Lc0)	Réseau de neurones	Projet open-source lancé en 2018, sur les traces d'AlphaZero.
Stockfish 12 (et versions plus récentes)	Hybride	Utilise des algorithmes de recherche classiques ainsi qu'un réseau neuronal.

Le moteur hybride Stockfish vise à obtenir le meilleur des deux types de programme: la vitesse de calcul des moteurs classiques et la compréhension stratégique des réseaux neuronaux. La pratique a montré que cette approche est très efficace car elle évalue systématiquement tous les types de positions avec précision, qu'il s'agisse de milieux de partie stratégiques aux complications tactiques désordonnées.

Dans cet article en deux parties l'auteur présente quelques concepts qui ont pour origine les analyses tirées des moteurs plus récents. Les annotations des parties sont basées sur le travail réalisé pour l'édition du livre The AI Revolution in Chess.

Clash entre les styles

L'une des plus grandes différences de compréhension entre les moteurs plus anciens et les plus récents se trouve dans les milieux de jeu stratégiques, qui promettent des améliorations à long terme pour un des deux joueurs. Comme le montrent de nombreuses parties entre AlphaZero et Stockfish, les moteurs plus anciens ne voient pas toujours les dangers. S'appuyer uniquement sur le calcul coup par coup n'est pas toujours suffisant pour résoudre les problèmes contre les adversaires les plus forts. A contrario, les moteurs à réseaux neuronaux excellent à faire monter lentement la pression, en apportant de petites améliorations qui optimisent les chances de victoire, avant de lancer progressivement la percée décisive.

Dans la partie suivante, les moteurs plus anciens estiment que le résultat de l'ouverture est tout à fait satisfaisant pour les Noirs, tandis que les plus récents ne sont plus du tout d'accord avec cette évaluation. Grischuk se range du côté de l'opinion des moteurs à réseau neuronal et comprend que l'initiative à long terme des Blancs est objectivement - et de surcroît dans la pratique - extrêmement difficile à gérer pour les Noirs.

Développements dans l'Ouverture

L'idée la plus populaire des moteurs à réseaux de neurones est sans doute l'avance du ♙h, où les Blancs poussent h4-h5-h6 (vs les Noirs ...h5-h4-h3) pour restreindre l'espace des Noirs à l'aile-♚ et leur enlever certaines cases clés. L'idée elle-même n'est pas du tout nouvelle, mais les moteurs les plus récents l'apprécient beaucoup plus que les anciens. Cela a conduit à de nombreuses nouveautés dans des ouvertures, comme par exemple la Grünfeld, où le ♝g7 est gêné par l'attaque du ♙h. L'approche avant-gardiste dans la partie suivante démontre également la capacité des réseaux de neurones de créer des problèmes sur le long-terme:

Le choc des styles entre les moteurs classiques et l'IA et ses réseaux de neurones est fascinant à analyser. De nombreux exemples à ce sujet peuvent être trouvés dans les célèbres parties entre AlphaZero et Stockfish et dans les ouvertures où les moteurs ne sont pas d'accord sur l'évaluation, comme dans la partie Grischuk - Nakamura ci-dessus. Leur désaccord a conduit à des avancées majeures dans toutes les ouvertures populaires, les anciennes lignes étant révisées et les nouvelles variantes soutenues par les moteurs modernes étant introduites dans la pratique de haut niveau.

La deuxième partie de cet article examinera une autre ouverture inspirée par l'IA, et la bataille qui s'ensuivit entre deux joueurs armés d'idées provenant de moteurs à réseau de neurones.

Liens

• L'aventure de la programmation dans les échecs (1e partie): Comment des adversaires mignons sont devenus des machines imbattables
• L'aventure de la programmation dans les échecs (2e partie): Vaincre par la force brute
• L'aventure de la programmation dans les échecs (2e partie): The Woosh: aux origines de Fat Fritz
• Échecs et Intelligence Artificielle: qu’en pense Frederic Friedel, le gourou de ChessBase? (1e partie)
• Échecs et Intelligence Artificielle: qu’en pense Frederic Friedel, le gourou de ChessBase? (2e partie)
• Il y a 25 ans: Deep Blue battait Kasparov
• Fat Fritz 2.0 - Le nouveau n°1
• Comment fonctionne Fat Fritz
• Fritz 18 guide le génie qui est en vous