Pourquoi ChatGPT a perdu aux échecs face à une machine de 1Mhz
Pourquoi l’IA actuelle raisonne par réflexe statistique, limites de ChatGPT, comparaison avec l’Atari 2600 et confusion entre puissance et intelligence réelle.
Dernièrement je vous parlais des limitations de l'IA actuelle à cause de la méthode actuelle qui consiste à affecter des poids sur une base d'informations que l'on utilise en entrée.
C'est à dire, qu'on n'apprend pas ChatGPT à calculer, on lui fait comprendre en terme de statistiques que:
2 x 2 = 4 dans 100% des cas
Dans cet exemple mathématique, on a une certitude du résultat, mais quid des domaines aléatoires ?
Quid des domaines où l'on a une infinité de possibilités ou presque pour faire la même chose ?
Par exemple, coder une application dépend:
- du langage
- des méthodologies employées
- des librairies que l'on veut utiliser
- des guidelines
De même, l'aléatoire n'a que peu de place dans un système avec des poids, je vous redonne l'exemple du nombre aléatoire entre 1 et 25 qui dit: 17 quasiment à tous les coups.
Dans un article détaillé sur la partie d'échec entre ChatGPT et une Atari 2600 de 1Mhz , il est dit que:
Parfois, c’était impressionnant. D’autres fois, il faisait des suggestions absurdes, comme sacrifier un cavalier ou un pion, ou essayait de déplacer des pièces qui avaient déjà été capturées.
Et c'est EXACTEMENT ce que je reproche à l'IA d'aujourd'hui.
Il agit par "réflexe" plutôt que par "logique" et c'est un vrai problème.
La vraie intelligence
La vraie intelligence, celle que nous appelons souvent "humaine", ne repose pas uniquement sur des prédictions ou des raccourcis statistiques.
Elle repose sur la mise en contexte , la réévaluation permanente , l’adaptation et surtout : le doute.
Un humain face à une situation inconnue peut revenir sur ses choix, se remettre en question, envisager plusieurs issues possibles, et choisir celle qui a du sens, même si elle est contre-intuitive.
Il peut aussi reconnaître qu’il ne sait pas. Il peut apprendre à partir de très peu d’exemples, tester, itérer, improviser.
ChatGPT , lui, ne doute pas. Il "sait" ce qu’il a vu des millions de fois, mais sans vraiment comprendre: il fonctionne par réflexe.
Un réflexe entraîné sur des milliards de mots, certes, mais sans conscience du contexte réel. Lorsqu'il joue aux échecs, il ne voit pas l’échiquier. Il devine la prochaine action comme il devinerait le prochain mot dans une phrase.
Et c’est là tout le paradoxe : plus on lui demande de raisonner, plus on s’aperçoit qu’il simule l’intelligence plutôt qu’il ne la possède.
Le mythe de la toute-puissance IA
Alors pourquoi une Atari 2600 à 1 MHz bat-elle une IA fonctionnant sur un datacenter de plusieurs millions d’euros ?
C’est simple : la puissance de calcul n’est rien sans structure adaptée au problème.
L’Atari 2600 , bien que rudimentaire, suit des règles claires, codées à la main, avec des contraintes fortes.
Elle ne "réfléchit" pas, mais elle applique un raisonnement déterministe, spécifique au jeu d’échecs. Elle ne fait pas semblant de comprendre, elle joue correctement dans le cadre qui lui a été imposé.
À l’inverse, ChatGPT tente d’improviser des réponses sans modèle mental du jeu, sans mémoire de la partie, sans stratégie réelle. Ce n’est pas un joueur, c’est un narrateur qui brode autour d’une histoire dont il a oublié le début.
Conclusion
Cette anecdote entre une IA dernier cri et une console des années 70 illustre une vérité plus profonde : on confond souvent puissance et intelligence.
Mais la vraie intelligence ne se résume pas à des calculs. Elle réside dans la capacité à comprendre un problème, à s’y adapter, à faire des erreurs et à en tirer des leçons.
Tant que les IA comme ChatGPT ne disposeront pas d’un vrai modèle du monde, d’une mémoire structurée, d’un raisonnement logique et d’un sens du doute... elles resteront une forme d'intelligence "de surface".
FAQ
Pourquoi ChatGPT perd contre une console aussi ancienne que l'Atari 2600 ?
L'Atari 2600 applique des règles déterministes codées spécifiquement pour les échecs, ce qui lui permet de jouer de façon correcte et cohérente. ChatGPT, lui, n'a pas de modèle mental du jeu : il devine les coups comme il prédirait un mot dans une phrase, sans mémoire de la partie ni stratégie réelle.
ChatGPT comprend-il vraiment les règles du jeu d'échecs ?
Non, il n'a pas de représentation interne de l'échiquier. Il a simplement été exposé à des millions de parties et de descriptions de coups, ce qui lui permet de simuler une réponse plausible, mais pas de raisonner logiquement sur la position en cours.
C'est quoi concrètement le problème avec le raisonnement par statistiques ?
Un système basé sur des poids statistiques excelle dans les situations qu'il a souvent rencontrées, mais déraille dès que le contexte devient ambigu ou inédit. Il peut par exemple tenter de déplacer une pièce déjà capturée, faute de suivi réel de l'état du jeu.
Est-ce que plus de puissance de calcul résoudrait ce problème ?
Pas vraiment. L'Atari 2600 tourne à 1 MHz contre un datacenter à plusieurs millions d'euros, et c'est pourtant elle qui gagne. La puissance ne compense pas l'absence d'une structure de raisonnement adaptée au problème posé.
Qu'est-ce qui manque aux IA actuelles pour atteindre une vraie intelligence ?
Selon l'article, il leur manque un modèle du monde cohérent, une mémoire structurée, un raisonnement logique et surtout la capacité à douter, à se remettre en question et à apprendre à partir de peu d'exemples, comme le fait un humain face à une situation nouvelle.
Alexandre P.
Développeur passionné depuis plus de 20 ans, j'ai une appétence particulière pour les défis techniques et changer de technologie ne me fait pas froid aux yeux.
Poursuivre la lecture
