Une étude de KataGo analyse comment les réseaux de Go apprennent la symétrie

KataGo a publié une étude portant sur cinq modèles qui remet en question une hypothèse fondamentale du machine learning à l’horizon concernant l’augmentation de données. Des rotations et réflexions aléatoires peuvent rendre les sorties cohérentes, sans pour autant que les concepts internes du réseau deviennent uniformément symétriques.

L’étude examine comment KataGo représente les positions de Go selon les huit orientations spatiales du plateau. Les règles du Go restent inchangées sous quatre rotations et quatre rotations réfléchies. KataGo s’entraîne sur des orientations aléatoires, mais les modèles testés n’imposent pas cette symétrie dans l’ensemble de leur architecture.

Cette distinction crée le conflit central. L’augmentation de données apprend à un modèle quelles réponses doivent rester stables, tandis que l’équivariance architecturale contraint la manière dont le modèle réalise ses calculs. Les résultats de KataGo suggèrent que ces approches peuvent produire des organisations internes très différentes, même lorsqu’elles mènent toutes deux à un jeu surhumain.

La recherche compare également les réseaux convolutionnels à de nouveaux modèles transformer. Les deux familles apprennent une symétrie importante, mais semblent la rompre et la restaurer à des endroits différents. Les têtes d’attention des transformers ont produit le résultat le plus étrange de l’étude : certaines se sont organisées en familles directionnelles évoquant un hexagone.

Ce travail est une étude d’interprétabilité, et non une nouvelle version de KataGo ou une évaluation de la force de jeu. Ses expériences et son article ont été produits en grande partie avec l’IA, sous une direction humaine détaillée. Cette provenance inhabituelle rend l’étude à la fois intéressante et particulièrement tributaire de la reproductibilité.

KataGo a mesuré la symétrie au sein de cinq réseaux publiés

L’étude cherche à déterminer si la symétrie ne réside que dans les réponses de KataGo ou également dans les représentations utilisées pour les produire.

David Wu, mainteneur de KataGo, a publié l’étude le 1er août 2026. Il l’a présentée comme une petite enquête visant à savoir si les réseaux de Go apprennent des concepts indépendants de l’orientation ou mémorisent séparément des concepts apparentés pour chaque direction.

Cette distinction est importante, car les règles fournissent un cadre expérimental clair. Une position de Go reste stratégiquement identique après une rotation ou une réflexion valide. Les coordonnées changent, mais les libertés, connexions, territoires, captures et continuations légales se transforment avec le plateau.

KataGo utilise une augmentation stochastique selon les huit orientations durant l’entraînement. Chaque lot d’entraînement reçoit une orientation de plateau choisie aléatoirement. Le modèle voit à plusieurs reprises des positions équivalentes depuis différentes directions, mais les couches ordinaires restent libres de traiter ces directions différemment.

Les chercheurs ont évalué cinq checkpoints publiés. Ils comprenaient deux tailles de réseaux convolutionnels, un contrôle convolutionnel entraîné avec SGD, ainsi que deux modèles transformer. La comparaison couvrait donc l’architecture, l’échelle des modèles et une variation d’optimiseur.

L’ensemble de test contenait 100 positions échantillonnées à partir de parties professionnelles sur des plateaux standard de 19 sur 19. Les chercheurs ont fait passer des versions transformées de ces positions dans chaque réseau. Ils ont ensuite comparé les canaux internes et les têtes d’attention après avoir tenu compte de la manière dont les coordonnées spatiales devaient tourner ou se réfléchir.

Cette propriété s’appelle l’équivariance. Une représentation est équivariante lorsque transformer l’entrée produit une transformation correspondante et prévisible dans la représentation. L’invariance est plus stricte, car la représentation elle-même reste inchangée.

Une politique de jeu de Go ne peut pas simplement être invariante pour chaque sortie spatiale. Si le plateau tourne, le coup recommandé doit tourner avec lui. Les cartes de caractéristiques internes peuvent néanmoins représenter des concepts indépendants de l’orientation si leurs positions spatiales se transforment de manière cohérente.

Le study sur la symétrie du projet examine ce comportement à plusieurs endroits de chaque modèle. Il mesure les canaux individuels dans les réseaux convolutionnels et les têtes d’attention individuelles dans les transformers.

Cette approche est plus informative que la seule vérification de l’accord final des politiques. Deux modèles peuvent recommander des coups presque identiques tout en utilisant des algorithmes internes très différents. L’un peut réutiliser une représentation commune, tandis qu’un autre maintient plusieurs composants spécifiques à l’orientation qui convergent plus tard.

Le dépôt comprend des données, des rapports, des scripts, des figures et des instructions de téléchargement des checkpoints. Son pipeline documenté analyse les huit transformations et fournit les éléments nécessaires pour régénérer les figures publiées.

Les chercheurs indiquent qu’une analyse complète des transformers a reproduit exactement 1 520 tableaux de couches internes stockés. Les mesures d’attention profonde et de corrélation concordaient dans une tolérance annoncée de 0.0000002. Aucun canal ni aucune tête n’a changé de classification lors de cette vérification de reproduction.

Ces contrôles ne valident pas indépendamment l’interprétation scientifique. Ils établissent toutefois une piste d’audit plus solide qu’un graphique dépourvu de code, de données ou d’identifiants de modèle.

L’importance de cet événement tient à ce qui a été mesuré. KataGo ne s’est pas contenté de demander si l’augmentation améliore la généralisation. Il a examiné où un système entraîné partage des concepts entre les orientations et où il préserve des distinctions directionnelles.

Pourquoi la question de machine learning à l’horizon dépasse le Go

KataGo transforme un débat abstrait sur le biais inductif en un test reposant sur des symétries exactes et connues.

Un biais inductif est une préférence intégrée qui guide les solutions qu’un modèle apprend. La convolution apporte un biais lié à la translation grâce au partage de filtres. La convolution standard n’impose pas automatiquement un traitement équivalent des rotations et des réflexions.

L’augmentation de données propose une approche plus souple. Au lieu de restreindre les calculs du modèle, l’entraînement présente des exemples transformés et pénalise les prédictions incohérentes. Le modèle apprend, à partir des données, que l’orientation ne devrait pas modifier la réponse stratégique.

L’alternative est une architecture explicitement équivariante. Un tel modèle partage ses paramètres au sein d’un groupe de transformations défini, en contraignant les caractéristiques à se transformer selon des règles connues.

Cohen et Welling ont formalisé cette approche dans leurs recherches sur les réseaux équivariants par rapport aux groupes. Leurs convolutions de groupe étendent le partage de poids à des transformations incluant les rotations d’un quart de tour et les réflexions.

L’avantage n’est pas seulement esthétique. Un modèle n’a pas besoin de redécouvrir indépendamment la même relation pour chaque transformation autorisée. Cela peut réduire les besoins en échantillons et rendre le comportement plus prévisible face aux transformations.

Le coût est une liberté réduite. Une symétrie exacte peut devenir une contrainte inadaptée lorsque le pipeline de données, les conditions aux limites, les capteurs ou la tâche présentent des asymétries significatives. Un modèle peut bénéficier d’une rupture temporaire de la règle.

Le Go rend ce compromis particulièrement visible. Ses règles abstraites respectent la symétrie diédrique du plateau, composée de quatre rotations combinées à des réflexions. Pourtant, des calculs locaux utiles peuvent toujours être directionnels.

Un réseau examinant une forme peut distinguer le nord de l’est durant une opération intermédiaire. Une couche ultérieure peut combiner ces caractéristiques directionnelles pour aboutir à un jugement indépendant de l’orientation. Des sorties symétriques n’exigent donc pas que chaque opération interne soit symétrique.

Cette observation met sous pression deux récits simplistes.

Le premier affirme que l’augmentation devrait rendre un modèle conventionnel effectivement symétrique partout. Les mesures internes de KataGo ne corroborent pas une conclusion aussi uniforme.

Le second affirme que la symétrie doit être codée en dur pour obtenir des concepts symétriques réutilisables. Les réseaux auraient appris une équivariance interne importante sans cette garantie architecturale.

La question utile se situe entre ces deux affirmations. Les chercheurs doivent déterminer quelle symétrie émerge, quelle symétrie se fragmente en familles de caractéristiques et où ces fragments se recombinent.

Cette question de machine learning à l’horizon s’applique partout où des transformations préservent le sens. Les images médicales, relevés astronomiques, scènes satellitaires, molécules, robotique et simulations physiques contiennent tous une structure géométrique.

Dans ces domaines, les développeurs choisissent souvent entre des jeux de données augmentés plus vastes et des couches équivariantes spécialisées. KataGo suggère que ce choix affecte l’organisation interne, et pas seulement la précision sur les benchmarks.

Cela peut influer sur la fiabilité. Un système qui apprend huit raccourcis apparentés peut être cohérent sur les entrées courantes tout en échouant différemment hors de la distribution d’entraînement. Un système doté de représentations partagées dispose de moins de façons indépendantes de dériver.

L’étude n’établit pas que les caractéristiques plus symétriques de KataGo sont plus sûres. Elle fournit des mesures qui rendent cette hypothèse vérifiable.

Elle offre également aux chercheurs en interprétabilité un environnement contrôlé. Les modèles de langage contiennent des relations sémantiques incertaines et des étiquettes d’évaluation contestées. Le Go fournit des transformations exactes et une correspondance objective entre les points correspondants du plateau.

Cette clarté aide à séparer deux questions difficiles. Les chercheurs peuvent d’abord vérifier si une représentation respecte une symétrie connue. Ils peuvent ensuite examiner quel concept stratégique cette représentation porte.

Les réseaux convolutionnels et les transformers rompent la symétrie différemment

Le résultat central n’est pas qu’une architecture a appris la symétrie tandis que l’autre a échoué, mais qu’elles ont placé l’asymétrie dans des composants internes différents.

Les modèles convolutionnels de KataGo auraient développé de nombreux canaux se comportant de manière équivariante entre les positions transformées. Un canal associé à un motif stratégique pouvait suivre ce motif à mesure que le plateau tournait ou se réfléchissait.

Cependant, les réseaux convolutionnels n’étaient pas uniformément symétriques. Certaines caractéristiques restaient sensibles à l’orientation. Le plus grand modèle convolutionnel présentait également ce que le projet décrit comme une légère « brume d’asymétrie », plutôt qu’une simple séparation entre canaux parfaits et canaux brisés.

Cette brume est importante, car la symétrie apprise n’est pas nécessairement binaire. Une caractéristique peut se comporter de manière cohérente sur la plupart des positions tout en déviant légèrement sur d’autres. Elle peut également combiner un signal symétrique dominant avec une composante directionnelle plus faible.

Le contrôle entraîné avec SGD aide à vérifier si cette organisation appartient uniquement à un parcours d’optimisation particulier. Les optimiseurs influencent la solution qu’un réseau atteint parmi de nombreuses solutions présentant une perte d’entraînement similaire.

L’étude inclut ce contrôle, mais ne fait pas du choix de l’optimiseur l’explication principale. L’architecture a produit la différence rapportée la plus nette.

Les transformers répartissent le calcul spatial par l’attention. Une tête d’attention attribue des poids entre les emplacements du plateau, permettant à un emplacement de recueillir des informations depuis d’autres positions.

Les transformers de KataGo ont appris des têtes d’attention aux comportements de symétrie distincts. Certaines restaient étroitement alignées sous les transformations. D’autres semblaient former des groupes dont les membres correspondaient à différentes directions.

Il s’agit d’un résultat plus structuré que huit solutions mémorisées sans lien entre elles. Si faire tourner une entrée transpose le comportement d’une tête sur celui d’une autre, le groupe agit comme une orbite. Les têtes individuelles sont directionnelles, tandis que la famille respecte collectivement la symétrie du plateau.

Cette organisation ressemble à une équipe de spécialistes. Un composant traite une relation dans une direction, un autre gère son équivalent tourné, et des calculs ultérieurs peuvent les combiner.

Le dépôt de l’étude rapporte une nette différence entre réseaux convolutionnels et transformers quant à l’endroit où la symétrie se rompt. Il documente également une analyse des orbites pour les caractéristiques non équivariantes.

Un résultat corrigé mérite attention. Une première analyse contenait une erreur de compensation des signes, qui suggérait que certains canaux appariés par signe n’avaient pas d’équivalents après rotation. Le calcul corrigé a identifié une orbite fermée de quatre membres portant un signe.

Cette correction renforce la transparence du projet tout en affaiblissant toute affirmation selon laquelle le flux de travail était exempt d’erreurs. Le dépôt actuel identifie le rapport erroné et oriente les lecteurs vers la version corrigée.

La distinction entre une caractéristique véritablement isolée et un membre d’orbite est importante. Une caractéristique isolée suggère un apprentissage séparé, sans règle de transformation identifiable. Une orbite suggère que le modèle a encodé une symétrie répartie entre plusieurs composants.

Les changements de signe ajoutent une couche supplémentaire. Une caractéristique transformée peut représenter la même structure tout en inversant le signe de son activation. Les poids en aval peuvent ignorer ce signe ou utiliser des composants appariés pour reconstruire la relation d’origine.

C’est pourquoi une simple corrélation entre canaux peut être trompeuse. Les chercheurs doivent tester les permutations, les signes et les transformations spatiales. Sinon, une représentation équivariante organisée peut sembler incohérente.

Cette observation complique également le débat de horizon machinelearning sur les « concepts partagés ». Le partage n’exige pas qu’un seul neurone ou canal signifie la même chose dans chaque orientation.

Un concept peut être réparti sur un ensemble structuré d’unités. La représentation reste réutilisable, car les transformations appliquées à l’ensemble le font correspondre à lui-même.

Cette interprétation s’inscrit dans des travaux plus larges sur les réseaux équivariants, mais KataGo n’utilisait pas une architecture de transformeur formellement équivariante. L’organisation a émergé des signaux d’entraînement et de la structure de calcul disponible au modèle.

Cela ne montre pas que les transformeurs découvrent naturellement tous les groupes pertinents. L’expérience porte sur cinq points de contrôle KataGo, un jeu et un ensemble fini de transformations.

Elle montre toutefois que l’asymétrie interne peut être organisée plutôt qu’arbitraire. C’est le revirement le plus conséquent de l’étude.

Le motif d’attention hexagonal est l’indice le plus étrange

Plusieurs têtes de transformeur se seraient organisées en structures directionnelles rappelant un hexagone, malgré la grille carrée de Go et la symétrie octuple du plateau.

À première vue, un hexagone semble incongru sur un plateau de Go carré. Le plateau prend en charge les relations horizontales, verticales et diagonales, tandis que sa symétrie globale implique des quarts de tour et des réflexions.

Les figures de l’étude montrent des têtes d’attention présentant des motifs de décalage privilégiés. Ces motifs décrivent où une tête tend à regarder par rapport à une position interrogée sur le plateau.

Dans certaines couches, des têtes apparentées occupaient des rôles directionnels formant une organisation en six parties. Les auteurs les décrivent comme des têtes d’attention disposées en hexagone.

Cela ne signifie pas que le transformeur a découvert un plateau de Go littéralement hexagonal. Cela indique que la base directionnelle apprise ne reflétait pas la décomposition la plus évidente de la tâche pour un humain.

Les réseaux neuronaux peuvent choisir des coordonnées internes qui soutiennent efficacement les calculs en aval sans correspondre à un ensemble d’étiquettes humaines. Une base peut être utile même lorsque ses composants individuels résistent à des noms sémantiques directs.

Le motif hexagonal sert donc d’indice, et non d’algorithme décodé. Il suggère que les têtes d’attention se coordonnent par une géométrie plus structurée qu’un apprentissage indépendant de caractéristiques.

Les chercheurs ont examiné des positions individuelles, des profils moyens de décalage, des échelles et des exemples liés au ko. Une échelle est une séquence de capture forcée qui traverse le plateau en diagonale. Le ko est un combat local répétitif, limité par les règles qui interdisent la répétition immédiate d’une position de plateau.

Ces deux situations exigent des relations à distance. Elles constituent des tests plausibles de l’attention directionnelle, car les pierres locales peuvent dépendre de continuations lointaines ou de contraintes de recapture.

Le dépôt inclut une ablation d’échelle par tête. L’ablation retire ou supprime un composant afin d’observer l’évolution des sorties. De tels tests vont au-delà de la ressemblance visuelle, mais ils exigent toujours une interprétation prudente.

Si retirer une tête modifie l’évaluation d’une échelle, cela ne prouve pas que cette tête met exclusivement en œuvre la lecture des échelles. Les têtes d’attention interagissent, et une représentation dégradée peut affecter plusieurs tâches.

De même, une tête qui regarde dans une direction peut transporter un contenu sans rapport avec la direction géométrique. Les poids d’attention montrent des schémas de communication, non l’intégralité des informations transmises par ces mécanismes.

Cette limite est bien connue en interprétabilité mécaniste. Une visualisation claire peut encourager un récit sémantique plus affirmé que ne le permettent les preuves.

Le travail sur KataGo gère ce risque en présentant des corrélations, une structure d’orbites et des interventions ciblées. Ses conclusions restent plus limitées qu’une rétro-ingénierie complète du jeu.

Le motif reste néanmoins précieux, car une régularité inattendue peut générer de nouvelles expériences. Les chercheurs peuvent vérifier si l’organisation à six têtes apparaît selon différentes graines d’entraînement, tailles de modèle ou autres jeux de plateau.

Ils peuvent aussi entraîner un transformeur doté d’une équivariance diédrique explicite. Comparer ses têtes à la structure apprise de KataGo révélerait si la base hexagonale compense l’absence d’une contrainte architecturale.

Un autre test consisterait à retirer l’augmentation de données après une étape particulière de l’entraînement. Si la structure persiste, la symétrie pourrait devenir auto-renforçante une fois que le modèle a établi un algorithme interne.

Un troisième test modifierait la forme du plateau. KataGo prend en charge des plateaux rectangulaires et non standard, mais l’étude actuelle se concentre sur des positions professionnelles de 19 par 19. Les plateaux rectangulaires éliminent certaines symétries carrées tout en conservant les relations de réflexion et de demi-tour.

Si la même organisation en six parties survivait à ce changement, cela irait à l’encontre d’un encodage direct du groupe de symétrie du plateau. Si elle se réorganisait, l’interprétation géométrique gagnerait en crédibilité.

Le résultat sur l’attention est donc intéressant parce qu’il ouvre un programme de recherche praticable. Il ne prouve pas que les chercheurs comprennent désormais le processus complet de raisonnement de KataGo.

Un code reproductible ne comble pas le déficit de vérification

L’étude est exceptionnellement inspectable, mais son processus de production fortement axé sur l’IA exige davantage de réplications indépendantes, et non moins.

Wu affirme que l’IA a produit presque toutes les expériences, l’implémentation et la rédaction, sous une supervision humaine importante. Le dépôt public identifie Claude comme le principal système de génération.

Cette divulgation modifie la manière dont les lecteurs doivent évaluer le travail. Elle ne discrédite pas automatiquement les résultats. Elle renforce l’importance d’une revue de code indépendante, d’une conception expérimentale nouvelle et d’une réplication en dehors du flux de travail initial.

Une analyse générée par IA peut produire des erreurs cohérentes en interne. La même hypothèse erronée peut s’introduire dans le code, la documentation, les figures et le texte, créant une apparence de concordance.

La correction de compensation des signes en est un exemple concret. Le pipeline initial a produit une conclusion erronée concernant des équivalents après rotation. Une revue contradictoire a identifié le problème, et l’analyse corrigée a changé l’interprétation.

Le projet indique que cinq évaluateurs indépendants ont recalculé les valeurs de l’article à partir des données brutes. Il fait également état d’une reproduction de bout en bout à partir des points de contrôle publiés et d’un générateur de caractéristiques d’entrée en Python pur.

Ce sont des garde-fous significatifs. Toutefois, les évaluateurs semblent faire partie du processus du projet assisté par IA, plutôt que de groupes de recherche indépendants. Cette affirmation doit donc être comprise comme un audit contradictoire interne.

L’échantillon limite également la généralisation. Cent positions professionnelles peuvent révéler une forte structure récurrente, mais elles ne représentent pas tous les états légaux de Go.

Les parties professionnelles se concentrent sur des positions stratégiquement plausibles. Des états de plateau inhabituels, des configurations adversariales, de petits plateaux, de grands plateaux et des positions symétriques artificielles peuvent produire un comportement interne différent.

La sélection des modèles crée une autre limite. Cinq points de contrôle permettent des comparaisons d’architecture, mais ne peuvent isoler tous les facteurs distinguant les réseaux convolutionnels des transformeurs.

Les historiques d’entraînement, le nombre de paramètres, les calendriers d’optimisation, les pipelines de caractéristiques et la maturité des points de contrôle peuvent tous influer sur la représentation. Une expérience contrôlée entraînerait des architectures appariées sur plusieurs graines aléatoires.

Le score d’équivariance lui-même intègre également des choix analytiques. Les chercheurs doivent sélectionner une normalisation, des seuils d’appariement, des règles d’alignement spatial et des méthodes de traitement des signes ou des permutations.

Une autre métrique pourrait répartir différemment les canaux à la frontière. La « brume d’asymétrie » signalée rend cette sensibilité particulièrement pertinente.

La force de jeu ajoute une autre complication. Le projet public de KataGo décrit ses modèles comme comptant parmi les systèmes de Go open source les plus puissants, mais la force ne garantit pas une fiabilité interne étendue.

Des chercheurs antérieurs ont entraîné des politiques adversariales qui ont obtenu un taux de victoire rapporté supérieur à 97 pour cent contre KataGo dans des réglages surhumains. Les attaques exploitaient des structures cycliques inhabituelles plutôt que le jeu professionnel ordinaire.

Cet historique ne contredit pas les résultats sur la symétrie. Il montre pourquoi un comportement moyen propre ne doit pas être confondu avec une compréhension exhaustive.

Un modèle peut apprendre une élégante structure de transformation pour les positions courantes tout en échouant sur des configurations rares. La régularité interne et la robustesse adversariale sont des questions liées, mais non interchangeables.

Les recherches sur l’équivariance approximative offrent un autre avertissement. Une analyse de l’équivariance de 2023 a montré que de petits détails architecturaux peuvent rompre la symétrie exacte et réduire la généralisation à des transformations inédites.

Ce travail a également identifié des cas où l’assouplissement de l’équivariance exacte aidait lorsque la symétrie des données ne correspondait pas parfaitement aux hypothèses du réseau. La leçon plus générale est que les contraintes de symétrie impliquent des compromis mesurables.

Pour KataGo, les huit transformations testées sont toutes valides selon les règles standard d’un plateau carré. Pourtant, les caractéristiques d’entrée, les limites du plateau, l’encodage de l’historique et la recherche en aval méritent encore des vérifications individuelles.

L’étude actuelle doit donc être considérée comme une affirmation de recherche reproductible. Elle fournit du code et des mesures réfutables, mais des chercheurs indépendants n’ont pas encore établi dans quelle mesure ses conclusions se généralisent.

Ce cadrage est plus utile que de rejeter le travail parce qu’il est généré par IA ou d’accepter ses motifs visuels sans examen critique.

Ce que les chercheurs devraient surveiller ensuite

Trois signaux de suivi montreront si KataGo a découvert une propriété générale des représentations apprises ou une curiosité propre à un point de contrôle.

Le premier signal est une réplication indépendante sur différentes graines d’entraînement. Un autre groupe devrait réexécuter les mesures sur des modèles convolutionnels et des transformeurs entraînés séparément, avec des réglages appariés.

Des structures d’orbites répétées renforceraient l’affirmation selon laquelle l’architecture détermine où la symétrie se brise. De fortes variations entre les graines suggéreraient que les structures rapportées ne constituent qu’une solution parmi de nombreuses autres.

Le deuxième signal est une comparaison contrôlée avec une équivariance explicite. Les chercheurs peuvent entraîner un réseau de Go équivariant par groupe et comparer son efficacité, sa force, sa calibration et son organisation interne à celles de modèles utilisant uniquement l’augmentation de données.

Cette expérience testerait directement le principal concurrent. Elle pourrait montrer si une symétrie codée en dur élimine l’apprentissage redondant ou supprime un calcul directionnel utile.

La comparaison devrait mesurer davantage que l’Elo final. L’efficacité d’échantillonnage pendant l’entraînement, le coût d’inférence, la cohérence des positions transformées et les performances sur des plateaux adversariaux révéleraient le véritable compromis.

Le troisième signal est une intervention causale sur les orbites de caractéristiques découvertes. Les chercheurs devraient perturber des familles directionnelles complètes plutôt que de supprimer une seule tête d’attention à la fois.

Si la suppression d’une orbite entière altère systématiquement les versions transformées d’une tâche, l’interprétation géométrique s’en trouve renforcée. Si les effets restent dispersés, l’orbite peut décrire l’apparence sans saisir la fonction.

Les tests d’échelle et de ko offrent des points de départ utiles, mais les travaux futurs devraient inclure des ensembles de positions préenregistrés. Cela réduirait le risque de sélectionner des exemples après avoir examiné les schémas d’attention.

Les chercheurs devraient également tester des plateaux rectangulaires et des règles volontairement asymétriques. Ces configurations peuvent révéler si une caractéristique apprise suit une véritable symétrie de la tâche ou reflète simplement le pipeline d’augmentation.

Pour les développeurs, la leçon pratique est nuancée. L’augmentation des données peut encourager l’émergence d’une structure interne significative, même lorsque l’architecture ne l’impose pas.

Cependant, des sorties cohérentes n’indiquent pas aux développeurs comment un modèle a organisé le problème. Ils ont besoin de mesures internes, de tests de transformation et d’évaluations adversariales lorsque la cohérence d’orientation influe sur la sécurité ou la fiabilité.

Pour les équipes d’interprétabilité, KataGo offre un modèle utile de présentation de la recherche. Le projet associe un article accessible à des scripts, des données de mesure, des rapports bruts, des corrections et des instructions de reproduction.

Les équipes qui évaluent la recherche assistée par l’IA peuvent s’inspirer de ce modèle. Conserver des rapports locaux consultables dans une base de connaissances d’ingénierie peut aider les évaluateurs à remonter des affirmations jusqu’aux expériences et aux révisions.

La question plus large de l’apprentissage automatique reste ouverte. Les réseaux neuronaux peuvent apprendre la symétrie sans recevoir de règle architecturale rigide, mais ils ne l’expriment pas nécessairement au moyen de composants uniformément symétriques.

Le résultat le plus intéressant de KataGo réside dans cet entre-deux. Ses réseaux semblent élaborer des concepts symétriques réutilisables, aux côtés de spécialistes directionnels organisés.

La prochaine étape est donc claire. Les chercheurs devraient cesser de se demander uniquement si un modèle est symétrique et commencer à tester où, comment et pour quelles entrées cette symétrie se vérifie.

Des réplications indépendantes retrouveront-elles les mêmes orbites de caractéristiques et les mêmes familles d’attention hexagonales ? La réponse déterminera s’il s’agit d’une étude de cas compacte sur KataGo ou d’une carte réutilisable pour interpréter la géométrie apprise.