Contexte historique

Au début des années 1950, David Hagelbarger, ingénieur chez Bell Telephone Laboratories, a construit SEER (SEquence Extrapolating Robot), une machine à relais destinée à jouer au jeu de "matching pennies" contre des collègues. Le même couloir a vu Claude Shannon développer une version plus simple, documentée dans un mémo du 18 mars 1953. Les deux appareils fonctionnaient avant l’ère du logiciel, utilisant uniquement des relais électromécaniques.

Architecture des machines

SEER conservait trois faits binaires sur les deux derniers tours : résultat du tour précédent, si le même choix avait été répété, et résultat du tour d’avant‑celui‑ci. Ces trois bits produisent huit états possibles. Un compteur réversible limité à ± 3 enregistrait, pour chaque état, si jouer la même option avait été fructueux. Cette limitation « fait oublier l’histoire ancienne » empêche toute accumulation de données à long terme.

La machine de Shannon, construite avec environ la moitié du nombre de relais de SEER, suivait deux indicateurs : si elle gagnait le tour précédent et si le joueur changeait de choix. Elle supposait que le même schéma se répéterait lorsqu’une situation se reproduisait. En l’absence de répétition, elle générait un choix aléatoire à partir du jitter d’un commutateur tournant dix fois par seconde, échantillonné au moment du bouton.

Analyse de la performance

Shannon a démontré théoriquement que son dispositif pouvait être battu trois fois sur quatre, mais que la mise en pratique nécessitait une capacité de calcul mental impossible pendant le jeu. En 2020, une équipe de Sibiu a réimplémenté les deux machines en logiciel et les a opposées pendant dix sessions de cent tours chacune. Shannon a remporté 55,8 % des parties contre SEER (44,2 %). Ce résultat confirme la supériorité de la stratégie de Shannon malgré son architecture plus simple.

Sur le plan historique, la machine de Shannon exposée au MIT a accumulé un score de 5010 contre 3507 pour les joueurs humains, soit un taux de victoire d’environ 59 % sur l’ensemble des parties jouées depuis les années 1950. Ce chiffre constitue la seule donnée quantitative disponible sur l’efficacité d’une machine contre des humains dans ce contexte.

Variante Aaronson et implications

Scott Aaronson a reproduit le concept pour un cours à Berkeley, en modifiant l’algorithme : il ignore les informations de gain/perte et se concentre uniquement sur les séquences de cinq pressions de touches, enregistrées simultanément à six longueurs différentes (de 1 à 5). Chaque nouvelle pression enrichit un « carnet » contenant toutes les paires (séquence, prochaine pression) observées. Lorsqu’une séquence de cinq pressions a été vue au moins deux fois, la machine prédit la pression suivante la plus fréquente ; sinon elle recule à des séquences plus courtes, jusqu’à un choix aléatoire en l’absence de données suffisantes.

Contrairement à SEER, le programme d’Aaronson ne « oublie » jamais, ce qui signifie qu’une habitude abandonnée tôt continue d’influencer les prédictions pendant toute la session. Cette persistance accentue la difficulté pour un joueur humain de modifier son comportement de façon efficace.

Scientifiquement, le système illustre deux principes clés : la valeur de la mémoire à court terme pour détecter des motifs récurrents, et la limitation imposée par la capacité de traitement humain en temps réel. Les expériences historiques montrent que même des modèles très simples, lorsqu’ils exploitent la non‑randomité humaine, surpassent les stratégies purement aléatoires. Elles soulignent également que la performance d’une machine dépend davantage de la structure de la donnée d’entrée (séquences observées) que du nombre de composants matériels.