ChatGPT : Comment ce Thaïlandais a utilisé l’Intelligence Artificielle pour gagner à la loterie

Un Thaïlandais a gagné près de 60 $ à la loterie, sur la base d’un numéro à deux chiffres généré par un chatbot IA. L’histoire, comme on pouvait s’y attendre, est devenue virale.

Patthawikorn Boonin a utilisé ChatGPT, un modèle de langage IA sophistiqué formé pour discuter de divers sujets, de la création de listes de courses à la planification de voyages. Cependant, prédire l’avenir ne fait explicitement pas partie de sa formation.

Alors, comment Boonin a-t-il fait?

Selon le journal local The Thaiger, Boonin a gagné un total de 2 000 bahts (environ 59 dollars) après avoir trouvé un moyen de contourner la réticence du chatbot à jouer à la loterie.

Les détails sont en fait moins excitants qu’il n’y paraît: il a obtenu que l’IA génère quatre paires à deux chiffres – 57, 27, 29 et 99 – auxquelles Boonin a joué à la loterie du gouvernement thaïlandais. À sa grande surprise, le numéro 99 a été tiré, ce qui lui a valu son prix en espèces.

Le chatbot a fait une bonne supposition.

Le cœur de tout jeu de hasard (non truqué) dépend principalement du hasard. Après tout, si les résultats étaient prévisibles, personne ne parierait sur des options perdantes. Pourtant, il y a des nuances concernant le concept de « hasard ».

Le véritable hasard implique des événements imprévisibles qui se produisent naturellement dans notre univers, tels que la désintégration radioactive ou le jour de notre mort. Le caractère aléatoire algorithmique, d’autre part, simule des événements aléatoires à l’aide d’algorithmes mathématiques appelés générateurs de nombres pseudo-aléatoires (PRNG).

Bien que les PRNG créent des séquences de nombres qui semblent aléatoires, elles sont basées sur des formules déterministes et sont donc quelque peu prévisibles. Comme les PRNG reposent sur des valeurs initiales ou des graines, l’intelligence artificielle pourrait, en théorie, prédire les résultats de ces algorithmes en analysant de grandes quantités de données générées.

En détectant les modèles cachés et les corrélations potentielles dans les séquences de nombres, l’IA pourrait affiner son modèle pour mieux prédire le prochain nombre pseudo-aléatoire généré par un algorithme.