Artificial Intelligence - what can and can't it do? 6 Minute English

216,015 views ・ 2017-10-11

BBC Learning English


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo. Les sous-titres traduits sont traduits automatiquement.

00:07
Neil: Welcome to 6 Minute English, where we
0
7160
1820
Neil : Bienvenue dans 6 Minute English, où nous
00:08
bring you an intelligent topic and six related
1
8980
2240
vous apportons un sujet intelligent et six
00:11
items of vocabulary. I'm Neil.
2
11230
1809
éléments de vocabulaire connexes. Je suis Neil.
00:13
Tim: And I'm Tim. And today we're talking
3
13039
3270
Tim : Et je suis Tim. Et aujourd'hui, nous parlons
00:16
about AI - or Artificial Intelligence.
4
16309
3031
d'IA - ou d'intelligence artificielle.
00:19
Neil: Artificial Intelligence is the ability
5
19340
2862
Neil : L'intelligence artificielle est la capacité
00:22
of machines to copy human intelligent behaviour
6
22202
3058
des machines à copier le comportement intelligent humain
00:25
- for example, an intelligent machine can
7
25260
2343
- par exemple, une machine intelligente peut
00:27
learn from its own mistakes, and make decisions
8
27603
2686
apprendre de ses propres erreurs et prendre des décisions en
00:30
based on what's happened in the past.
9
30289
1970
fonction de ce qui s'est passé dans le passé.
00:32
Tim: There's a lot of talk about AI these
10
32259
2322
Tim : On parle beaucoup d'IA ces
00:34
days, Neil, but it's still just science fiction,
11
34581
2719
jours-ci, Neil, mais ce n'est encore que de la science-fiction,
00:37
isn't it?
12
37300
1000
n'est-ce pas ?
00:38
Neil: That's not true - AI is everywhere.
13
38300
2539
Neil : Ce n'est pas vrai - l'IA est partout.
00:40
Machine thinking is in our homes, offices,
14
40839
2601
La pensée automatique est présente dans nos maisons, nos bureaux, nos
00:43
schools and hospitals. Computer algorithms
15
43440
2797
écoles et nos hôpitaux. Les algorithmes informatiques
00:46
are helping us drive our cars. They're diagnosing
16
46237
3263
nous aident à conduire nos voitures. Ils diagnostiquent
00:49
what's wrong with us in hospitals. They're
17
49500
2395
ce qui ne va pas chez nous dans les hôpitaux. Ils corrigent les
00:51
marking student essays. They're telling us
18
51895
2395
devoirs des étudiants. Ils nous disent
00:54
what to read on our smartphones.
19
54290
1230
quoi lire sur nos smartphones.
00:55
Tim: Well, that really does sound like science
20
55520
2654
Tim : Eh bien, cela ressemble vraiment à de la science-
00:58
fiction - but it's happening already, you
21
58174
2366
fiction - mais cela se produit déjà,
01:00
say, Neil?
22
60540
1000
dites-vous, Neil ?
01:01
Neil: It's definitely happening, Tim. And
23
61540
2123
Neil : C'est définitivement en train d'arriver, Tim. Et
01:03
an algorithm, by the way, is a set of steps
24
63663
2227
un algorithme, soit dit en passant, est un ensemble d'étapes suivies par
01:05
a computer follows in order to solve a problem.
25
65890
2919
un ordinateur pour résoudre un problème.
01:08
So can you tell me what was the name of the
26
68809
2670
Alors pouvez-vous me dire quel était le nom de l'
01:11
computer which famously beat world chess champion
27
71479
4091
ordinateur qui a battu le célèbre champion du monde d'échecs
01:15
Garry Kasparov using algorithms in 1997? Was
28
75570
3590
Garry Kasparov en utilisant des algorithmes en 1997 ? Était-
01:19
it: a) Hal, b) Alpha 60 or c) Deep Blue?
29
79160
4749
ce : a) Hal, b) Alpha 60 ou c) Deep Blue ?
01:23
Tim: I'll say Deep Blue. Although I'm just
30
83909
2800
Tim : Je dirai Deep Blue. Bien que je ne
01:26
guessing.
31
86709
1551
fasse que deviner.
01:28
Neil: Was it an educated guess, Tim?
32
88260
1750
Neil : Était-ce une supposition éclairée, Tim ?
01:30
Tim: I know a bit about chess...
33
90010
1630
Tim : J'en sais un peu sur les échecs...
01:31
Neil: An educated guess is based on knowledge
34
91640
2501
Neil : Une supposition éclairée est basée sur la connaissance
01:34
and experience and is therefore likely to
35
94141
2279
et l'expérience et est donc susceptible d'
01:36
be correct. Well, we'll find out later on
36
96420
2385
être correcte. Eh bien, nous découvrirons plus tard à
01:38
how educated your guess was in this case, Tim!
37
98805
2435
quel point votre supposition était éduquée dans ce cas, Tim !
01:41
Tim: Indeed. But getting back to AI and what
38
101240
3500
Tim : En effet. Mais revenons à l'IA et à ce que les
01:44
machines can do - are they any good at solving
39
104740
3340
machines peuvent faire - sont-elles bonnes pour résoudre
01:48
real-life problems? Computers think in zeros
40
108090
2865
les problèmes de la vie réelle ? Les ordinateurs pensent en zéros
01:50
and ones don't they? That sounds like a pretty
41
110955
2995
et en uns, n'est-ce pas ? Cela ressemble à un
01:53
limited language when it comes to life experience!
42
113950
2440
langage assez limité en matière d'expérience de vie !
01:56
Neil: You would be surprised to what those
43
116390
2290
Neil : Vous seriez surpris de voir ce que ces
01:58
zeroes and ones can do, Tim. Although you're
44
118680
2399
zéros et ces uns peuvent faire, Tim. Bien que vous ayez
02:01
right that AI does have its limitations at
45
121079
2467
raison de dire que l'IA a ses limites pour
02:03
the moment. And if something has limitations
46
123546
2584
le moment. Et si quelque chose a des limites,
02:06
there's a limit on what it can do or how good
47
126130
2230
il y a une limite à ce qu'il peut faire ou à quel point
02:08
it can be.
48
128360
980
il peut être bon.
02:09
Tim: OK - well now might be a good time to
49
129360
2620
Tim : OK - eh bien, le moment est peut-être venu d'
02:11
listen to Zoubin Bharhramani, Professor of
50
131988
2811
écouter Zoubin Bharhramani, professeur d'ingénierie de l'
02:14
Information Engineering at the University
51
134799
2627
information à l'Université
02:17
of Cambridge and deputy director of the Leverhulme
52
137426
3203
de Cambridge et directeur adjoint du Leverhulme
02:20
Centre for the Future of Intelligence. He's
53
140629
3099
Center for the Future of Intelligence. Il
02:23
talking about what limitations AI has at the
54
143728
3172
parle des limites de l'IA en ce
02:26
moment.
55
146900
2160
moment.
02:29
Zoubin Bharhramani: I think it's very interesting
56
149060
1960
Zoubin Bharhramani : Je pense qu'il est très intéressant de voir
02:31
how many of the things that we take for granted
57
151023
2996
combien de choses que nous tenons pour acquises
02:34
- we humans take for granted - as being sort
58
154019
2155
- nous, les humains, tenons pour acquises - comme étant
02:36
of things we don't even think about like how
59
156174
2155
des choses auxquelles nous ne pensons même pas, comme comment
02:38
do we walk, how do we reach, how do we recognise
60
158329
3464
marchons-nous, comment atteignons-nous, comment nous reconnaissons
02:41
our mother. You know, all these things. When
61
161793
3176
notre mère. Vous savez, toutes ces choses. Lorsque
02:44
you start to think how to implement them on
62
164969
2491
vous commencez à réfléchir à la façon de les mettre en œuvre sur
02:47
a computer, you realise that it's those things
63
167460
4240
un ordinateur, vous vous rendez compte que ce sont ces choses
02:51
that are incredibly difficult to get computers
64
171709
3923
qui sont incroyablement difficiles à faire faire par les
02:55
to do, and that's where the current cutting
65
175632
3667
ordinateurs, et c'est là que se trouve la pointe actuelle
02:59
edge of research is.
66
179300
2860
de la recherche.
03:02
Neil: If we take something for granted we
67
182160
1240
Neil : Si nous tenons quelque chose pour acquis, nous
03:03
don't realise how important something is.
68
183410
2310
ne réalisons pas à quel point quelque chose est important.
03:05
Tim: You sometimes take me for granted,
69
185720
2363
Tim : Tu me prends parfois pour acquis,
03:08
think, Neil.
70
188083
727
03:08
Neil: No - I never take you for granted, Tim!
71
188810
2432
pense, Neil.
Neil : Non - je ne te prends jamais pour acquis, Tim !
03:11
You're far too important for that!
72
191242
1837
Tu es bien trop important pour ça !
03:13
Tim: Good to hear! So things we take for granted
73
193079
3688
Tim : Bon à entendre ! Donc, les choses que nous tenons pour acquises
03:16
are doing every day tasks like walking, picking
74
196767
3612
sont de faire des tâches quotidiennes comme marcher, ramasser
03:20
something up, or recognising somebody. We
75
200379
3218
quelque chose ou reconnaître quelqu'un. Nous mettons en
03:23
implement - or perform - these things without
76
203597
3532
œuvre - ou effectuons - ces choses sans
03:27
thinking. Whereas it's cutting edge research
77
207129
2781
réfléchir. Alors que c'est de la recherche de pointe
03:29
to try and program a machine to do them.
78
209910
2529
d'essayer de programmer une machine pour les faire.
03:32
Neil: Cutting edge means very new and advanced.
79
212439
2492
Neil : Avant-gardiste signifie très nouveau et avancé.
03:34
It's interesting isn't it, that over ten years
80
214931
2439
C'est intéressant, n'est-ce pas, qu'il y a plus de dix
03:37
ago a computer beat a chess grand master - but
81
217370
2666
ans, un ordinateur battait un grand maître d'échecs - mais
03:40
the same computer would find it incredibly
82
220036
2434
le même ordinateur trouverait incroyablement
03:42
difficult to pick up a chess piece.
83
222470
1949
difficile de ramasser une pièce d'échecs.
03:44
Tim: I know. It's very strange. But now you've
84
224419
2550
Tim : Je sais. C'est très étrange. Mais maintenant, vous
03:46
reminded me that we need the answer to today's
85
226969
2550
m'avez rappelé que nous avons besoin de la réponse à la question d'aujourd'hui
03:49
question.
86
229519
1000
.
03:50
Neil: Which was: What was the name of the
87
230519
2567
Neil : Qui était : Quel était le nom de l'
03:53
computer who famously beat world chess champion
88
233086
2943
ordinateur qui a battu le célèbre champion du monde d'échecs
03:56
Gary Kasparov in 1997? Now, you said Deep
89
236029
2832
Gary Kasparov en 1997 ? Tu as dit Deep
03:58
Blue, Tim, and... that was the right answer!
90
238861
3108
Blue, Tim, et... c'était la bonne réponse !
04:01
Tim: You see, my educated guess was based
91
241969
2674
Tim : Vous voyez, ma supposition éclairée était basée
04:04
on knowledge and experience!
92
244643
1826
sur la connaissance et l'expérience !
04:06
Neil: Or maybe you were just lucky. So, the
93
246469
3329
Neil : Ou peut-être avez-vous simplement eu de la chance. Ainsi, le
04:09
IBM supercomputer Deep Blue played against
94
249798
3251
supercalculateur IBM Deep Blue a joué contre
04:13
US world chess champion Garry Kasparov in
95
253049
2503
le champion du monde d'échecs américain Garry Kasparov lors de
04:15
two chess matches. The first match was played
96
255552
2747
deux matchs d'échecs. Le premier match a été joué
04:18
in Philadelphia in 1996 and was won by Kasparov.
97
258299
2993
à Philadelphie en 1996 et a été remporté par Kasparov.
04:21
The second was played in New York City in
98
261292
2557
Le second a été joué à New York en
04:23
1997 and won by Deep Blue. The 1997 match
99
263849
4391
1997 et remporté par Deep Blue. Le match de 1997
04:28
was the first defeat of a reigning world chess
100
268240
2220
était la première défaite d'un champion du monde d'échecs en
04:30
champion by a computer under tournament conditions.
101
270460
3500
titre par un ordinateur dans des conditions de tournoi.
04:33
Tim: Let's go through the words we learned
102
273960
2776
Tim : Passons en revue les mots que nous avons appris
04:36
today. First up was 'artificial intelligence'
103
276736
2974
aujourd'hui. Le premier était «l'intelligence artificielle»
04:39
or AI - the ability of machines to copy human
104
279710
3318
ou IA - la capacité des machines à copier le
04:43
intelligent behaviour.
105
283028
1622
comportement intelligent humain.
04:44
Neil: 'There are AI programs that
106
284650
2410
Neil : "Il existe des programmes d'IA
04:47
can write poetry.'
107
287060
660
04:47
Tim: Do you have any examples you can recite?
108
287720
2580
capables d'écrire de la poésie."
Tim : Avez-vous des exemples que vous pouvez réciter ?
04:50
Neil: Afraid I don't! Number two - an algorithm
109
290300
2850
Neil : J'ai peur que non ! Deuxièmement, un algorithme
04:53
is a set of steps a computer follows in order
110
293150
2729
est un ensemble d'étapes suivies par un ordinateur
04:55
to solve a problem. For example, 'Google changes
111
295879
2953
pour résoudre un problème. Par exemple, "Google modifie
04:58
its search algorithm hundreds of times every year.'
112
298832
3707
son algorithme de recherche des centaines de fois chaque année".
05:02
Tim: The adjective is algorithmic - for example,
113
302539
2964
Tim : L'adjectif est algorithmique. Par exemple,
05:05
'Google has made many algorithmic changes.'
114
305503
2656
"Google a apporté de nombreux changements algorithmiques".
05:08
Neil: Number three - if something has 'limitations',
115
308159
3024
Neil : Numéro trois - si quelque chose a des "limites",
05:11
there's a limit on what it can do or how good
116
311183
2617
il y a une limite à ce qu'il peut faire ou à quel point
05:13
it can be. 'Our show has certain limitations
117
313800
2949
il peut être bon. « Notre émission a certaines limites
05:16
' for example, it's only six minutes long!'
118
316749
2881
», par exemple, elle ne dure que six minutes ! »
05:19
Tim: That's right - there's only time to present
119
319630
2570
Tim : C'est vrai - il n'y a que le temps de présenter
05:22
six vocabulary items. Short but sweet!
120
322200
2700
six éléments de vocabulaire. Court mais doux !
05:24
Neil: And very intelligent, too. OK, the next
121
324900
2787
Neil : Et très intelligent aussi. OK, l'
05:27
item is 'take something for granted', which
122
327687
2664
élément suivant est « prendre quelque chose pour acquis », c'est-à-
05:30
is when we don't realise how important something is.
123
330351
2529
dire quand nous ne réalisons pas à quel point quelque chose est important.
05:32
Tim: 'We take our smartphones for granted
124
332880
3046
Tim : « Nous tenons nos smartphones pour acquis de
05:35
these days, but before 1995 hardly anyone
125
335926
2974
nos jours, mais avant 1995, presque personne n'en
05:38
owned one.'
126
338900
1000
possédait un.
05:39
Neil: Number five - 'to implement' means to
127
339900
2493
Neil : Numéro cinq - « mettre en œuvre » signifie
05:42
perform a task, or take action.
128
342393
1797
accomplir une tâche ou prendre des mesures.
05:44
Tim: 'Neil implemented some changes to the show.'
129
344190
2749
Tim : 'Neil a apporté quelques changements à la série.'
05:46
Neil: The final item is 'cutting edge' - new
130
346939
1361
Neil : L'élément final est « à la pointe de la technologie » - nouveau
05:48
and advanced - 'This software is cutting edge.'
131
348300
4119
et avancé - « Ce logiciel est à la pointe de la technologie ».
05:52
Tim: 'The software uses cutting edge technology.'
132
352419
2761
Tim : 'Le logiciel utilise une technologie de pointe.'
05:55
Neil: OK - that's all we have time for on
133
355180
2604
Neil : OK - c'est tout ce dont nous avons le temps dans
05:57
today's cutting edge show. But please check
134
357784
2665
l'émission d'avant-garde d'aujourd'hui. Mais n'hésitez pas à
06:00
out our Instagram, Twitter, Facebook and YouTube
135
360449
3031
consulter nos pages Instagram, Twitter, Facebook et YouTube
06:03
pages. Tim: Bye-bye!
136
363480
840
. Tim : Au revoir !
06:04
Neil: Goodbye!
137
364320
1160
Neil : Au revoir !
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7