How AI Is Unlocking the Secrets of Nature and the Universe | Demis Hassabis | TED

Traducteur: Claire Ghyselen Relecteur: Anne-Sophie Matichard

Chris Anderson: Demis, so good to have you here.

Chris Anderson : Demis, heureux de t’accueillir.

Demis Hassabis: It's fantastic to be here, thanks, Chris.

Demis Hassabis : C’est fantastique d’être ici.

CA : Vous avez dit à Time Magazine :

Now, you told Time Magazine,

"I want to understand the big questions,

« Je veux comprendre les grandes questions,

the really big ones that you normally go into philosophy or physics

celles que l’on aborde normalement en philosophie ou en physique

if you're interested in them.

quand on s’y intéresse.

I thought building AI

J’ai pensé que développer l’IA

would be the fastest route to answer some of those questions."

serait le moyen le plus rapide de résoudre certaines de ces questions. »

Why did you think that?

Pourquoi avez-vous pensé ça ?

DH: (Laughs)

DH : (Rires)

Well, I guess when I was a kid,

Eh bien, quand j’étais enfant,

my favorite subject was physics,

ma matière préférée était la physique,

and I was interested in all the big questions,

et je m’intéressais à toutes les grandes questions :

fundamental nature of reality,

la nature fondamentale de la réalité,

what is consciousness,

ce qu'est la conscience,

you know, all the big ones.

ce genre de grandes questions.

And usually you go into physics, if you're interested in that.

Et cette curiosité nous dirige vers la physique.

But I read a lot of the great physicists,

Mais j’ai lu beaucoup de grands physiciens,

some of my all-time scientific heroes like Feynman and so on.

certains de mes héros scientifiques absolus, comme Feynman.

And I realized, in the last, sort of 20, 30 years,

Et je me suis aperçu que ces 20 ou 30 dernières années,

we haven't made much progress

nous avions peu progressé

in understanding some of these fundamental laws.

dans la compréhension de certaines de ces lois fondamentales.

So I thought, why not build the ultimate tool to help us,

Alors je me suis dit : pourquoi ne pas créer l’outil ultime pour nous y aider,

which is artificial intelligence.

l’intelligence artificielle.

And at the same time,

Et en même temps,

nous pourrions peut-être mieux nous comprendre

we could also maybe better understand ourselves

and the brain better, by doing that too.

et mieux comprendre notre cerveau.

Non seulement est-ce un outil incroyable,

So not only was it incredible tool,

it was also useful for some of the big questions itself.

mais c’est aussi utile pour certaines de ces grandes questions.

CA: Super interesting.

CA : Très intéressant.

So obviously AI can do so many things,

Il est évident que l’IA peut faire tellement de choses,

but I think for this conversation,

mais dans notre conversation,

I'd love to focus in on this theme of what it might do

je souhaite me concentrer sur le thème de ce qu’elle pourrait apporter

to unlock the really big questions, the giant scientific breakthroughs,

pour résoudre les grandes questions, les avancées scientifiques géantes,

because it's been such a theme driving you and your company.

car c’est un thème qui vous anime, vous et votre entreprise.

DH: So I mean, one of the big things AI can do,

DH : L’une des grandes choses que l’IA peut faire,

and I've always thought about,

et à laquelle j’ai toujours pensé,

is we're getting, you know, even back 20, 30 years ago,

et c’était déjà le cas il y a 20 ou 30 ans,

the beginning of the internet era and computer era,

au début de l’ère d'Internet et de l’ère de l'informatique,

the amount of data that was being produced

la quantité de données produites et aussi des données scientifiques,

and also scientific data,

just too much for the human mind to comprehend in many cases.

est souvent trop importante pour que l’esprit humain puisse les appréhender.

And I think one of the uses of AI is to find patterns and insights

Et selon moi, une des utilisations de l’IA est de trouver des modèles et des indices

in huge amounts of data and then surface that

dans d’énormes quantités de données puis de les présenter aux scientifiques

to the human scientists to make sense of

qui peuvent leur donner sens et émettre de nouvelles hypothèses.

and make new hypotheses and conjectures.

So it seems to me very compatible with the scientific method.

Cela me semble donc très compatible avec la méthode scientifique.

CA: Right.

CA : C'est vrai.

But game play has played a huge role in your own journey

Le jeu fut important dans votre propre parcours

in figuring this thing out.

pour comprendre ça.

Who is this young lad on the left there?

Qui est ce jeune garçon sur la gauche ?

Who is that?

C'est qui ?

DH: So that was me, I think I must have been about around nine years old.

DH : C'était donc moi, je pense que je devais avoir environ neuf ans.

I'm captaining the England Under 11 team,

J’étais le capitaine de l’équipe d’Angleterre des moins de 11 ans,

and we're playing in a Four Nations tournament,

et nous participions à un tournoi des Quatre Nations.

that's why we're all in red.

Nous sommes tous en rouge.

I think we're playing France, Scotland and Wales, I think it was.

Nous jouions contre la France, l’Écosse et le Pays de Galles.

CA: That is so weird, because that happened to me too.

CA : C’est vraiment étrange car cela m’est arrivé à moi aussi,

In my dreams.

mais dans mes rêves.

(Laughter)

(Rires)

And it wasn't just chess,

Et il n'y avait pas que les échecs,

you loved all kinds of games.

vous aimiez toutes sortes de jeux.

DH: I loved all kinds of games, yeah.

DH : Oui, en effet.

CA: And when you launched DeepMind,

CA : Et quand vous avez lancé DeepMind,

pretty quickly, you started having it tackle game play.

assez rapidement, vous l’avez confrontée à des jeux.

Why?

Pourquoi ?

DH: Well, look, I mean, games actually got me into AI in the first place

DH : Eh bien, le jeu m’a fait découvrir l’IA ;

because while we were doing things like,

en fait, nous avions l’habitude de participer

we used to go on training camps with the England team and so on.

à des camps de formation avec l’équipe d’Angleterre.

And actually back then,

Et à l’époque,

I guess it was in the mid '80s,

je suppose que c’était au milieu des années 1980,

we would use the very early chess computers,

nous utilisions les tout premiers ordinateurs d’échecs,

if you remember them, to train against,

pour nous entraîner contre les machines,

as well as playing against each other.

tout comme nous jouions entre nous.

Et il y avait de gros blocs de plastique,

And they were big lumps of plastic,

you know, physical boards that you used to,

de vraies planches que l’on utilisait

some of you remember, used to actually press the squares down

certains d’entre vous s’en souviennent, pour appuyer sur les cases

and there were LED lights, came on.

et des lumières LED s'allumaient.

And I remember actually, not just thinking about the chess,

Et je me souviens, pas seulement en pensant aux échecs,

I was actually just fascinated by the fact that this lump of plastic,

j’étais fasciné par le fait que quelqu’un avait programmé ce morceau de plastique

someone had programmed it to be smart

pour qu’il soit intelligent

and actually play chess to a really high standard.

et qu'il joue aux échecs à un niveau très élevé.

And I was just amazed by that.

J’étais en admiration.

And that got me thinking about thinking.

Et cela m'a fait réfléchir.

And how does the brain come up with these thought processes,

Comment le cerveau arrive-t-il à ces processus de pensée,

these ideas,

à ces idées ?

and then maybe how we could mimic that with computers.

Et peut-être comment nous pourrions l’imiter avec des ordinateurs.

So yeah, it's been a whole theme for my whole life, really.

Donc oui, c’est un thème qui marque toute ma vie.

CA: But you raised all this money to launch DeepMind,

CA : Mais vous avez collecté tous ces fonds pour lancer DeepMind,

and pretty soon you were using it to do, for example, this.

et très vite, vous vous en êtes servi pour faire, par exemple, ceci.

I mean, this is an odd use of it.

C’est une utilisation étrange.

What was going on here?

Que se passe-t-il ici ?

DH: Well, we started off with games at the beginning of DeepMind.

DH : Nous avons commencé par les jeux au début de DeepMind.

This was back in 2010, so this is from about 10 years ago,

C’était en 2010, il y a environ 10 ans,

c'était notre première grande avancée.

it was our first big breakthrough.

Because we started off with classic Atari games from the 1970s,

Car nous avons commencé avec les jeux Atari des années 1970,

the simplest kind of computer games there are out there.

le type de jeu informatique le plus simple qui soit.

And one of the reasons we used games is they're very convenient

L’une des raisons pour lesquelles nous avons utilisé les jeux

to test out your ideas and your algorithms.

est qu’ils sont très pratiques pour tester vos idées et vos algorithmes.

They're really fast to test.

Ils sont très rapides à tester.

And also, as your systems get more powerful,

Et à mesure que nos systèmes deviennent plus puissants,

you can choose harder and harder games.

on peut choisir des jeux de plus en plus difficiles.

And this was actually the first time ever that our machine surprised us,

Et c’était la première fois que notre machine nous surprenait,

the first of many times,

la première d’une longue série,

which, it figured out in this game called Breakout,

où elle a compris dans ce jeu, Breakout,

that you could send the ball round the back of the wall,

qu’on pouvait envoyer la balle de l’autre côté du mur

and actually, it would be much safer way to knock out all the tiles of the wall.

et que c’était un moyen plus sûr d’éliminer toutes les briques du mur.

It's a classic Atari game there.

C’est un jeu Atari classique.

Et ce fut notre première révélation.

And that was our first real aha moment.

CA: So this thing was not programmed to have any strategy.

CA : Ce truc n’a donc pas été programmé pour avoir une stratégie.

It was just told, try and figure out a way of winning.

On lui avait juste demandé de trouver un moyen de gagner.

You just move the bat at the bottom and see if you can find a way of winning.

Il faut déplacer la batte en bas et trouver un moyen de gagner.

DH: It was a real revolution at the time.

DH : Ce fut révolutionnaire à l’époque.

So this was in 2012, 2013

On est en 2012, 2013,

where we coined these terms "deep reinforcement learning."

quand on a inventé le terme d’apprentissage par renforcement profond.

And the key thing about them is that those systems were learning

Et l’essentiel sur ces systèmes, c’est qu’ils apprenaient

directly from the pixels, the raw pixels on the screen,

directement à partir des pixels, les pixels bruts sur l’écran,

but they weren't being told anything else.

et on ne leur disait rien d’autre.

So they were being told, maximize the score,

On leur demandait de maximiser le score,

here are the pixels on the screen,

on leur donnait les pixels, 30 000 pixels.

30,000 pixels.

The system has to make sense on its own from first principles

Le système doit comprendre par lui-même à partir des principes de base :

what’s going on, what it’s controlling,

ce qui se passe, ce qu'il contrôle, comment obtenir des points.

how to get points.

And that's the other nice thing about using games to begin with.

Et c’est l’autre avantage d’utiliser des jeux.

Ils ont des objectifs clairs : gagner, marquer des points.

They have clear objectives, to win, to get scores.

So you can kind of measure very easily that your systems are improving.

On peut donc mesurer très facilement l’amélioration de nos systèmes.

CA: But there was a direct line from that to this moment

CA : Mais il y a eu un fil direct entre ce moment,

a few years later,

et celui, quelques années plus tard,

where country of South Korea and many other parts of Asia

où la Corée du Sud et de nombreuses autres régions d'Asie

and in fact the world went crazy over -- over what?

et en fait le monde, sont devenus fous de quoi ?

DH: Yeah, so this was the pinnacle of -- this is in 2016 --

DH : Oui, c’était le point culminant de notre travail en matière de jeux vidéo,

the pinnacle of our games-playing work,

en 2016,

where, so we'd done Atari,

alors qu’Atari était le passé,

we'd done some more complicated games.

et nous avions créé des jeux plus compliqués.

And then we reached the pinnacle, which was the game of Go,

Puis nous avons atteint le sommet, le jeu de go,

which is what they play in Asia instead of chess,

la version asiatique du jeu d’échec,

but it's actually more complex than chess.

mais qui est en fait plus complexe que les échecs.

And the actual brute force algorithms

Et la force brute des algorithmes

that were used to kind of crack chess were not possible with Go

utilisés pour vaincre aux échecs n’étaient plus suffisante pour le go,

because it's a much more pattern-based game,

car c'est un jeu beaucoup plus basé sur des modèles,

much more intuitive game.

beaucoup plus intuitif.

So even though Deep Blue beat Garry Kasparov in the '90s,

Même si Deep Blue a battu Garry Kasparov dans les années 90,

it took another 20 years for our program, AlphaGo,

il a fallu encore 20 ans pour que notre programme, AlphaGo,

to beat the world champion at Go.

batte le champion du monde de Go.

And we always thought,

Nous pensons depuis le début,

myself and the people working on this project for many years,

moi et ceux qui travaillent sur ce projet,

if you could build a system that could beat the world champion at Go,

qui si on peut créer un système capable de battre le champion du monde de Go,

it would have had to have done something very interesting.

ce serait un exploit vraiment intéressant.

And in this case, what we did with AlphaGo,

Et ici, on a fait de sorte qu’AlphaGo apprenne par lui-même,

is it basically learned for itself,

en jouant à des millions de parties contre lui-même,

by playing millions and millions of games against itself,

ideas about Go, the right strategies.

des idées sur le go et les bonnes stratégies.

And in fact invented its own new strategies

Et en fait, il a inventé ses propres nouvelles stratégies

that the Go world had never seen before,

totalement inédites dans le monde du Go,

even though we've played Go for more than,

même si nous jouons au go depuis plus de 2 000 ans,

you know, 2,000 years,

it's the oldest board game in existence.

c’est le plus vieux jeu de plateau au monde.

Donc, c’était impressionnant.

So, you know, it was pretty astounding.

Non seulement il a gagné le match,

Not only did it win the match,

it also came up with brand new strategies.

mais il a aussi proposé de toutes nouvelles stratégies.

CA: And you continued this with a new strategy

CA : C’est devenu la base d’une nouvelle stratégie

of not even really teaching it anything about Go,

consistant à ne pas donner d’instruction sur le go,

but just setting up systems

mais à mettre en place des systèmes

that just from first principles would play

qui peuvent jouer sur base de quelques principes de base,

so that they could teach themselves from scratch, Go or chess.

et apprendre en partant de rien, qu’il s’agisse du go ou des échecs.

Talk about AlphaZero and the amazing thing that happened in chess then.

Dites-nous en davantage sur AlphaZero

et la chose incroyable qui s’est produite aux échecs à l’époque.

DH: So following this, we started with AlphaGo

DH : Après cet événement, nous avons commencé avec AlphaGo

by giving it all of the human games that are being played on the internet.

en le nourrissant de tous les jeux humains qui se jouent sur Internet.

So it started that as a basic starting point for its knowledge.

Il a démarré avec cela comme point de départ pour ses connaissances.

And then we wanted to see what would happen if we started from scratch,

Ensuite, nous avons voulu voir ce qui se passerait si nous partions de zéro,

from literally random play.

en jouant littéralement au hasard.

So this is what AlphaZero was.

C'est ce qu'était AlphaZero.

That's why it's the zero in the name,

C’est la raison du zéro dans le nom,

because it started with zero prior knowledge

parce qu’il a commencé sans aucune connaissance préalable.

And the reason we did that is because then we would build a system

Et notre raison était que nous allions développer un système plus général.

that was more general.

So AlphaGo could only play Go,

Là où AlphaGo ne pouvait jouer qu’au Go,

but AlphaZero could play any two-player game,

AlphaZero pouvait jouer à n’importe quel jeu à deux joueurs.

and it did it by playing initially randomly

Il le faisait en jouant d’abord au hasard,

and then slowly, incrementally improving.

puis lentement, en s’améliorant graduellement.

Well, not very slowly, actually, within the course of 24 hours,

En fait, pas si lentement que cela, mais en 24 heures :

going from random to better than world-champion level.

il est passé d’un niveau aléatoire à supérieur à celui de champion du monde.

CA: And so this is so amazing to me.

CA : Ça me paraît tellement incroyable.

So I'm more familiar with chess than with Go.

Je connais mieux les échecs que le go.

And for decades,

Et pendant des décennies,

thousands and thousands of AI experts worked on building

des milliers de spécialistes en IA ont travaillé à la conception

d’incroyables ordinateurs d’échecs.

incredible chess computers.

Eventually, they got better than humans.

Et au final, ils sont devenus meilleurs que les humains.

You had a moment a few years ago,

Il y a quelques années,

where in nine hours,

en l’espace de neuf heures,

AlphaZero taught itself to play chess better than any of those systems ever did.

AlphaZero a appris par lui-même à jouer aux échecs

mieux qu’aucun autre système ne l’a jamais fait.

Talk about that.

Parlez-nous en.

DH: It was a pretty incredible moment, actually.

DH : Ce fut un moment vraiment incroyable.

So we set it going on chess.

Nous lui avions donc demandé de jouer aux échecs.

Vous l’avez évoqué, il y a un riche passé entre les échecs et l’IA

And as you said, there's this rich history of chess and AI

where there are these expert systems that have been programmed

avec des systèmes spécialisés spécifiquement programmés

with these chess ideas, chess algorithms.

avec des algorithmes d’échecs.

And you have this amazing, you know,

Et vous avez cette incroyable journée -

I remember this day very clearly, where you sort of sit down with the system

je me souviens très bien de cette journée, où l’on s’assoit avec le système,

starting off random, you know, in the morning,

on le démarre au hasard, comme ça, le matin,

you go for a cup of coffee, you come back.

on va se chercher un café.

I can still just about beat it by lunchtime, maybe just about.

Je peux encore le battre à l’heure du déjeuner, pas beaucoup plus tard.

And then you let it go for another four hours.

Puis on le laisse travailler pendant 4 heures.

And by dinner,

Et à l'heure du dîner,

it's the greatest chess-playing entity that's ever existed.

c'est la meilleure entité de jeu d'échecs qui ait jamais existé.

And, you know, it's quite amazing,

Et, c’est vraiment incroyable :

like, looking at that live on something that you know well,

on regarde ça en direct sur une machine que l’on connaît bien,

you know, like chess, and you're expert in

alors qu’on est soi-même un pro aux échecs,

and actually just seeing that in front of your eyes.

et on voit la machine se développer devant nos yeux.

And then you extrapolate to what it could then do in science or something else,

Alors, on extrapole à ce que cela pourrait faire en sciences par exemple,

which of course, games were only a means to an end.

car le jeu n’était qu’un moyen pour d’atteindre une fin.

They were never the end in themselves.

Ça n’a jamais été une fin en soi.

C’était le terrain d’entraînement pour nos idées

They were just the training ground for our ideas

and to make quick progress in a matter of, you know,

et pour progresser rapidement,

less than five years actually went from Atari to Go.

en moins de cinq ans, entre l’Atari et le go.

CA: I mean, this is why people are in awe of AI

CA : C’est pourquoi les gens sont à la fois émerveillés par l’IA

and also kind of terrified by it.

et terrifiés par elle.

Ce n’est pas qu’une simple une amélioration graduelle.

I mean, it's not just incremental improvement.

The fact that in a few hours you can achieve

Le fait qu’en quelques heures, on puisse réaliser

what millions of humans over centuries have not been able to achieve.

ce que des millions d’humains n’ont pas pu réaliser au fil des siècles.

That gives you pause for thought.

Cela donne matière à réfléchir.

DH: It does, I mean, it's a hugely powerful technology.

DH : Certes, c’est une technologie extrêmement puissante.

It's going to be incredibly transformative.

Cela va être incroyablement transformateur.

And we have to be very thoughtful about how we use that capability.

Et nous devons être très attentifs

à la manière dont nous utilisons cette capacité.

CA: So talk about this use of it because this is again,

CA : Parlez donc de cette utilisation,

this is another extension of the work you've done,

car il s’agit d’un autre embranchement du travail que vous avez fait,

where now you're turning it to something incredibly useful for the world.

où vous rendez l’IA incroyablement utile pour le monde entier.

What are all the letters on the left, and what’s on the right?

Quelles sont les lettres à gauche et celles à droite ?

DH: This was always my aim with AI from a kid,

DH : Depuis que je suis enfant, je nourris le même objectif :

which is to use it to accelerate scientific discovery.

utiliser l’IA pour accélérer les découvertes scientifiques.

And actually, ever since doing my undergrad at Cambridge,

Et en fait, depuis mes études à l’université de Cambridge,

I had this problem in mind one day for AI,

j’avais envie de confier un jour ce problème à l’IA :

it's called the protein-folding problem.

le problème du repliement des protéines.

And it's kind of like a 50-year grand challenge in biology.

C’est un peu le grand défi en biologie, vieux de 50 ans.

And it's very simple to explain.

Et c'est très simple à expliquer.

Proteins are essential to life.

Les protéines sont essentielles à la vie, ce sont ses éléments constitutifs.

They're the building blocks of life.

Everything in your body depends on proteins.

Tout dans votre corps dépend des protéines.

A protein is sort of described by its amino acid sequence,

Une protéine est en quelque sorte décrite par sa séquence d'acides aminés,

which you can think of as roughly the genetic sequence

que l’on peut considérer comme étant la séquence génétique

describing the protein, so that are the letters.

qui décrit la protéine : les lettres.

CA : Chacune de ces lettres représente donc une molécule complexe ?

CA: And each of those letters represents in itself a complex molecule?

DH: That's right, each of those letters is an amino acid.

DH : En effet, chaque lettre est un acide aminé.

And you can think of them as a kind of string of beads

Et on peut les voir comme une sorte de chaîne de perles,

there at the bottom, left, right?

en bas, à gauche.

But in nature, in your body or in an animal,

Mais dans la nature, dans notre corps ou chez un animal,

this string, a sequence,

cette chaîne, une séquence, prend cette belle forme sur la droite.

turns into this beautiful shape on the right.

That's the protein.

C'est la protéine.

Those letters describe that shape.

Ces lettres décrivent cette forme.

And that's what it looks like in nature.

Et c’est ce à quoi cela ressemble dans la nature.

And the important thing about that 3D structure is

L’important à propos de cette structure 3D des protéines,

the 3D structure of the protein goes a long way to telling you

c’est qu’elle contribue grandement à nous informer

what its function is in the body, what it does.

sur sa fonction dans le corps, sur ce qu’elle fait.

And so the protein-folding problem is:

Le problème du repliement des protéines est donc

Can you directly predict the 3D structure just from the amino acid sequence?

de pouvoir prédire directement la structure 3D

uniquement à partir de la séquence d’acides aminés.

So literally if you give the machine, the AI system,

Donc, si on nourrit la machine, le système d’IA,

the letters on the left,

des lettres sur la gauche,

can it produce the 3D structure on the right?

peut-elle produire la structure 3D sur la droite ?

And that's what AlphaFold does, our program does.

Et c’est ce que fait AlphaFold, notre programme.

CA: It's not calculating it from the letters,

CA : La machine ne calcule pas à partir des lettres,

it's looking at patterns of other folded proteins that are known about

mais examine les modèles d’autres protéines repliées connues

and somehow learning from those patterns

et apprend à partir de ces modèles que c'est peut-être la façon de procéder ?

that this may be the way to do this?

DH: So when we started this project, actually straight after AlphaGo,

DH : Quand nous avons lancé ce projet, juste après AlphaGo,

je pensais que nous étions prêts.

I thought we were ready.

Once we'd cracked Go,

Une fois le go résolu, je sentais que nous étions enfin prêts,

I felt we were finally ready after, you know,

au bout de presque 20 ans de travail sur ce sujet,

almost 20 years of working on this stuff

to actually tackle some scientific problems,

à aborder sérieusement des problèmes scientifiques,

including protein folding.

dont le repliement des protéines.

And what we start with is painstakingly,

Nous avons commencé par le travail de bénédictin

que les biologistes ont réalisé ces 40 dernières années

over the last 40-plus years,

experimental biologists have pieced together

en reconstituant minutieusement environ 150 000 structures protéiques

around 150,000 protein structures

using very complicated, you know, X-ray crystallography techniques

à l’aide de techniques très compliquées, comme la cristallographie aux rayons X

and other complicated experimental techniques.

et d’autres techniques expérimentales complexes.

And the rule of thumb is

Et en règle générale,

that it takes one PhD student their whole PhD,

un doctorant consacre tout son doctorat,

so four or five years, to uncover one structure.

soit quatre ou cinq ans, pour découvrir une structure.

But there are 200 million proteins known to nature.

Mais il existe 200 millions de protéines connues dans la nature.

So you could just, you know, take forever to do that.

Donc ça pourrait prendre l’éternité pour les découvrir toutes.

And so we managed to actually fold, using AlphaFold, in one year,

Nous avons donc réussi à plier, à l'aide d'AlphaFold, en un an,

all those 200 million proteins known to science.

les 200 millions de protéines connues de la science.

So that's a billion years of PhD time saved.

Ça représente un milliard d’années de temps de doctorat.

(Applause)

(Applaudissements)

CA: So it's amazing to me just how reliably it works.

CA : Je trouve extraordinaire la fiabilité du système.

I mean, this shows, you know,

En quelque sorte,

on vous donne le modèle et vous faites l’expérience.

here's the model and you do the experiment.

And sure enough, the protein turns out the same way.

Et de façon très fiable, la protéine se révèle être identique.

Times 200 million.

200 millions de fois.

DH: And the more deeply you go into proteins,

DH : Et plus on s’intéresse aux protéines,

you just start appreciating how exquisite they are.

plus on apprécie à quel point elles sont délicates.

I mean, look at how beautiful these proteins are.

Regardez comme elles sont belles.

And each of these things do a special function in nature.

Et chacune a une fonction précise dans la nature.

And they're almost like works of art.

Ce sont presque des œuvres d’art.

And it's still astounds me today that AlphaFold can predict,

Je reste toujours étonné qu’AlphaFold puisse prédire -

the green is the ground truth, and the blue is the prediction,

le vert étant la vérité fondamentale et le bleu la prédiction,

how well it can predict, is to within the width of an atom on average,

si correctement, on parle de la largeur d’un atome,

is how accurate the prediction is,

si précisément,

which is what is needed for biologists to use it,

à un niveau indispensable pour être utile aux biologistes

and for drug design and for disease understanding,

pour concevoir des médicaments et comprendre les maladies.

which is what AlphaFold unlocks.

AlphaFold permet cela.

CA: You made a surprising decision,

CA : Vous avez pris une décision surprenante

which was to give away the actual results of your 200 million proteins.

en dévoilant les résultats réels de vos 200 millions de protéines.

DH: We open-sourced AlphaFold and gave everything away

DH : AlphaFold et les résultats sont désormais en code source ouvert

on a huge database with our wonderful colleagues,

sur une énorme base de données

avec nos collègues formidables de l’Institut européen de bioinformatique.

the European Bioinformatics Institute.

(Applause)

(Applaudissements)

CA: I mean, you're part of Google.

CA : Vous travaillez pour Google.

Was there a phone call saying, "Uh, Demis, what did you just do?"

Vous ont-ils contacté pour vous demander :

« Euh, Demis, qu’est-ce que tu viens de faire là ? »

DH: You know, I'm lucky we have very supportive,

DH : J’ai de la chance d’avoir beaucoup de soutien.

Google's really supportive of science

Google soutient vraiment la science

and understand the benefits this can bring to the world.

et comprend les avantages que cela peut apporter au monde.

And, you know, the argument here

Et l’argument avancé

was that we could only ever have even scratched the surface

était que nous ne pouvions qu’effleurer la surface du potentiel

of the potential of what we could do with this.

de ce que nous pouvions faire.

This, you know, maybe like a millionth

Cela représente peut-être un millionième

of what the scientific community is doing with it.

de ce que la communauté scientifique accomplit grâce à ça.

There's over a million and a half biologists around the world

Plus d'un million et demi de biologistes du monde entier

have used AlphaFold and its predictions.

utilisent AlphaFold et ses prédictions.

We think that's almost every biologist in the world

Nous pensons que presque tous les biologistes du monde l’utilisent,

is making use of this now, every pharma company.

toutes les sociétés pharmaceutiques.

So we'll never know probably what the full impact of it all is.

Nous ne saurons probablement jamais quel est l’impact total.

CA: But you're continuing this work in a new company

CA : Mais vous poursuivez ce travail dans une nouvelle spin-off de Google,

that's spinning out of Google called Isomorph.

appelée Isomorph.

DH: Isomorphic.

DH : Isomorphic.

CA: Isomorphic.

CA : Isomorphic.

Give us just a sense of the vision there.

Donnez-nous juste une idée de votre vision.

What's the vision?

Quelle est la vision ?

DH: AlphaFold is a sort of fundamental biology tool.

DH : AlphaFold est un outil pour la biologie fondamentale.

Like, what are these 3D structures,

Pour des questions comme ce que sont ces structures 3D,

and then what might they do in nature?

et ce qu’elles pourraient faire dans la nature.

And then if you, you know,

Et puis, vous savez,

the reason I thought about this and was so excited about this,

si j’y ai pensé et si j’étais si enthousiaste,

is that this is the beginnings of understanding disease

c’est parce que c’est le début de la compréhension des maladies

and also maybe helpful for designing drugs.

et peut-être aussi que ça peut être utile pour développer des médicaments.

So if you know the shape of the protein,

Car si on connaît la forme de la protéine,

and then you can kind of figure out

on peut en quelque sorte déterminer quelle partie de sa surface

which part of the surface of the protein

you're going to target with your drug compound.

on va cibler avec un composé médicamenteux.

And Isomorphic is extending this work we did in AlphaFold

Et Isomorphic étend les travaux que nous avons effectués dans AlphaFold

into the chemistry space,

au domaine de la chimie,

where we can design chemical compounds

où nous pouvons concevoir des composés chimiques

that will bind exactly to the right spot on the protein

qui se lieront exactement au bon endroit de la protéine

and also, importantly, to nothing else in the body.

et, surtout, à rien d’autre dans le corps.

So it doesn't have any side effects and it's not toxic and so on.

Il n’a donc aucun effet secondaire, et ce n’est pas toxique, entre autres.

And we're building many other AI models,

Nous construisons aussi d’autres modèles d’IA,

sort of sister models to AlphaFold

des modèles frères d’AlphaFold,

to help predict,

pour aider à faire des prédictions dans le domaine de la chimie.

make predictions in chemistry space.

CA: So we can expect to see

CA : Nous pouvons donc nous attendre à des avancées assez spectaculaires

some pretty dramatic health medicine breakthroughs

dans la médecine et la santé les prochaines années.

in the coming few years.

DH: I think we'll be able to get down drug discovery

DH : Nous pourrons sans doute réduire le développement de médicaments

from years to maybe months.

à quelques mois.

CA: OK. Demis, I'd like to change direction a bit.

CA : Demis, j'aimerais changer un peu de sujet.

Our mutual friend, Liv Boeree, gave a talk last year at TEDAI

Notre amie commune, Liv Boeree, a donné une conférence l'année dernière à TEDAI,

that she called the “Moloch Trap.”

qu'elle a baptisée le « piège du Moloch »,

The Moloch Trap is a situation

qui est une situation dans laquelle les organisations et entreprises

where organizations,

companies in a competitive situation can be driven to do things

en situation de concurrence, peuvent être amenées à faire des choses

that no individual running those companies would by themselves do.

qu'aucun dirigeant de ces entreprises ne ferait seul.

I was really struck by this talk,

J'ai été vraiment frappé par ce talk

and it's felt, as a sort of layperson observer,

et j'ai eu l'impression, en tant qu'observateur profane,

that the Moloch Trap has been shockingly in effect in the last couple of years.

qu'on retrouve le piège du Moloch partout ces dernières années et c'est choquant.

So here you are with DeepMind,

Vous voici donc avec DeepMind,

sort of pursuing these amazing medical breakthroughs

en train de poursuivre ces incroyables avancées médicales et scientifiques,

and scientific breakthroughs,

puis tout à coup, de façon inopinée,

and then suddenly, kind of out of left field,

OpenAI with Microsoft releases ChatGPT.

OpenAI et Microsoft lancent ChatGPT.

And the world goes crazy and suddenly goes, “Holy crap, AI is ...”

Et le monde devient fou et pense : « Bon sang, l'IA c'est... »

you know, everyone can use it.

De fait, tout le monde peut l'utiliser.

And there’s a sort of, it felt like the Moloch Trap in action.

Cela ressemble ...

au piège du Moloch en action.

I think Microsoft CEO Satya Nadella actually said,

Je pense que le PDG de Microsoft, Satya Nadella, a effectivement déclaré :

"Google is the 800-pound gorilla in the search space.

« Google est le gorille de 500 kilos des moteurs de recherche.

We wanted to make Google dance."

Nous voulions faire danser Google. »

How ...?

Comment... ?

And it did, Google did dance.

Et oui, Google a dansé.

There was a dramatic response.

Il y a eu une réaction spectaculaire.

Your role was changed,

Vous avez eu un nouveau rôle

you took over the whole Google AI effort.

pour devenir responsable de l'ensemble des efforts de Google AI.

Products were rushed out.

Les produits sont sortis dans la précipitation.

You know, Gemini, some part amazing, part embarrassing.

Gemini, à la fois incroyable et néanmoins un peu embarrassant.

I’m not going to ask you about Gemini because you’ve addressed it elsewhere.

Pas de questions sur Gemini, parce que vous en avez parlé ailleurs.

But it feels like this was the Moloch Trap happening,

Mais j'ai l'impression que le piège du Moloch est en train de se produire,

that you and others were pushed to do stuff

que vous et d'autres avez été poussés à faire des choses

that you wouldn't have done without this sort of catalyzing competitive thing.

que vous n'auriez pas faites sans ce type de catalyseur de la concurrence.

Meta did something similar as well.

Meta a aussi fait quelque chose de similaire.

They rushed out an open-source version of AI,

Ils ont publié à la hâte une version open source de l'IA,

which is arguably a reckless act in itself.

ce qui est sans doute un acte imprudent en soi.

This seems terrifying to me.

Cela me semble terrifiant.

Is it terrifying?

Est-ce terrifiant ?

DH: Look, it's a complicated topic, of course.

DH : C'est un sujet complexe, bien sûr.

And, first of all, I mean, there are many things to say about it.

Et il y a beaucoup de choses à dire à ce sujet.

First of all, we were working on many large language models.

Mais tout d'abord, nous travaillions sur de nombreux grands modèles linguistiques.

And in fact, obviously, Google research actually invented Transformers,

Et en fait, de toute évidence, Google Research a inventé Transformers,

as you know,

comme vous le savez,

which was the architecture that allowed all this to be possible,

c'est l'architecture qui a permis que tout cela soit possible,

five, six years ago.

il y a cinq ou six ans.

And so we had many large models internally.

Nous avions donc de nombreux grands modèles en interne.

The thing was, I think what the ChatGPT moment did that changed was,

En fait, selon moi, avec le moment ChatGPT,

and fair play to them to do that, was they demonstrated,

et chapeau bas de l'avoir fait, ils ont démontré,

I think somewhat surprisingly to themselves as well,

de manière quelque peu surprenante, pour eux-mêmes également,

that the public were ready to,

que le public était prêt,

you know, the general public were ready to embrace these systems

le public était prêt à adopter ces systèmes

and actually find value in these systems.

et à y trouver de la valeur.

Impressive though they are, I guess, when we're working on these systems,

Aussi impressionnants qu’ils soient, quand nous travaillons sur ces systèmes,

mostly you're focusing on the flaws and the things they don't do

on se concentre sur les failles, les choses qu’ils ne font pas,

and hallucinations and things you're all familiar with now.

les hallucinations et ces choses devenues familières.

We're thinking, you know,

Nous nous demandons

would anyone really find that useful given that it does this and that?

si quelqu’un trouvera vraiment cela utile étant donné tel ou tel comportement.

Et nous voulons améliorer ces points en priorité,

And we would want them to improve those things first,

before putting them out.

avant de publier les systèmes.

But interestingly, it turned out that even with those flaws,

Mais il est intéressant de noter que malgré les failles,

many tens of millions of people still find them very useful.

des dizaines de millions de personnes les trouvent toujours très utiles.

And so that was an interesting update on maybe the convergence of products

C’était une mise à jour intéressante

sur la convergence des produits et de la science,

and the science that actually,

alors que toutes ces choses incroyables développées en laboratoire dirons-nous,

all of these amazing things we've been doing in the lab, so to speak,

are actually ready for prime time for general use,

sont prêtes à être utilisées largement par le grand public,

beyond the rarefied world of science.

au-delà du monde restreint de la science.

And I think that's pretty exciting in many ways.

Et je pense que c'est très excitant à bien des égards.

CA: So at the moment, we've got this exciting array of products

CA : Donc, pour le moment, nous avons cette gamme passionnante de produits

which we're all enjoying.

que nous apprécions tous.

And, you know, all this generative AI stuff is amazing.

Et tous ces trucs d’IA générative sont incroyables.

But let's roll the clock forward a bit.

Mais avançons un peu dans le temps.

Microsoft and OpenAI are reported to be building

Microsoft et OpenAI seraient en train de construire

or investing like 100 billion dollars

ou d’investir environ 100 milliards de dollars

into an absolute monster database supercomputer

dans un superordinateur de base de données monstrueux

that can offer compute at orders of magnitude

capable d’offrir des capacités de calcul bien supérieures

more than anything we have today.

à tout ce que nous avons aujourd’hui.

It takes like five gigawatts of energy to drive this, it's estimated.

Il faudrait environ cinq gigawatts d’énergie pour le faire fonctionner.

That's the energy of New York City to drive a data center.

C'est l'énergie de New York pour faire fonctionner un centre de données.

So we're pumping all this energy into this giant, vast brain.

Nous pompons donc toute cette énergie dans ce cerveau géant et vaste.

Google, I presume is going to match this type of investment, right?

Google, je suppose, va investir de manière proportionnelle, n’est-ce pas ?

DH: Well, I mean, we don't talk about our specific numbers,

DH : Eh bien, nous ne divulguons pas nos chiffres spécifiques,

but you know, I think we're investing more than that over time.

mais je pense que nous investissons bien davantage au fil du temps.

So, and that's one of the reasons

Et c’est l’une des raisons pour lesquelles

we teamed up with Google back in 2014,

nous avons fait équipe avec Google en 2014,

is kind of we knew that in order to get to AGI,

c’est que nous allions avoir besoin de beaucoup de calcul

we would need a lot of compute.

pour atteindre l’IAG.

And that's what's transpired.

Et c'est ce qui s'est passé.

And Google, you know, had and still has the most computers.

Et Google, possédait et possède toujours le plus d’ordinateurs.

CA: So Earth is building these giant computers

CA : La Terre construit donc ces ordinateurs géants

that are going to basically, these giant brains,

qui vont essentiellement, ces cerveaux géants,

that are going to power so much of the future economy.

qui alimenteront une grande partie de l'économie future.

And it's all by companies that are in competition with each other.

Et tout cela provient d’entreprises en concurrence les unes avec les autres.

How will we avoid the situation where someone is getting a lead,

Comment éviter la situation où l’une d’elles fait une grande avancée

someone else has got 100 billion dollars invested in their thing.

et quelqu’un d’autre investit 100 milliards de dollars dans ça ?

Isn't someone going to go, "Wait a sec.

Quelqu’un ne dira-t-il pas : « Une minute !

If we used reinforcement learning here

En utilisant l’apprentissage par renforcement,

to maybe have the AI tweak its own code

pour peut-être permettre à l’IA de modifier son propre code,

and rewrite itself and make it so [powerful],

de le réécrire et de le rendre si [puissant],

we might be able to catch up in nine hours over the weekend

nous pourrions peut-être rattraper notre retard en neuf heures le week-end.

with what they're doing.

Roll the dice, dammit, we have no choice.

Jetons les dés, bon sang, on n’a pas le choix.

Otherwise we're going to lose a fortune for our shareholders."

Sinon, nous allons perdre une fortune pour nos actionnaires. »

How are we going to avoid that?

Comment allons-nous éviter cela ?

DH: Yeah, well, we must avoid that, of course, clearly.

DH : Oui, eh bien, clairement, nous devons éviter cela.

And my view is that as we get closer to AGI,

Et je pense qu’à mesure que nous nous rapprochons de l’IAG,

we need to collaborate more.

nous devrons collaborer davantage.

And the good news is that most of the scientists involved in these labs

La bonne nouvelle, c’est que la plupart des scientifiques impliqués

know each other very well.

se connaissent très bien.

And we talk to each other a lot at conferences and other things.

Et nous nous parlons beaucoup lors de conférences, par exemple.

And this technology is still relatively nascent.

Et cette technologie en est encore à ses balbutiements.

So probably it's OK what's happening at the moment.

Donc, ce qui se passe en ce moment est acceptable.

But as we get closer to AGI, I think as a society,

Mais à mesure que nous nous rapprochons de l’IAG, je pense qu’en tant que société,

we need to start thinking about the types of architectures that get built.

nous devons commencer à réfléchir aux types d’architectures développées.

So I'm very optimistic, of course,

Je suis très optimiste, bien sûr,

that's why I spent my whole life working on AI and working towards AGI.

c’est pourquoi j’ai consacré ma vie à travailler sur l’IA et l’IAG.

But I suspect there are many ways to build the architecture safely, robustly,

Mais je pense qu’il existe de nombreuses façons

de construire l’architecture de manière sûre, robuste,

reliably and in an understandable way.

fiable et compréhensible.

And I think there are almost certainly going to be ways of building architectures

Et je pense qu'il y aura certainement des moyens de construire des architectures

that are unsafe or risky in some form.

dangereuses ou risquées.

Je vois donc une sorte de goulot d’étranglement

So I see a sort of,

a kind of bottleneck that we have to get humanity through,

que nous devons faire traverser à l’humanité,

which is building safe architectures as the first types of AGI systems.

à savoir la création d’architectures sûres

en tant que premiers types de systèmes AGI.

And then after that, we can have a sort of,

Et après ça, nous pouvons avoir une sorte

a flourishing of many different types of systems

de floraison de nombreux types de systèmes différents,

that are perhaps sharded off those safe architectures

des éclats distincts de ces architectures sûres,

that ideally have some mathematical guarantees

qui, idéalement, auront des garanties mathématiques

or at least some practical guarantees around what they do.

ou du moins des garanties pratiques sur leur fonctionnement.

CA: Do governments have an essential role here

CA : Les États ont-ils un rôle essentiel

to define what a level playing field looks like

à cet égard pour définir des règles équitables

and what is absolutely taboo?

et ce qui est absolument tabou ?

DH : Oui, et il ne s’agit pas seulement de -

DH: Yeah, I think it's not just about --

actually I think government and civil society

Je pense que les États, la société civile,

and academia and all parts of society have a critical role to play here

les universités et tous les secteurs de la société ont un rôle essentiel

to shape, along with industry labs,

pour définir, avec les laboratoires industriels,

what that should look like as we get closer to AGI

ce à quoi cela devrait ressembler à mesure que l’IAG devient réalité,

and the cooperation needed and the collaboration needed,

et que la coopération est indispensable

to prevent that kind of runaway race dynamic happening.

pour empêcher ce type de dynamique de fuite en avant.

CA: OK, well, it sounds like you remain optimistic.

CA : OK, je vous sens optimiste malgré tout.

What's this image here?

Quelle est cette image ?

DH: That's one of my favorite images, actually.

DH : C’est l’une de mes images préférées.

I call it, like, the tree of all knowledge.

Je l'appelle l'arbre de toutes les connaissances.

So, you know, we've been talking a lot about science,

Nous avons beaucoup parlé de science,

and a lot of science can be boiled down to

et une grande partie de la science peut se résumer

if you imagine all the knowledge that exists in the world

à imaginer toutes les connaissances dans le monde

as a tree of knowledge,

sous la forme d’un arbre,

and then maybe what we know today as a civilization is some, you know,

où la somme de nos connaissances actuelles en tant que civilisation

small subset of that.

n’est qu’un petit sous-ensemble.

And I see AI as this tool that allows us,

Et pour moi, l’IA est un outil qui nous permet,

as scientists, to explore, potentially, the entire tree one day.

en tant que scientifiques, d’explorer, éventuellement, l’arbre entier un jour.

And we have this idea of root node problems

Et pour tous les problèmes fondamentaux,

that, like AlphaFold, the protein-folding problem,

comme AlphaFold avec le repliement des protéines,

where if you could crack them,

si on arrive à les percer,

it unlocks an entire new branch of discovery or new research.

cela ouvrira les portes à de nouvelles branches de découvertes ou recherches.

And that's what we try and focus on at DeepMind

C'est ce sur quoi nous essayons de nous concentrer chez DeepMind

and Google DeepMind to crack those.

et Google DeepMind : résoudre ses problèmes.

And if we get this right, then I think we could be, you know,

Et si nous réussissons, je pense que nous pourrions entrer

in this incredible new era of radical abundance,

dans cette nouvelle ère incroyable d’abondance radicale,

curing all diseases,

de guérison de toutes les maladies,

spreading consciousness to the stars.

de diffusion de la conscience dans l’univers.

You know, maximum human flourishing.

L’épanouissement humain maximal.

CA: We're out of time,

CA : Le temps nous manque,

but what's the last example of like, in your dreams,

mais quel est le dernier exemple, dans vos rêves,

this dream question that you think there is a shot

cette question onirique à laquelle, l’IA pourrait trouver une solution

that in your lifetime AI might take us to?

de votre vivant, selon vous ?

DH: I mean, once AGI is built,

DH : Une fois que l’IAG sera construite,

what I'd like to use it for is to try and use it to understand

j’aimerais l’utiliser pour essayer de comprendre

the fundamental nature of reality.

la nature fondamentale de la réalité.

So do experiments at the Planck scale.

Faire les expériences à l’échelle de Planck.

You know, the smallest possible scale, theoretical scale,

Vous savez, l'échelle la plus petite possible, l'échelle théorique,

which is almost like the resolution of reality.

qui est presque la résolution de la réalité.

CA: You know, I was brought up religious.

CA : J’ai été élevé dans la foi.

And in the Bible, there’s a story about the tree of knowledge

Et dans la Bible, il y a une histoire à propos de l’arbre de la connaissance

that doesn't work out very well.

qui ne se termine pas très bien.

(Laughter)

(Rires)

Is there any scenario

Existe-t-il un scénario

where we discover knowledge that the universe says,

dans lequel nous découvrons des connaissances et que l’univers nous dise :

"Humans, you may not know that."

« Humains, vous n’êtes pas autorisés à comprendre ça. »

DH: Potentially.

DH : Théoriquement.

Il y a sans doute des choses impossible à comprendre.

I mean, there might be some unknowable things.

But I think scientific method is the greatest sort of invention

Mais je pense que la méthode scientifique est la meilleure invention

humans have ever come up with.

jamais inventée par les humains.

You know, the enlightenment and scientific discovery.

Les Lumières et les découvertes scientifiques.

That's what's built this incredible modern civilization around us

C’est ce qui a construit cette incroyable civilisation moderne autour de nous

and all the tools that we use.

et les outils que nous utilisons.

So I think it's the best technique we have

Je pense donc que c’est la meilleure technique dont nous disposons

for understanding the enormity of the universe around us.

pour comprendre l’immensité de l’univers qui nous entoure.

CA: Well, Demis, you've already changed the world.

CA : Eh bien, Demis, vous avez déjà changé le monde.

I think probably everyone here will be cheering you on

Je pense que tout le monde ici présent vous encouragera

in your efforts to ensure that we continue to accelerate

dans vos efforts pour que nous continuions à accélérer

in the right direction.

dans la bonne direction.

DH: Thank you.

DH : Merci.

CA: Demis Hassabis.

CA : Demis Hassabis.

(Applause)

(Applaudissements)