Jeff Hawkins: How brain science will change computing

Jeff Hawkins - Comment la science du cerveau va changer l'informatique

207,133 views

2007-05-23 ・ TED


New videos

Jeff Hawkins: How brain science will change computing

Jeff Hawkins - Comment la science du cerveau va changer l'informatique

207,133 views ・ 2007-05-23

TED


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

Traducteur: Hugues Marty Relecteur: Salome Hevin
00:25
I do two things:
0
25476
1151
Je fais deux choses. Je conçois des ordinateurs portables, et j'étudie le cerveau.
00:26
I design mobile computers and I study brains.
1
26651
2118
00:28
Today's talk is about brains and -- (Audience member cheers)
2
28793
2930
La conférence d'aujourd'hui parlera du cerveau, et
00:31
Yay! I have a brain fan out there.
3
31747
1817
super, il y a un fan des cerveaux dans la salle !
00:33
(Laughter)
4
33588
3147
(Rires)
Maintenant, si on peut afficher mon premier slide là-haut,
00:36
If I could have my first slide,
5
36759
1555
vous verrez le titre de ma conférence et mes deux affiliations.
00:38
you'll see the title of my talk and my two affiliations.
6
38338
2849
00:41
So what I'm going to talk about is why we don't have a good brain theory,
7
41211
3468
Donc, mon sujet sera la raison pour laquelle on n'a pas de bonne théorie de cerveau,
00:44
why it is important that we should develop one
8
44703
2277
pourquoi il est important qu'on en développe une, et ce qu'on peut faire pour ça.
00:47
and what we can do about it.
9
47004
1483
00:48
I'll try to do all that in 20 minutes.
10
48511
1824
Et j'essayerai de faire tout ça en 20 minutes. J'ai deux affiliations.
00:50
I have two affiliations.
11
50359
1151
00:51
Most of you know me from my Palm and Handspring days,
12
51534
2532
La plupart d'entre vous me connaissent par mon travail chez Palm et Handsprings,
00:54
but I also run a nonprofit scientific research institute
13
54090
2683
mais je gère aussi un institut de recherche à but non lucratif,
00:56
called the Redwood Neuroscience Institute in Menlo Park.
14
56797
2632
appelé "Redwood Neuroscience Institute", à Menlo Park,
00:59
We study theoretical neuroscience and how the neocortex works.
15
59453
3388
où on étudie la neuroscience théorique
et comment fonctionne le néocortex.
01:02
I'm going to talk all about that.
16
62865
1598
C'est de cela en particulier que je vais parler.
01:04
I have one slide on my other life, the computer life,
17
64487
2745
J'ai un slide qui concerne mon autre vie, ma vie informatique, c'est celui-là.
01:07
and that's this slide here.
18
67256
1301
01:08
These are some of the products I've worked on over the last 20 years,
19
68581
3268
Voici quelques uns des produits sur lesquels j'ai travaillé ces 20 dernières années,
01:11
starting from the very original laptop
20
71873
1842
du tout premier ordinateur portable à certaines des premières tablettes informatiques,
01:13
to some of the first tablet computers
21
73739
1787
01:15
and so on, ending up most recently with the Treo,
22
75550
2298
et ainsi de suite jusqu'au Treo le plus récemment,
01:17
and we're continuing to do this.
23
77872
1532
et on continue à travailler dessus.
01:19
I've done this because I believe mobile computing
24
79428
2301
J'ai fait cela car je crois vraiment que l'informatique mobile
01:21
is the future of personal computing,
25
81753
1724
est le futur de l'informatique personnelle, et j'essaie de rendre le monde
01:23
and I'm trying to make the world a little bit better
26
83501
2454
un peu meilleur en travaillant sur ces choses.
01:25
by working on these things.
27
85979
1296
01:27
But this was, I admit, all an accident.
28
87299
1874
Mais tout cela était, je dois l'avouer, totalement un accident.
01:29
I really didn't want to do any of these products.
29
89197
2308
En fait, je ne voulais faire aucun de ces produits
01:31
Very early in my career
30
91529
1382
et très tôt dans ma carrière j'ai décidé
01:32
I decided I was not going to be in the computer industry.
31
92935
2690
que je n'irais pas dans l'industrie informatique.
01:35
Before that, I just have to tell you
32
95649
1721
Et avant que je ne vous raconte ça, il faut juste que je vous parle
01:37
about this picture of Graffiti I picked off the web the other day.
33
97394
3108
de cette petite image de graffiti que j'ai récupéré sur Internet l'autre jour.
01:40
I was looking for a picture for Graffiti that'll text input language.
34
100526
3253
Je cherchais une image de graffiti, un petit langage de saisie de texte,
01:43
I found a website dedicated to teachers who want to make script-writing things
35
103803
3689
et j'ai trouvé le site dédié aux enseignants qui veulent en faire,
vous savez, le script qui écrit des choses en haut de leur tableau,
01:47
across the top of their blackboard,
36
107516
1674
01:49
and they had added Graffiti to it, and I'm sorry about that.
37
109214
2833
et ils y avaient ajouté des graffiti, ce dont je suis désolé.
01:52
(Laughter)
38
112071
2247
(Rires)
01:54
So what happened was,
39
114342
1300
Donc, ce qui c'est passé, c'est que dans ma jeunesse, après être sorti de l'école d'ingénieur
01:55
when I was young and got out of engineering school at Cornell in '79,
40
115666
4899
Cornell en 1979, j'ai décidé d'aller travailler pour Intel.
02:00
I went to work for Intel and was in the computer industry,
41
120589
3187
02:03
and three months into that, I fell in love with something else.
42
123800
3402
J'étais dans l'industrie informatique, et au bout de trois mois là-dedans,
je suis tombé amoureux d'autre chose, et je me suis dit: "Je me suis trompé de carrière",
02:07
I said, "I made the wrong career choice here,"
43
127226
3044
02:10
and I fell in love with brains.
44
130294
2239
et je suis tombé amoureux des cerveaux.
02:12
This is not a real brain.
45
132557
1533
Ça n'est pas un vrai cerveau. C'est une image, un dessin.
02:14
This is a picture of one, a line drawing.
46
134114
2719
02:16
And I don't remember exactly how it happened,
47
136857
2119
Je ne me souviens pas exactement comment ça s'est passé,
02:19
but I have one recollection, which was pretty strong in my mind.
48
139000
3515
mais j'ai un souvenir, assez net dans mon esprit.
02:22
In September of 1979,
49
142539
1610
En septembre 1979, le magazine Scientific American
02:24
Scientific American came out with a single-topic issue about the brain.
50
144173
3364
avec un numéro spécial sur le cerveau. Et il était assez bon.
02:27
It was one of their best issues ever.
51
147561
1938
Ce fut l'un de leurs meilleurs numéros. Ils parlaient de neurones,
02:29
They talked about the neuron, development, disease, vision
52
149523
2947
du leurs développement et de leurs maladies, de la vue,
02:32
and all the things you might want to know about brains.
53
152494
2596
et de tout ce qu'on pouvait désirer savoir sur le cerveau. C'était vraiment impressionnant.
02:35
It was really quite impressive.
54
155114
1502
02:36
One might've had the impression we knew a lot about brains.
55
156640
2772
On pouvait avoir l'impression qu'on connaissant vraiment beaucoup de choses sur le cerveau.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
56
159436
4195
Mais le dernier article de ce numéro était écrit par Francis Crick, connu pour l'ADN.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
57
163655
3024
C'est aujourd'hui, je pense, le 50ème anniversaire de la découverte de l'ADN.
02:46
And he wrote a story basically saying, this is all well and good,
58
166703
3075
Et il avait écrit un article qui disait, en gros,
tout ça c'est bien joli, mais vous savez quoi,
02:49
but you know, we don't know diddly squat about brains,
59
169802
2743
on n'y connaît que dalle sur le cerveau
02:52
and no one has a clue how they work,
60
172569
1739
et personne ne sait comment ce truc fonctionne,
02:54
so don't believe what anyone tells you.
61
174332
1866
alors, ne croyez pas ce que quiconque vous dira.
02:56
This is a quote from that article, he says:
62
176222
2165
Dans un extrait de l'article, il dit : "Ce qui manque ostensiblement",
02:58
"What is conspicuously lacking" -- he's a very proper British gentleman --
63
178411
4293
c'était un vrai gentleman anglais, donc, "ce qui manque ostensiblement,
03:02
"What is conspicuously lacking is a broad framework of ideas
64
182728
2830
c'est un vaste cadre d'idées au sein duquel interpréter ces différentes approches."
03:05
in which to interpret these different approaches."
65
185582
2352
03:07
I thought the word "framework" was great.
66
187958
1968
J'ai pensé que le terme de "cadre" était formidable.
03:09
He didn't say we didn't have a theory.
67
189950
1817
Il n'a pas dit qu'on n'avait même pas de théorie. Il dit,
03:11
He says we don't even know how to begin to think about it.
68
191791
2725
on ne sait même pas par où commencer à y penser,
on n'a même pas de cadre.
03:14
We don't even have a framework.
69
194540
1492
On est dans un stade pré-paradigmatique, en se référant à Thomas Kohn.
03:16
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
70
196056
3050
Je suis tombé amoureux de cela, et j'ai dit, regarde,
03:19
So I fell in love with this.
71
199130
1339
03:20
I said, look: We have all this knowledge about brains -- how hard can it be?
72
200493
3575
on a tout ces connaissances à propos du cerveau. C'est si difficile que ça ?
03:24
It's something we can work on in my lifetime; I could make a difference.
73
204092
3438
C'est quelque chose sur quoi on peut travailler aujourd'hui. J'ai senti que je pouvais faire une différence,
03:27
So I tried to get out of the computer business, into the brain business.
74
207554
3619
et j'ai donc essayé de sortir de l'industrie informatique, pour entrer dans le domaine du cerveau.
03:31
First, I went to MIT, the AI lab was there.
75
211197
2004
Premièrement, je suis entré au MIT, où se trouvait le A.l Lab (NdT : Laboratoire d'Intelligence Artificielle du M.I.T)
03:33
I said, I want to build intelligent machines too,
76
213225
2395
et je me suis dit, je veux construire des machines intelligentes moi aussi,
03:35
but I want to study how brains work first.
77
215644
2517
mais pour faire ça, je vais commencer par étudier le fonctionnement du cerveau.
03:38
And they said, "Oh, you don't need to do that.
78
218185
2306
Et ils ont dit, oh, vous n'avez pas besoin de faire ça.
03:40
You're just going to program computers, that's all.
79
220515
2390
On va juste programmer des ordinateurs, c'est tout ce qu'on doit faire.
03:42
I said, you really ought to study brains.
80
222929
1963
Et j'ai dit, non, vous devriez vraiment étudier le cerveau. Ils ont dit, oh, vous savez,
03:44
They said, "No, you're wrong."
81
224916
1432
03:46
I said, "No, you're wrong," and I didn't get in.
82
226372
2246
vous avez tort. Et j'ai dit, non, vous avez tort, et je n'ai pas été pris.
03:48
(Laughter)
83
228642
1078
(Rires)
03:49
I was a little disappointed -- pretty young --
84
229744
2155
Mais j'étais un peu déçu - assez jeune, mais j'y suis retourné
03:51
but I went back again a few years later,
85
231923
1936
quelques années plus tard, cette fois en Californie, et je suis allé à Berkeley.
03:53
this time in California, and I went to Berkeley.
86
233883
2359
Et je me suis dit, je vais y aller par le côté biologique.
03:56
And I said, I'll go in from the biological side.
87
236266
2430
03:58
So I got in the PhD program in biophysics.
88
238720
3089
Donc j'ai été pris - dans un programme doctoral en Biophysique.
04:01
I was like, I'm studying brains now. Well, I want to study theory.
89
241833
3410
J'étudiais enfin le cerveau, et je me suis dit, bon, je veux étudier la théorie.
04:05
They said, "You can't study theory about brains.
90
245267
2269
Et ils ont dit, oh non, vous ne pouvez pas étudier la théorie à propos du cerveau.
04:07
You can't get funded for that.
91
247560
1995
Ce n'est pas quelque chose qu'on fait. Vous n'aurez pas de subventions pour ça.
04:09
And as a graduate student, you can't do that."
92
249579
2155
En tant qu'étudiant en troisième cycle, vous ne pouvez pas faire ça. Donc je me suis dit, oh mon dieu.
04:11
So I said, oh my gosh.
93
251758
1218
04:13
I was depressed; I said, but I can make a difference in this field.
94
253000
3155
J'étais très déprimé. J'ai dit, je peux faire une différence dans ce domaine.
Donc ce que j'ai fait, c'est de retourner dans l'industrie informatique,
04:16
I went back in the computer industry
95
256179
2008
04:18
and said, I'll have to work here for a while.
96
258211
2105
et je me suis dit, bon, il faut que je travaille là-dedans pendant un temps, il faut que je fasse quelque chose.
04:20
That's when I designed all those computer products.
97
260340
2393
C'est là que j'ai créé tous ces produits informatiques.
04:22
(Laughter)
98
262757
1301
(Rires)
04:24
I said, I want to do this for four years, make some money,
99
264082
2894
Je me suis dit, je vais faire ça pendant quatre ans, me faire de l'argent,
04:27
I was having a family, and I would mature a bit,
100
267000
3976
comme j'avais une famille, et je deviendrais un peu plus mûr,
04:31
and maybe the business of neuroscience would mature a bit.
101
271000
2816
et peut-être que les neurosciences mûriraient aussi un peu.
04:33
Well, it took longer than four years. It's been about 16 years.
102
273840
3001
Ça a mis plus longtemps que quatre ans. Ça a pris 16 ans.
04:36
But I'm doing it now, and I'm going to tell you about it.
103
276865
2716
Mais je le fais maintenant, et je vais vous en parler.
04:39
So why should we have a good brain theory?
104
279605
2286
Donc, pourquoi devrions-nous avoir une bonne théorie du cerveau ?
04:41
Well, there's lots of reasons people do science.
105
281915
3102
À vrai dire, il y a beaucoup de raisons pour lesquelles les gens font des sciences.
04:45
The most basic one is, people like to know things.
106
285041
2917
L'une d'elle - la plus basique - est que les gens aiment connaître les choses.
04:47
We're curious, and we go out and get knowledge.
107
287982
2195
Nous sommes curieux, et nous allons juste chercher des connaissances, vous voyez ?
04:50
Why do we study ants? It's interesting.
108
290201
1866
Pourquoi est-ce qu'on étudie les fourmis ? Parce que c'est intéressant.
04:52
Maybe we'll learn something useful, but it's interesting and fascinating.
109
292091
3466
Peut-être qu'on y apprendra quelque chose d'utile, mais c'est intéressant et fascinant.
04:55
But sometimes a science has other attributes
110
295581
2057
Mais parfois, une science a d'autres attributs,
04:57
which makes it really interesting.
111
297662
1829
qui la rendent vraiment, vraiment intéressante.
04:59
Sometimes a science will tell something about ourselves;
112
299515
2627
Parfois, une science nous dira quelque chose sur nous-mêmes,
05:02
it'll tell us who we are.
113
302166
1224
elle nous dira qui nous sommes.
05:03
Evolution did this and Copernicus did this,
114
303414
2752
Pas souvent, mais la théorie de l'évolution a eu cet effet. Copernic aussi,
05:06
where we have a new understanding of who we are.
115
306190
2334
et nous avons une meilleure compréhension de qui nous sommes.
05:08
And after all, we are our brains. My brain is talking to your brain.
116
308548
3428
Et après tout, nous sommes notre cerveau. Mon cerveau parle à votre cerveau.
05:12
Our bodies are hanging along for the ride,
117
312000
2030
Nos corps suivent, mais c'est mon cerveau qui parle à votre cerveau.
05:14
but my brain is talking to your brain.
118
314054
1825
05:15
And if we want to understand who we are and how we feel and perceive,
119
315903
3248
Et si nous voulons comprendre qui nous sommes, comment nous ressentons et percevons,
il faut vraiment comprendre ce qu'est le cerveau.
05:19
we need to understand brains.
120
319175
1391
05:20
Another thing is sometimes science leads to big societal benefits, technologies,
121
320590
3784
Un autre élément est que parfois la science
nous mène à de vraiment gros avantages sociaux et technologiques,
05:24
or businesses or whatever.
122
324398
1291
ou commerciaux, ou autres, qui en sont issus. Et c'en est un, aussi,
05:25
This is one, too, because when we understand how brains work,
123
325713
2878
car quand nous comprenondrons comment le cerveau fonctionne, nous serons capables
05:28
we'll be able to build intelligent machines.
124
328615
2064
de construire des machines intelligentes, et à vrai dire je pense que c'est une bonne chose globalement,
05:30
That's a good thing on the whole,
125
330703
1698
05:32
with tremendous benefits to society,
126
332425
1858
cela va avoir des avantages immenses pour la société,
05:34
just like a fundamental technology.
127
334307
1669
comme une technologie fondamentale.
05:36
So why don't we have a good theory of brains?
128
336000
2850
Donc, pourquoi n'avons-nous pas de bonne théorie du cerveau ?
05:38
People have been working on it for 100 years.
129
338874
2168
Et il y a des gens qui ont travaillé là-dessus depuis 100 ans.
05:41
Let's first take a look at what normal science looks like.
130
341066
2719
Tout d'abord, regardons ce à quoi ressemble la science normale.
05:43
This is normal science.
131
343809
1187
Voilà la science normale.
05:45
Normal science is a nice balance between theory and experimentalists.
132
345020
4074
La science normale est un équilibre entre théories et expérimentations.
05:49
The theorist guy says, "I think this is what's going on,"
133
349118
2691
Le théoricien dit, voilà, je pense que c'est ce qui se passe,
05:51
the experimentalist says, "You're wrong."
134
351833
1961
et l'expérimentateur dit, non, vous avez tort.
05:53
It goes back and forth, this works in physics, this in geology.
135
353818
3004
Et ça fait des allers-retours, vous voyez ?
Ça marche pour la physique. Et pour la géologie. Mais si c'est ça la science normale,
05:56
But if this is normal science, what does neuroscience look like?
136
356846
3009
à quoi ressemble la neuroscience ? Voilà à quoi la neuroscience ressemble.
05:59
This is what neuroscience looks like.
137
359879
1795
On a cette montagne de données, l'anatomie, la physiologie, le comportement.
06:01
We have this mountain of data,
138
361698
1442
06:03
which is anatomy, physiology and behavior.
139
363164
2070
06:05
You can't imagine how much detail we know about brains.
140
365258
3194
Vous n'imaginez pas combien de détails on connaît à propos du cerveau.
06:08
There were 28,000 people who went to the neuroscience conference this year,
141
368476
3592
Il y a 28000 personnes qui sont allées à la conférence sur la neuroscience cette année,
06:12
and every one of them is doing research in brains.
142
372092
2363
et chacune d'entre elles faisaient des recherches sur le cerveau.
06:14
A lot of data, but no theory.
143
374479
1694
Beaucoup de données. Mais il n'y a pas de théorie. Il y a une petite boîte timide là-haut.
06:16
There's a little wimpy box on top there.
144
376197
2000
06:18
And theory has not played a role in any sort of grand way
145
378221
3382
Et la théorie n'a joué aucun rôle majeur en neurosciences.
06:21
in the neurosciences.
146
381627
1429
06:23
And it's a real shame.
147
383080
1240
C'est vraiment dommage. Comment ça se fait ?
06:24
Now, why has this come about?
148
384344
1391
06:25
If you ask neuroscientists why is this the state of affairs,
149
385759
2988
Si vous demandez à des neuroscientifiques pourquoi il en est ainsi,
06:28
first, they'll admit it.
150
388771
1246
déjà, ils confirmeront. Mais si vous leur demandez, ils vous diront,
06:30
But if you ask them, they say,
151
390041
1485
06:31
there's various reasons we don't have a good brain theory.
152
391550
2732
eh bien, il y a diverses raisons pour lesquelles on n'a pas de bonne théorie du cerveau.
06:34
Some say we still don't have enough data,
153
394306
1969
Certains diront qu'on n'a pas encore assez de données,
06:36
we need more information, there's all these things we don't know.
154
396299
3059
on doit rassembler plus d'informations, il y a toutes ces choses qu'on ignore.
06:39
Well, I just told you there's data coming out of your ears.
155
399382
2841
Mais je vous ai dit qu'on croule sous les données.
06:42
We have so much information, we don't even know how to organize it.
156
402247
3164
On a tant d'informations qu'on ne sait pas par où commencer pour les organiser.
06:45
What good is more going to do?
157
405435
1438
À quoi servirait d'en avoir plus ?
06:46
Maybe we'll be lucky and discover some magic thing, but I don't think so.
158
406897
3448
On sera peut-être chanceux et on découvrira quelque chose de magique, mais je n'y crois pas.
06:50
This is a symptom of the fact that we just don't have a theory.
159
410369
2973
C'est en fait simplement un symptôme de l'absence de théorie.
06:53
We don't need more data, we need a good theory.
160
413366
2610
On n'a pas besoin de plus de données, on a besoin d'une bonne théorie à leur sujet.
06:56
Another one is sometimes people say,
161
416000
1798
Parfois, les gens disent que le cerveau est si complexe
06:57
"Brains are so complex, it'll take another 50 years."
162
417822
3154
que ça prendra 50 ans de plus.
07:01
I even think Chris said something like this yesterday, something like,
163
421000
3354
Je crois même que Chris a dit quelque chose comme ça hier.
Je ne suis pas sûr de ce que vous avez dit, Chris, mais c'était quelque chose dans le genre de :
07:04
it's one of the most complicated things in the universe.
164
424378
2627
"C'est l'une des choses les plus compliquées de l'univers." Ce n'est pas vrai.
07:07
That's not true -- you're more complicated than your brain.
165
427029
2790
Vous êtes plus compliqué que votre cerveau. Vous avez un cerveau.
07:09
You've got a brain.
166
429843
1151
Et c'est aussi que, bien que le cerveau semble très compliqué,
07:11
And although the brain looks very complicated,
167
431018
2150
les choses semblent compliquées jusqu'à ce qu'on les comprennent.
07:13
things look complicated until you understand them.
168
433192
2336
07:15
That's always been the case.
169
435552
1335
Ça a toujours été le cas. Donc tout ce que nous pouvons dire,
07:16
So we can say, my neocortex, the part of the brain I'm interested in,
170
436911
3243
c'est que mon néocortex, qui est la partie du cerveau qui m'intéresse, a 30 milliards de cellules.
07:20
has 30 billion cells.
171
440178
1152
07:21
But, you know what? It's very, very regular.
172
441354
2432
Mais vous savez quoi ? Il est vraiment très simple.
07:23
In fact, it looks like it's the same thing repeated over and over again.
173
443810
3394
En fait, on dirait que c'est la même chose qui se répète encore et encore et encore.
07:27
It's not as complex as it looks. That's not the issue.
174
447228
2536
Il n'est pas aussi compliqué qu'en apparence. Ce n'est pas le problème.
07:29
Some people say, brains can't understand brains.
175
449788
2287
Certains disent que le cerveau ne peut pas comprendre le cerveau.
07:32
Very Zen-like. Woo.
176
452099
1988
C'est très zen comme idée. Wow ! Vous savez...
07:34
(Laughter)
177
454111
2188
(Rires)
07:36
You know, it sounds good, but why? I mean, what's the point?
178
456323
2859
Ça sonne bien mais pourquoi dire ça ? Ça mène à quoi ?
07:39
It's just a bunch of cells. You understand your liver.
179
459206
2569
C'est juste un tas de cellules. Vous comprenez votre foie.
07:41
It's got a lot of cells in it too, right?
180
461799
1977
Il est aussi composé de beaucoup de cellules, pas vrai ?
07:43
So, you know, I don't think there's anything to that.
181
463800
2494
Donc je ne pense pas que ça soit très juste de dire ça.
07:46
And finally, some people say,
182
466318
2112
Et finalement, d'autres personnes disent
07:48
"I don't feel like a bunch of cells -- I'm conscious.
183
468454
2983
qu'elles ne se sentent pas être un tas de cellules. Qu'elles sont conscientes.
07:51
I've got this experience, I'm in the world.
184
471461
2069
Je fais cette expérience, je vis dans ce monde.
07:53
I can't be just a bunch of cells."
185
473554
1910
Je ne peux pas être simplement un tas de cellules.
07:55
Well, people used to believe there was a life force to be living,
186
475488
3223
Les gens avaient l'habitude de penser qu'il y avait une force vitale,
07:58
and we now know that's really not true at all.
187
478735
2409
et on sait aujourd'hui que ce n'est pas du tout vrai.
08:01
And there's really no evidence,
188
481168
1898
Et il n'y a vraiment pas de preuve qui dise... Enfin, à part les gens
08:03
other than that people just disbelieve that cells can do what they do.
189
483090
3374
qui ne croient pas que les cellules puissent faire ce qu'elles font.
08:06
So some people have fallen into the pit of metaphysical dualism,
190
486488
3041
Et donc, même si des gens sont tombés dans la fosse du dualisme métaphysique,
08:09
some really smart people, too, but we can reject all that.
191
489553
2730
même des gens très intelligents, hé bien on peut rejeter tout ça.
08:12
(Laughter)
192
492307
2895
(Rires)
Non, je vais vous dire qu'il y a quelque chose d'autre,
08:15
No, there's something else,
193
495226
1741
08:16
something really fundamental, and it is:
194
496991
1985
et c'est vraiment fondamental. Voilà ce qu'il en est :
08:19
another reason why we don't have a good brain theory
195
499000
2451
il y a une autre raison pour laquelle nous n'avons pas de théorie du cerveau satisfaisante,
08:21
is because we have an intuitive, strongly held but incorrect assumption
196
501475
5535
c'est parce qu'on a une supposition intuitive, très ferme,
mais incorrecte qui nous empêche de vois la réponse.
08:27
that has prevented us from seeing the answer.
197
507034
2112
08:29
There's something we believe that just, it's obvious, but it's wrong.
198
509170
3788
Il y a quelque chose qu'on croît évident, mais qui est faux.
08:32
Now, there's a history of this in science and before I tell you what it is,
199
512982
3566
Il y a une histoire de ce type en science, et avant que je ne vous dise laquelle,
08:36
I'll tell you about the history of it in science.
200
516572
2299
je vais vous en dire un peu plus sur l'histoire à ce sujet en science.
08:38
Look at other scientific revolutions --
201
518895
1910
Si vous regardez certaines des autres révolutions scientifiques,
08:40
the solar system, that's Copernicus,
202
520829
1879
dans le cas présent, je parle du système solaire, avec Corpernic,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
203
522732
2819
l'évolution de Darwin, et les plaques tectoniques de Wegener.
Elles ont toutes beaucoup en commun avec la science du cerveau.
08:46
They all have a lot in common with brain science.
204
526059
2295
08:48
First, they had a lot of unexplained data. A lot of it.
205
528378
2666
Tout d'abord, il y avait toutes ces données inexpliquées. Un tas de données.
08:51
But it got more manageable once they had a theory.
206
531068
2794
Mais elles sont devenues gérables une fois qu'il y a eu une théorie.
08:53
The best minds were stumped -- really smart people.
207
533886
2807
Les meilleurs esprits séchaient, des gens vraiment, vraiment intelligents.
08:56
We're not smarter now than they were then;
208
536717
2004
Nous ne sommes pas plus intelligents maintenant qu'à leur époque.
08:58
it just turns out it's really hard to think of things,
209
538745
2527
Il s'avère juste qu'il est vraiment très difficile de penser les choses,
09:01
but once you've thought of them, it's easy to understand.
210
541296
2676
mais une fois que vous y avez pensé, il est relativement aisé de les comprendre.
09:03
My daughters understood these three theories,
211
543996
2106
Mes filles ont compris ces trois théories
dans leur cadre général en maternelle.
09:06
in their basic framework, in kindergarten.
212
546126
2518
09:08
It's not that hard -- here's the apple, here's the orange,
213
548668
3266
Ce n'est pas si dure, vous savez, voilà la pomme, voilà l'orange,
09:11
the Earth goes around, that kind of stuff.
214
551958
2018
la Terre tourne, et tout ça.
09:14
Another thing is the answer was there all along,
215
554000
2586
Enfin, une autre chose est que la réponse était là depuis le début,
09:16
but we kind of ignored it because of this obvious thing.
216
556610
2779
mais on l'avait plus ou moins ignorée à cause de cette chose évidente.
09:19
It was an intuitive, strongly held belief that was wrong.
217
559413
2850
C'est cette croyance intuitive et fermement ancrée qui était fausse.
09:22
In the case of the solar system,
218
562287
1690
Dans le cas du système solaire, l'idée que la Terre tournait
09:24
the idea that the Earth is spinning,
219
564001
1760
09:25
the surface is going a thousand miles an hour,
220
565785
2191
et que la surface de la Terre bougeait à disons 1500 km/h,
09:28
and it's going through the solar system at a million miles an hour --
221
568000
3249
et que la Terre fonce à travers le système solaire à environ 1500000 km/h.
09:31
this is lunacy; we all know the Earth isn't moving.
222
571273
2476
C'est du délire. Tout le monde sait que la Terre ne bouge pas.
09:33
Do you feel like you're moving a thousand miles an hour?
223
573773
2877
Est-ce que vous sentez que vous bougez à 1500km/h ?
Bien sûr que non. Et quelqu'un qui disait,
09:36
If you said Earth was spinning around in space and was huge --
224
576674
2919
en fait, elle tourne dans l'espace et est énorme,
09:39
they would lock you up, that's what they did back then.
225
579617
2591
ils l'enfermaient, c'est ce qu'ils faisaient à cette époque.
(Rires)
09:42
So it was intuitive and obvious. Now, what about evolution?
226
582232
3275
Donc c'était intuitif et évident. Et maintenant, qu'en est-il pour l'évolution ?
09:45
Evolution, same thing.
227
585531
1154
C'est la même chose pour l'évolution. On enseignait à nos enfants que la Bible dit
09:46
We taught our kids the Bible says God created all these species,
228
586709
3080
que Dieu a créé toutes ces espèces, que les chats sont des chats, les chiens sont des chiens,
09:49
cats are cats; dogs are dogs; people are people; plants are plants;
229
589813
3143
les gens sont des gens, les plantes sont des plantes, donc ils ne changent pas.
09:52
they don't change.
230
592980
1241
Noé les a mis dans son Arche dans cet ordre, bla bla bla.
09:54
Noah put them on the ark in that order, blah, blah.
231
594245
2649
09:56
The fact is, if you believe in evolution, we all have a common ancestor.
232
596918
3395
Et vous savez, le fait est que si vous croyez en l'évolution, nous avons tous un ancêtre commun,
10:00
We all have a common ancestor with the plant in the lobby!
233
600337
3282
et nous avons tous une parenté commune avec la plant dans le hall.
10:03
This is what evolution tells us. And it's true. It's kind of unbelievable.
234
603643
3686
C'est ce que l'évolution nous enseigne. Et c'est vrai. C'est assez incroyable.
10:07
And the same thing about tectonic plates.
235
607353
2557
Et c'est la même chose avec les plaques tectoniques.
10:09
All the mountains and the continents
236
609934
1722
Toutes les montages et les continents flottent de-ci de-là
10:11
are kind of floating around on top of the Earth.
237
611680
2344
sur la surface de la Terre. Ça ne fait aucun sens.
10:14
It doesn't make any sense.
238
614048
1246
10:15
So what is the intuitive, but incorrect assumption,
239
615318
4601
Donc quelle est la supposition intuitive, mais incorrecte,
10:19
that's kept us from understanding brains?
240
619943
1967
qui nous empêche de comprendre le cerveau ?
10:21
I'll tell you. It'll seem obvious that it's correct. That's the point.
241
621934
3293
Je vais vous la dire, et il va sembler évident que c'est juste,
et c'est là le but, non ? Ensuite je vais devoir expliquer
10:25
Then I'll make an argument why you're incorrect on the other assumption.
242
625251
3434
pourquoi vous avez tort avec l'autre supposition.
10:28
The intuitive but obvious thing is:
243
628709
1682
La chose intuitive et évidente est que quelque part l'intelligence
10:30
somehow, intelligence is defined by behavior;
244
630415
2314
est définie par le comportement,
10:32
we're intelligent because of how we do things
245
632753
2350
que nous sommes intelligents par la façon dont nous faisons les choses
10:35
and how we behave intelligently.
246
635127
1572
et la façon dont nous agissons intelligemment. Je vais vous dire que c'est une erreur.
10:36
And I'm going to tell you that's wrong.
247
636723
1879
10:38
Intelligence is defined by prediction.
248
638626
2131
Le fait est que l'intelligence est définie par la capacité de prédiction.
10:40
I'm going to work you through this in a few slides,
249
640781
2415
Je vais vous guider avec quelques slides,
10:43
and give you an example of what this means.
250
643220
2094
vous donner un exemple de ce que ça signifie. Voilà le système.
10:45
Here's a system.
251
645338
1301
10:46
Engineers and scientists like to look at systems like this.
252
646663
2908
Les ingénieurs aiment regarder les systèmes ainsi. Les scientifiques, eux, aiment regarder les systèmes comme ça.
10:49
They say, we have a thing in a box. We have its inputs and outputs.
253
649595
3163
Ils disent "Bon, on a une chose dans une boîte, et il y a ses données d'entrée et de sortie."
10:52
The AI people said, the thing in the box is a programmable computer,
254
652782
3240
Les gens d'IA (intelligence artificielle) disent que cette chose dans la boîte est un ordinateur programmable
10:56
because it's equivalent to a brain.
255
656046
1679
car c'est équivalent à un cerveau. On lui fournit des données
10:57
We'll feed it some inputs and get it to do something, have some behavior.
256
657749
3506
et on lui fait faire quelque chose, manifester des comportements.
Et Alan Turing a défini le test de Turing, qui dit en gros
11:01
Alan Turing defined the Turing test, which essentially says,
257
661279
2822
qu'on saura si quelque chose est intelligent s'il se comporte comme un humain.
11:04
we'll know if something's intelligent if it behaves identical to a human --
258
664125
3553
C'est une mesure comportementale de ce qu'est l'intelligence,
11:07
a behavioral metric of what intelligence is
259
667702
2106
11:09
that has stuck in our minds for a long time.
260
669832
2144
et c'est resté collé dans notre esprit pendant un long moment.
11:12
Reality, though -- I call it real intelligence.
261
672000
2392
La réalité, cependant, je l'appelle la véritable intelligence.
11:14
Real intelligence is built on something else.
262
674416
2175
La véritable intelligence est fondée sur quelque chose d'autre.
11:16
We experience the world through a sequence of patterns,
263
676615
3214
On expérimente le monde à travers une séquence de motifs, qu'on stocke
11:19
and we store them, and we recall them.
264
679853
2149
et dont on se rappelle. Et quand on s'en rappelle, on les confronte à la réalité,
11:22
When we recall them, we match them up against reality,
265
682026
2545
on fait des prédictions en permanence.
11:24
and we're making predictions all the time.
266
684595
2251
11:26
It's an internal metric; there's an internal metric about us,
267
686870
2958
C'est une mesure permanente. Il y a une mesure permanente à notre sujet, qui nous dit en gros,
11:29
saying, do we understand the world, am I making predictions, and so on.
268
689852
3342
est-ce que je comprends le monde ? Est-ce que je fais des prédictions ? Et ainsi de suite.
11:33
You're all being intelligent now, but you're not doing anything.
269
693218
3002
Vous êtes tous intelligents à cet instant présent, mais vous ne faites rien.
Peut-être que vous vous grattez, ou vous vous mettez votre doigt dans le nez,
11:36
Maybe you're scratching yourself, but you're not doing anything.
270
696244
3002
je ne sais pas, mais vous ne faites rien à cet instant,
11:39
But you're being intelligent; you're understanding what I'm saying.
271
699270
3156
mais vous êtes intelligents, vous comprenez ce que je dis.
11:42
Because you're intelligent and you speak English,
272
702450
2295
Parce que vous êtes intelligents et vous parlez anglais,
11:44
you know the word at the end of this
273
704769
1751
vous savez quel mot se trouve à la fin de cette... (Silence)
phrase.
11:46
sentence.
274
706544
1159
11:47
The word came to you; you make these predictions all the time.
275
707727
3152
Le mot vous est venu à l'esprit, et vous faites ce type de prédiction tout le temps.
11:50
What I'm saying is,
276
710903
1699
Donc, ce que je dis,
11:52
the internal prediction is the output in the neocortex,
277
712626
2631
c'est que la prédiction permanente est l'output du néocortex.
Et que d'une certaine façon, la prédiction mène à un comportement intelligent.
11:55
and somehow, prediction leads to intelligent behavior.
278
715281
2541
11:57
Here's how that happens:
279
717846
1151
Voilà comment ça se passe. Commençons avec un cerveau non-intelligent.
11:59
Let's start with a non-intelligent brain.
280
719021
1955
Bon, je propose un cerveau non-intelligent, on a un vieux cerveau,
12:01
I'll argue a non-intelligent brain, we'll call it an old brain.
281
721000
3009
12:04
And we'll say it's a non-mammal, like a reptile,
282
724033
2871
on va dire que ce n'est pas un mammifère, plutôt un reptile,
12:06
say, an alligator; we have an alligator.
283
726928
1985
disons un alligator, on a un alligator.
12:08
And the alligator has some very sophisticated senses.
284
728937
3371
Et l'alligator a des sens très sophistiqués.
12:12
It's got good eyes and ears and touch senses and so on,
285
732332
3206
Il a de bon yeux, de bonnes oreilles, un bon sens tactile, et ainsi de suite
12:15
a mouth and a nose.
286
735562
1469
une bouche, un nez. Il a un comportement complexe.
12:17
It has very complex behavior.
287
737055
1991
12:19
It can run and hide. It has fears and emotions. It can eat you.
288
739070
3906
Il peut courir et se cacher. Il connaît la peur et les émotions. Il peut vous manger, vous savez.
12:23
It can attack. It can do all kinds of stuff.
289
743000
3590
Il peut attaquer. Il peut faire tout ces trucs.
12:27
But we don't consider the alligator very intelligent,
290
747193
2856
Mais on ne considère pas que l'alligator est très intelligent, pas dans un sens humain.
12:30
not in a human sort of way.
291
750073
1676
12:31
But it has all this complex behavior already.
292
751773
2356
Mais il a déjà un comportement complexe.
12:34
Now in evolution, what happened?
293
754510
1801
Que c'est-il passé dans l'évolution ?
12:36
First thing that happened in evolution with mammals
294
756335
2385
La première chose qui est arrivée dans l'évolution des mammifères,
12:38
is we started to develop a thing called the neocortex.
295
758744
2531
c'est que nous avons développé une chose appelée le néocortex.
12:41
I'm going to represent the neocortex by this box on top of the old brain.
296
761299
3793
Je vais représenter un néocortex ici,
par cette boîte qui vient se coller au-dessus du vieux cerveau.
12:45
Neocortex means "new layer." It's a new layer on top of your brain.
297
765116
3353
Le néocortex implique une nouvelle couche. C'est une nouvelle couche au-dessus de votre cerveau.
12:48
It's the wrinkly thing on the top of your head
298
768493
2343
Si vous ne le savez pas, c'est la chose ridée sur le dessus de la tête,
12:50
that got wrinkly because it got shoved in there and doesn't fit.
299
770860
3084
elle a des rides parce qu'elle a été fourrée là-dedans et n'a pas la bonne taille.
12:53
(Laughter)
300
773968
1008
(Rires)
12:55
Literally, it's about the size of a table napkin
301
775000
2242
Non, vraiment, c'est ça. Il a à peu près la taille d'une serviette de table.
12:57
and doesn't fit, so it's wrinkly.
302
777266
1574
Et il ne tient pas là-dedans, donc il s'est ridé. Maintenant, regardez comment j'ai dessiné ça ici.
12:58
Now, look at how I've drawn this.
303
778864
1745
13:00
The old brain is still there.
304
780633
1386
Le vieux cerveau est toujours là. Vous avez toujours le cerveau d'alligator.
13:02
You still have that alligator brain. You do. It's your emotional brain.
305
782043
3655
Vous l'avez. C'est votre cerveau émotionnel.
13:05
It's all those gut reactions you have.
306
785722
2730
C'est toutes ces choses, toutes ces réactions instinctives que vous avez.
13:08
On top of it, we have this memory system called the neocortex.
307
788476
3270
Et par dessus, on a ce système de mémoire appelé néocortex.
13:11
And the memory system is sitting over the sensory part of the brain.
308
791770
4294
Et ce système de mémoire est posé sur la partie sensorielle du cerveau.
13:16
So as the sensory input comes in and feeds from the old brain,
309
796088
3055
Donc quand les données sensorielles arrivent du vieux cerveau,
13:19
it also goes up into the neocortex.
310
799167
2154
ells montent aussi dans le néocortex. Et le néocortex, c'est simplement la mémorisation.
13:21
And the neocortex is just memorizing.
311
801345
1913
13:23
It's sitting there saying, I'm going to memorize all the things going on:
312
803282
3561
Il reste là à dire "Ah, je vais mémoriser toutes ces choses qui se produisent,
13:26
where I've been, people I've seen, things I've heard, and so on.
313
806867
3019
où je suis allé, les gens que j'ai vus, les choses que j'ai entendues, et tout ça."
13:29
And in the future, when it sees something similar to that again,
314
809910
3362
Et dans le futur, quand il verra quelque chose de similaire à nouveau,
13:33
in a similar environment, or the exact same environment,
315
813296
2635
dans un environnement similaire, ou exactement le même,
13:35
it'll start playing it back: "Oh, I've been here before,"
316
815955
3555
il le rejouera. Il se mettra à le rejouer.
"Oh, je suis déjà venu ici. Et quand tu es venu ici,
13:39
and when you were here before, this happened next.
317
819534
2364
ceci s'est produit ensuite". Cela vous permet de prédire le futur.
13:41
It allows you to predict the future.
318
821922
1726
13:43
It literally feeds back the signals into your brain;
319
823672
3396
Il renvoie littéralement le signal à votre cerveau,
13:47
they'll let you see what's going to happen next,
320
827092
2265
et vous laisse voir ce qui va se produire ensuite,
13:49
will let you hear the word "sentence" before I said it.
321
829381
2595
vous laisse entendre le mot dans ma phrase avant que je ne l'ai dit.
13:52
And it's this feeding back into the old brain
322
832000
3185
Et c'est ce renvoi de signal dans le vieux cerveau
13:55
that will allow you to make more intelligent decisions.
323
835209
2577
qui vous permet de prendre des décisions bien plus intelligentes.
13:57
This is the most important slide of my talk, so I'll dwell on it a little.
324
837810
3489
C'est le slide le plus important de mon propos, donc je vais m'attarder dessus un petit peu.
14:01
And all the time you say, "Oh, I can predict things,"
325
841323
3575
Et donc, vous dites tout le temps, "oh je peux prédire les choses".
14:04
so if you're a rat and you go through a maze, and you learn the maze,
326
844922
3360
Si vous êtes un rat qui parcourt un labyrinthe, et que vous apprenez à le connaître,
14:08
next time you're in one, you have the same behavior.
327
848306
2439
la prochaine fois que vous vous y trouverez, vous aurez le même comportement,
14:10
But suddenly, you're smarter; you say, "I recognize this maze,
328
850769
2991
mais brusquement, vous êtes plus intelligents,
parce que vous vous dites, "oh, je reconnais ce labyrinthe, je sais de quel côté aller,
14:13
I know which way to go; I've been here before; I can envision the future."
329
853784
3542
je suis déjà venu ici, je peux voir le future." Et c'est ce qui se produit.
14:17
That's what it's doing.
330
857350
1168
14:18
This is true for all mammals --
331
858542
2840
Chez l'homme, mais c'est valable pour tous les mammifères, au passage.
14:21
in humans, it got a lot worse.
332
861406
2031
C'est vrai pour tous les mammifères, et chez l'homme, c'est devenu encore pire.
14:23
Humans actually developed the front of the neocortex,
333
863461
2587
L'homme a en fait développé la partie frontale du néocortex,
14:26
called the anterior part of the neocortex.
334
866072
2221
appelée partie antérieure du néocortex. Et la nature a fait un petit truc ici.
14:28
And nature did a little trick.
335
868317
1438
14:29
It copied the posterior, the back part, which is sensory,
336
869779
2687
Elle a copié la partie postérieure, la partie à l'arrière, qui est sensorielle,
14:32
and put it in the front.
337
872490
1151
et l'a mise dans la partie avant.
14:33
Humans uniquely have the same mechanism on the front,
338
873665
2480
Et l'homme uniquement a le même mécanisme sur l'avant,
14:36
but we use it for motor control.
339
876169
1554
mais l'utilise pour le contrôle moteur.
14:37
So we're now able to do very sophisticated motor planning, things like that.
340
877747
3581
Donc on peut maintenant effectuer des actions motrices planifiées très sophistiquées, des choses comme ça.
14:41
I don't have time to explain, but to understand how a brain works,
341
881352
3126
Je n'ai pas le temps de poursuivre dans les détails, mais si vous voulez comprendre comment fonctionne un cerveau,
14:44
you have to understand how the first part of the mammalian neocortex works,
342
884502
3537
vous devez comprendre comment la première partie du néocortex des mammifères fonctionne,
et comment elle stocke des motifs et fait des prédictions.
14:48
how it is we store patterns and make predictions.
343
888063
2293
Laissez-moi donc vous donner quelques exemples de prédictions.
14:50
Let me give you a few examples of predictions.
344
890380
2188
14:52
I already said the word "sentence."
345
892592
1676
J'ai déjà évoqué la complétion d'une phrase. En musique,
14:54
In music, if you've heard a song before,
346
894292
3206
si vous avez déjà entendu une chanson, si vous avez déjà entendu Jill chanter ces chansons auparavant,
14:57
when you hear it, the next note pops into your head already --
347
897522
2909
quand elle les chante, la prochaine note apparaît déjà dans votre esprit,
15:00
you anticipate it.
348
900455
1151
vous l'anticipé au fur et à mesure. Si c'était un album de musique,
15:01
With an album, at the end of a song, the next song pops into your head.
349
901630
3354
à la fin d'un album, la prochaine chanson apparaît dans votre tête.
15:05
It happens all the time, you make predictions.
350
905008
2305
Et ces choses arrivent tout le temps. Vous faites ces prédictions.
15:07
I have this thing called the "altered door" thought experiment.
351
907337
3039
J'ai cette expérience de pensée, dite de la porte modifiée,
15:10
It says, you have a door at home;
352
910400
2829
elle dit que vous avez une porte chez vous,
15:13
when you're here, I'm changing it --
353
913253
1755
et pendant que vous êtes ici, je la change, j'ai un type
15:15
I've got a guy back at your house right now, moving the door around,
354
915032
3196
chez vous en ce moment même, qui change la porte,
15:18
moving your doorknob over two inches.
355
918252
1769
il va prendre la poignée et la bouger de cinq centimètres.
15:20
When you go home tonight, you'll put your hand out, reach for the doorknob,
356
920045
3584
Quand vous allez rentrer chez vous ce soir, vous allez avancer votre main
pour attraper la poignée, et vous allez remarquer
15:23
notice it's in the wrong spot
357
923653
1514
qu'elle se trouve au mauvais endroit, et vous vous direz, ola, quelque chose est arrivé.
15:25
and go, "Whoa, something happened."
358
925191
1687
15:26
It may take a second, but something happened.
359
926902
2101
Ça prendra peut-être une seconde pour vous en rendre compte, mais quelque chose a changé.
15:29
I can change your doorknob in other ways --
360
929027
2003
Mais je pourrais changer votre poignée de porte d'autres façons.
15:31
make it larger, smaller, change its brass to silver, make it a lever,
361
931054
3241
Je peux la rendre plus grosse ou plus petite, je peux la faire passer de laiton à argentée,
je peux changer son type. Je peux changer votre porte, la peindre,
15:34
I can change the door; put colors on, put windows in.
362
934319
2576
y mettre une fenêtre. Je peux changer mille chose sur votre porte,
15:36
I can change a thousand things about your door
363
936919
2151
et dans les deux secondes qu'il faut pour ouvrir la porte,
15:39
and in the two seconds you take to open it,
364
939094
2008
vous allez remarquer que quelque chose a changé.
15:41
you'll notice something has changed.
365
941126
1722
15:42
Now, the engineering approach, the AI approach to this,
366
942872
2584
Maintenant, l'approche d'ingénieur, l'approche d'IA,
15:45
is to build a door database with all the door attributes.
367
945480
2675
c'est de créer une base de données sur la porte. Elle a tous les attributs de la porte.
15:48
And as you go up to the door, we check them off one at time:
368
948179
2819
Et quand vous allez vers la porte, vous savez, vous les vérifier un à un.
15:51
door, door, color ...
369
951022
1346
Porte, porte, porte, couleur, enfin vous voyez de quoi je parle.
15:52
We don't do that. Your brain doesn't do that.
370
952392
2100
On ne fait pas ça. Votre cerveau ne fait pas ça.
15:54
Your brain is making constant predictions all the time
371
954516
2540
Ce que fait votre cerveau, c'est de constamment établir des prédictions
15:57
about what will happen in your environment.
372
957080
2034
sur ce qui va se produire dans votre environnement.
15:59
As I put my hand on this table, I expect to feel it stop.
373
959138
2746
Quand je pose ma main sur cette table, je m'attends à la sentir s'arrêter.
16:01
When I walk, every step, if I missed it by an eighth of an inch,
374
961908
3019
Quand je marche, pour chaque pas, si j'en manquais un d'une fraction de centimètre,
16:04
I'll know something has changed.
375
964951
1533
je saurais que quelque chose a changé.
16:06
You're constantly making predictions about your environment.
376
966508
2820
Vous faites constamment des prédictions sur votre environnement.
16:09
I'll talk about vision, briefly.
377
969352
1593
Je vais parler brièvement de la vue ici. Voici l'image d'une femme.
16:10
This is a picture of a woman.
378
970969
1383
16:12
When we look at people, our eyes saccade over two to three times a second.
379
972376
3490
Quand vous regardez des gens, vos yeux sont attirés
deux ou trois fois par seconde.
16:15
We're not aware of it, but our eyes are always moving.
380
975890
2529
Vous n'en avez pas conscience, mais vos yeux bougent tout le temps.
Et donc quand vous regardez le visage de quelqu'un,
16:18
When we look at a face, we typically go from eye to eye to nose to mouth.
381
978443
3435
vous passez typiquement d'un oeil à l'autre et du nez à la bouche.
16:21
When your eye moves from eye to eye,
382
981902
1869
Quand votre oeil se déplace d'un oeil à l'autre,
16:23
if there was something else there like a nose,
383
983795
2158
s'il y a quelque chose d'autre à cet endroit, comme un nez,
16:25
you'd see a nose where an eye is supposed to be and go, "Oh, shit!"
384
985977
3546
vous verriez un nez où un oeil était attendu,
et vous vous diriez : "Oh merde !", vous voyez...
16:29
(Laughter)
385
989547
1396
16:30
"There's something wrong about this person."
386
990967
2109
(Rires)
"Il y a quelque chose qui cloche sur cette personne."
16:33
That's because you're making a prediction.
387
993100
2005
C'est parce que vous faites une prédiction.
16:35
It's not like you just look over and say, "What am I seeing? A nose? OK."
388
995129
3439
Ce n'est pas comme si vous regardiez là et vous demandiez ce que vous voyez.
Un nez, c'est bon. Non, vous vous attendez à voir quelque chose de particulier.
16:38
No, you have an expectation of what you're going to see.
389
998592
2634
(Rires)
16:41
Every single moment.
390
1001250
1151
Tout le temps. Et, enfin, regardons à la façon dont on teste l'intelligence.
16:42
And finally, let's think about how we test intelligence.
391
1002425
2629
16:45
We test it by prediction: What is the next word in this ...?
392
1005078
3081
On la teste par la prédiction : quel est le prochain mot ici ?
16:48
This is to this as this is to this. What is the next number in this sentence?
393
1008183
3627
Ceci est à cela ce que ceci est à cela. Quel est le prochain chiffre dans cette phrase ?
16:51
Here's three visions of an object. What's the fourth one?
394
1011834
2690
Voici trois vues d'un objet.
Quelle est la quatrième ? Voilà comment on la teste. C'est la prédiction.
16:54
That's how we test it. It's all about prediction.
395
1014548
2504
16:57
So what is the recipe for brain theory?
396
1017573
2194
Dès lors, quelle est la recette pour une théorie du cerveau ?
17:00
First of all, we have to have the right framework.
397
1020219
2366
Premièrement, nous devons avoir le bon cadre de travail.
17:02
And the framework is a memory framework,
398
1022609
1913
C'est un système de mémoire,
17:04
not a computational or behavior framework,
399
1024546
2024
pas un système de calcul ou de comportement. C'est un système de mémoire.
17:06
it's a memory framework.
400
1026594
1163
17:07
How do you store and recall these sequences of patterns?
401
1027781
2623
Comment est-ce que vous enregistrez et réutilisez ces séquences ou motifs ? Ce sont des motifs spatio-temporels.
17:10
It's spatiotemporal patterns.
402
1030428
1442
17:11
Then, if in that framework, you take a bunch of theoreticians --
403
1031894
3009
Maintenant, dans ce système, vous prenez un tas de théoriciens .
17:14
biologists generally are not good theoreticians.
404
1034927
2246
Les biologistes ne sont généralement pas de bons théoriciens.
Ce n'est pas toujours vrai, mais en général, il n'y a pas une bonne histoire de la théorie en biologie.
17:17
Not always, but generally, there's not a good history of theory in biology.
405
1037197
3529
17:20
I've found the best people to work with are physicists,
406
1040750
2574
J'ai trouvé que les meilleures personnes avec qui travailler sont les physiciens,
17:23
engineers and mathematicians,
407
1043348
1383
les ingénieurs et les mathématiciens, qui ont tendance à penser avec des algorithmes.
17:24
who tend to think algorithmically.
408
1044755
1696
17:26
Then they have to learn the anatomy and the physiology.
409
1046475
3264
Ensuite, ils doivent apprendre l'anatomie et la physiologie.
17:29
You have to make these theories very realistic in anatomical terms.
410
1049763
4496
Vous devez rendre ces théories très réalistes en termes anatomiques.
Quiconque se lève et vous expose sa théorie sur le fonctionnement du cerveau
17:34
Anyone who tells you their theory about how the brain works
411
1054283
2765
17:37
and doesn't tell you exactly how it's working
412
1057072
2097
et ne vous explique pas exactement comment le cerveau fonctionne
17:39
and how the wiring works --
413
1059193
1303
et comment les connexions cérébrales fonctionnent, ça ne fait pas une théorie.
17:40
it's not a theory.
414
1060520
1267
17:41
And that's what we do at the Redwood Neuroscience Institute.
415
1061811
2833
C'est ce que nous faisons au Redwood Neuroscience Institute.
17:44
I'd love to tell you we're making fantastic progress in this thing,
416
1064668
3308
J'adorerai avoir plus de temps pour vous parler des fantastiques progrès que l'on fait là-dedans,
17:48
and I expect to be back on this stage sometime in the not too distant future,
417
1068000
3662
et j'espère revenir une autre fois sur cette estrade,
peut-être dans un avenir assez proche, et je vous en parlerai alors.
17:51
to tell you about it.
418
1071686
1164
17:52
I'm really excited; this is not going to take 50 years.
419
1072874
2594
Je suis vraiment très excité. Ça ne va absolument pas prendre 50 ans.
17:55
What will brain theory look like?
420
1075492
1578
À quoi ressemblera une théorie du cerveau ?
17:57
First of all, it's going to be about memory.
421
1077094
2055
D'abord, ça sera une théorie sur la mémoire.
17:59
Not like computer memory -- not at all like computer memory.
422
1079173
2822
Pas comme de la mémoire informatique. Ça ne ressemble en rien à la mémoire informatique.
18:02
It's very different.
423
1082019
1151
C'est vraiment très différent. Et c'est une mémoire
18:03
It's a memory of very high-dimensional patterns,
424
1083194
2257
de motifs de grandes dimensions, comme les choses qui viennent de vos yeux.
18:05
like the things that come from your eyes.
425
1085475
1962
18:07
It's also memory of sequences:
426
1087461
1437
C'est aussi une mémoire de séquences.
18:08
you cannot learn or recall anything outside of a sequence.
427
1088922
2730
Vous ne pouvez pas apprendre ni vous rappeler quelque chose en dehors d'une séquence.
18:11
A song must be heard in sequence over time,
428
1091676
2837
Une chanson doit être entendue en séquence dans le temps,
18:14
and you must play it back in sequence over time.
429
1094537
2351
et vous devez la rejouer en séquence de la même façon.
18:16
And these sequences are auto-associatively recalled,
430
1096912
2449
On se souvient de ces séquences de façon auto-associées, donc si je vois quelque chose,
18:19
so if I see something, I hear something, it reminds me of it,
431
1099385
2873
j'entends quelque chose, ça me le rappelle, et ça le rejoue automatiquement.
18:22
and it plays back automatically.
432
1102282
1533
18:23
It's an automatic playback.
433
1103839
1294
C'est un playback automatique. Et la prédiction des futures données d'entrée, ce sont les données de sortie souhaitées.
18:25
And prediction of future inputs is the desired output.
434
1105157
2548
18:27
And as I said, the theory must be biologically accurate,
435
1107729
2620
Et comme je l'ai dit, la théorie doit être exacte d'un point de vue biologique,
18:30
it must be testable and you must be able to build it.
436
1110373
2484
elle doit être testable, et on doit pouvoir la construire.
18:32
If you don't build it, you don't understand it.
437
1112881
2211
Si on ne la construit pas, on ne la comprend pas. Voici un dernier slide.
18:35
One more slide.
438
1115116
1532
18:36
What is this going to result in?
439
1116672
2309
Quel va être le résultat de tout cela ? Est-ce qu'on va vraiment construire des machines intelligentes ?
18:39
Are we going to really build intelligent machines?
440
1119005
2348
Absolument. Et ça va être différent de ce que pensent les gens.
18:41
Absolutely. And it's going to be different than people think.
441
1121377
3798
Ça va arriver, ça ne fait aucun doute dans mon esprit.
18:45
No doubt that it's going to happen, in my mind.
442
1125508
2392
18:47
First of all, we're going to build this stuff out of silicon.
443
1127924
3116
D'abord, on va le construire, créer le truc à partir de silicone.
18:51
The same techniques we use to build silicon computer memories,
444
1131064
2912
On utilisera les mêmes techniques
18:54
we can use here.
445
1134000
1151
que pour construire la mémoire informatique en silicone.
18:55
But they're very different types of memories.
446
1135175
2109
Mais ce sont des types très différents de mémoires.
18:57
And we'll attach these memories to sensors,
447
1137308
2023
Et on va attacher ces mémoires à des capteurs,
18:59
and the sensors will experience real-live, real-world data,
448
1139355
2777
et ceux-ci auront une expérience des données du monde réel, en temps réel,
19:02
and learn about their environment.
449
1142156
1752
et ces choses apprendront des choses sur leur environnement.
19:03
Now, it's very unlikely the first things you'll see are like robots.
450
1143932
3445
Il est très peu probable que les premières choses que vous verrez soient des robots.
19:07
Not that robots aren't useful; people can build robots.
451
1147401
2575
Non pas que les robots sont inutiles, et les gens savent construire des robots.
19:10
But the robotics part is the hardest part. That's old brain. That's really hard.
452
1150000
3767
Mais la partie robotique est la plus dure. C'est le vieux cerveau. C'est vraiment difficile.
19:13
The new brain is easier than the old brain.
453
1153791
2007
Le nouveau cerveau est en fait plutôt facile en comparaison avec le vieux cerveau.
19:15
So first we'll do things that don't require a lot of robotics.
454
1155822
3082
Donc les premières choses qu'on fera seront celles qui ne requièrent pas beaucoup de robotique.
19:18
So you're not going to see C-3PO.
455
1158928
2179
Donc vous ne verrez pas de C-3PO.
19:21
You're going to see things more like intelligent cars
456
1161131
2485
Vous verrez des choses comme, disons, des voitures intelligentes
19:23
that really understand what traffic is, what driving is
457
1163640
2808
qui comprennent vraiment ce qu'est le trafic, et ce qu'est conduire,
19:26
and have learned that cars with the blinkers on for half a minute
458
1166472
3278
et qui ont appris que certains types de voitures qui ont le clignotant allumé pendant trente secondes
19:29
probably aren't going to turn.
459
1169774
1574
ne vont probablement pas tourner, des choses comme ça.
19:31
(Laughter)
460
1171372
1291
(Rires)
19:32
We can also do intelligent security systems.
461
1172687
2064
On peut aussi faire des systèmes de sécurité intelligents.
19:34
Anytime we're basically using our brain but not doing a lot of mechanics --
462
1174775
3573
Là où nous avons besoin de notre cerveau, en gros, mais pas de beaucoup de mécanismes.
19:38
those are the things that will happen first.
463
1178372
2059
Ce sont les choses qui arriveront en premier.
19:40
But ultimately, the world's the limit.
464
1180455
1820
Mais après cela, la limite, c'est le monde.
19:42
I don't know how this will turn out.
465
1182299
1732
Je ne sais pas où cela va mener.
19:44
I know a lot of people who invented the microprocessor.
466
1184055
2591
Je connais beaucoup de ceux qui ont inventé le microprocesseur
19:46
And if you talk to them,
467
1186670
2164
et si vous leur parlez, ils savaient que ce qu'ils faisaient était vraiment important,
19:48
they knew what they were doing was really significant,
468
1188858
2575
19:51
but they didn't really know what was going to happen.
469
1191457
2500
mais ils ne savaient pas vraiment ce qui allait se passer.
19:53
They couldn't anticipate cell phones and the Internet
470
1193981
2768
Ils ne pouvaient pas anticiper les téléphones portables, Internet, et tous ces trucs.
19:56
and all this kind of stuff.
471
1196773
1735
19:58
They just knew like, "We're going to build calculators
472
1198532
2621
Ils savaient que, eh, ils allaient construire des calculatrices
20:01
and traffic-light controllers.
473
1201177
1440
et des feux de signalisation. Mais ça allait être énorme.
20:02
But it's going to be big!"
474
1202641
1299
20:03
In the same way, brain science and these memories
475
1203964
2341
De la même façon, la science du cerveau et ces mémoires
20:06
are going to be a very fundamental technology,
476
1206329
2225
vont être une technologie fondamentale, et ça va mener
20:08
and it will lead to unbelievable changes in the next 100 years.
477
1208578
3442
à des changements incroyables dans les 100 prochaines années.
20:12
And I'm most excited about how we're going to use them in science.
478
1212044
3405
Et je suis très excité quant à la façon dont on on les utilisera en science.
20:15
So I think that's all my time -- I'm over,
479
1215473
2837
Je pense que j'arrive à la limite de mon temps, donc je vais terminer mon discours
20:18
and I'm going to end my talk right there.
480
1218334
2277
maintenant.
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