What AI is -- and isn't | Sebastian Thrun and Chris Anderson

260,110 views ・ 2017-12-21

TED


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

Traducteur: Bruno Hauzaree Relecteur: Yves DAUMAS
00:12
Chris Anderson: Help us understand what machine learning is,
0
12904
2886
Chris Anderson : Expliquez-nous ce qu'est le « machine learning »
00:15
because that seems to be the key driver
1
15814
2054
car cela semble être le facteur clé
00:17
of so much of the excitement and also of the concern
2
17892
2737
de toute cette excitation et de toutes ces craintes
00:20
around artificial intelligence.
3
20653
1494
autour de l'intelligence artificielle.
00:22
How does machine learning work?
4
22171
1643
Comment cela fonctionne-t-il ?
00:23
Sebastian Thrun: So, artificial intelligence and machine learning
5
23838
3896
Sebastian Thrun : L'intelligence artificielle et le « machine learning »
00:27
is about 60 years old
6
27758
2002
remontent à environ 60 ans
00:29
and has not had a great day in its past until recently.
7
29784
4269
et n'ont pas eu leur heure de gloire jusqu'à récemment.
00:34
And the reason is that today,
8
34077
2924
La raison est qu'aujourd'hui,
00:37
we have reached a scale of computing and datasets
9
37025
3973
nous avons atteint l'échelle de puissance de calcul et de volume de données
qui était nécessaire pour rendre les machines intelligentes.
00:41
that was necessary to make machines smart.
10
41022
2637
00:43
So here's how it works.
11
43683
1751
Voici comment cela fonctionne.
00:45
If you program a computer today, say, your phone,
12
45458
3497
Si vous voulez programmer un ordinateur, disons, votre téléphone,
00:48
then you hire software engineers
13
48979
2335
vous devez embaucher des ingénieurs logiciels
00:51
that write a very, very long kitchen recipe,
14
51338
3854
qui écrivent une très, très longue recette de cuisine
00:55
like, "If the water is too hot, turn down the temperature.
15
55216
3132
comme : « Si l'eau est trop chaude, baisse la température.
00:58
If it's too cold, turn up the temperature."
16
58372
2279
Si l'eau est trop froide, augmente la température. »
01:00
The recipes are not just 10 lines long.
17
60675
2849
Les recettes n'ont pas juste 10 lignes.
01:03
They are millions of lines long.
18
63548
2603
Elles ont des millions de lignes.
01:06
A modern cell phone has 12 million lines of code.
19
66175
4084
Un téléphone mobile récent a 12 millions de lignes de code.
01:10
A browser has five million lines of code.
20
70283
2646
Un navigateur internet 5 millions de lignes de code.
01:12
And each bug in this recipe can cause your computer to crash.
21
72953
4969
Chaque erreur dans la recette peut provoquer une panne de votre ordinateur.
01:17
That's why a software engineer makes so much money.
22
77946
3075
C'est pourquoi un ingénieur logiciel gagne autant d'argent.
01:21
The new thing now is that computers can find their own rules.
23
81953
3660
La nouveauté est que les ordinateurs peuvent trouver leurs propres règles.
01:25
So instead of an expert deciphering, step by step,
24
85637
3606
Au lieu d'avoir un expert qui écrit, pas à pas,
01:29
a rule for every contingency,
25
89267
2148
une règle pour chaque cas de figure,
01:31
what you do now is you give the computer examples
26
91439
3074
vous donnez maintenant à l'ordinateur des exemples
01:34
and have it infer its own rules.
27
94537
1581
pour qu'il déduise lui-même ses règles.
01:36
A really good example is AlphaGo, which recently was won by Google.
28
96142
4306
Un bon exemple est AlphaGo, qui a récemment été acheté par Google.
01:40
Normally, in game playing, you would really write down all the rules,
29
100472
3687
Normalement, dans les jeux, vous voulez écrire toutes les règles,
01:44
but in AlphaGo's case,
30
104183
1785
mais dans le cas d'AlphaGo,
01:45
the system looked over a million games
31
105992
2066
le système a regardé plus d'un million de parties
01:48
and was able to infer its own rules
32
108082
2192
et a été en mesure de déduire ses propres règles
01:50
and then beat the world's residing Go champion.
33
110298
2738
et de battre le tenant du titre mondial du jeu de go.
01:53
That is exciting, because it relieves the software engineer
34
113853
3509
C'est excitant, car cela évite d'avoir à faire appel à des ingénieurs logiciels
01:57
of the need of being super smart,
35
117386
1819
extrêmement intelligents,
01:59
and pushes the burden towards the data.
36
119229
2325
et repousse la contrainte vers les données.
02:01
As I said, the inflection point where this has become really possible --
37
121578
4534
Comme je le disais, le point d'inflexion où cela est vraiment devenu possible --
très embarrassant, ma thèse était sur le « machine learning ».
02:06
very embarrassing, my thesis was about machine learning.
38
126136
2746
02:08
It was completely insignificant, don't read it,
39
128906
2205
C'était complètement insignifiant, ne la lisez pas,
02:11
because it was 20 years ago
40
131135
1350
car elle a 20 ans
02:12
and back then, the computers were as big as a cockroach brain.
41
132509
2907
et alors, les ordinateurs étaient aussi gros que le cerveau d'un cafard.
02:15
Now they are powerful enough to really emulate
42
135440
2331
Ils sont maintenant assez puissants pour imiter
02:17
kind of specialized human thinking.
43
137795
2076
une sorte de pensée humaine spécialisée.
02:19
And then the computers take advantage of the fact
44
139895
2313
Les ordinateurs usent du fait
qu'ils peuvent regarder beaucoup plus de données que les gens.
02:22
that they can look at much more data than people can.
45
142232
2500
02:24
So I'd say AlphaGo looked at more than a million games.
46
144756
3080
J'ai dit qu'AlphaGo a regardé plus d'un million de parties.
02:27
No human expert can ever study a million games.
47
147860
2839
Aucun expert humain ne peut étudier un million de parties.
02:30
Google has looked at over a hundred billion web pages.
48
150723
3182
Google a parcouru plus d'une centaine de milliards de pages web.
02:33
No person can ever study a hundred billion web pages.
49
153929
2650
Personne ne peut étudier une centaine de milliards de pages.
02:36
So as a result, the computer can find rules
50
156603
2714
En conséquence, un ordinateur peut trouver des règles
02:39
that even people can't find.
51
159341
1755
que les humains ne peuvent pas trouver.
02:41
CA: So instead of looking ahead to, "If he does that, I will do that,"
52
161120
4312
CA: Donc au lieu de suivre des règles comme « S'il fait cela, je fais ceci »,
02:45
it's more saying, "Here is what looks like a winning pattern,
53
165456
3072
c'est plus comme : « Voici à quoi ressemble
02:48
here is what looks like a winning pattern."
54
168552
2079
un modèle de partie gagnante. »
02:50
ST: Yeah. I mean, think about how you raise children.
55
170655
2517
ST : Oui. Pensez comment on élève les enfants.
Vous ne passez pas 18 ans à donner aux enfants une règle pour chaque cas
02:53
You don't spend the first 18 years giving kids a rule for every contingency
56
173196
3644
02:56
and set them free and they have this big program.
57
176864
2347
pour ensuite les libérer avec ce grand programme.
Ils trébuchent, tombent, se lèvent, ils sont giflés ou fessés,
02:59
They stumble, fall, get up, they get slapped or spanked,
58
179235
2719
03:01
and they have a positive experience, a good grade in school,
59
181978
2884
ils ont une expérience positive, une bonne note à l'école,
03:04
and they figure it out on their own.
60
184886
1834
et ils comprennent par eux-mêmes.
03:06
That's happening with computers now,
61
186744
1737
C'est pareil avec les ordinateurs,
03:08
which makes computer programming so much easier all of a sudden.
62
188505
3029
ce qui rend leur programmation beaucoup plus facile tout à coup.
03:11
Now we don't have to think anymore. We just give them lots of data.
63
191558
3175
Plus besoin de penser à tout, il suffit d'avoir beaucoup de données.
03:14
CA: And so, this has been key to the spectacular improvement
64
194757
3422
CA : Donc, cela a été la clé de l'amélioration spectaculaire
03:18
in power of self-driving cars.
65
198203
3064
dans les voitures autonomes.
03:21
I think you gave me an example.
66
201291
1739
Je pense que vous m'avez donné un exemple.
03:23
Can you explain what's happening here?
67
203054
2685
Pouvez-vous expliquer comment cela fonctionne ?
03:25
ST: This is a drive of a self-driving car
68
205763
3564
ST : C'est le trajet d'un véhicule autonome
03:29
that we happened to have at Udacity
69
209351
1957
que nous avons conçu à Udacity
récemment transformée en un spin-off appelé Voyage.
03:31
and recently made into a spin-off called Voyage.
70
211332
2398
03:33
We have used this thing called deep learning
71
213754
2574
Nous avons utilisé ce qu'on appelle l'apprentissage profond
03:36
to train a car to drive itself,
72
216352
1623
pour lui apprendre à se conduire seule.
03:37
and this is driving from Mountain View, California,
73
217999
2387
Elle l'a fait, depuis Mountain View, en Californie,
03:40
to San Francisco
74
220410
1168
jusqu'à San Francisco
03:41
on El Camino Real on a rainy day,
75
221602
2259
sur El Camino Real par temps de pluie,
03:43
with bicyclists and pedestrians and 133 traffic lights.
76
223885
3524
avec des cyclistes, des piétons et 133 feux de circulation.
03:47
And the novel thing here is,
77
227433
2636
La nouveauté, c'est que,
03:50
many, many moons ago, I started the Google self-driving car team.
78
230093
3120
dans le passé, j'ai lancé l'équipe véhicule autonome de Google
03:53
And back in the day, I hired the world's best software engineers
79
233237
3181
et pour cela, j'ai engagé les meilleurs ingénieurs logiciels mondiaux
03:56
to find the world's best rules.
80
236442
1607
pour trouver les meilleures règles.
03:58
This is just trained.
81
238073
1754
Là, nous l'avons juste entraînée.
03:59
We drive this road 20 times,
82
239851
3336
Nous avons pris cette route 20 fois,
04:03
we put all this data into the computer brain,
83
243211
2447
on a mis les données dans le cerveau de l'ordinateur,
04:05
and after a few hours of processing,
84
245682
2082
et après quelques heures de calculs,
04:07
it comes up with behavior that often surpasses human agility.
85
247788
3926
il est arrivé avec un comportement qui surpasse l'agilité humaine.
04:11
So it's become really easy to program it.
86
251738
2017
C'est beaucoup plus facile à programmer.
04:13
This is 100 percent autonomous, about 33 miles, an hour and a half.
87
253779
3803
C'est 100% autonome, près de 53 km, une heure et demie.
04:17
CA: So, explain it -- on the big part of this program on the left,
88
257606
3630
CA : Bon, expliquez ceci -- sur la grande partie de ce programme à gauche,
04:21
you're seeing basically what the computer sees as trucks and cars
89
261260
3257
nous voyons ce que voit l'ordinateur comme les camions, les autos
04:24
and those dots overtaking it and so forth.
90
264541
2886
et tous ces points qui les rattrapent et ainsi de suite.
04:27
ST: On the right side, you see the camera image, which is the main input here,
91
267451
3762
ST : A droite, on voit l'image de la caméra, qui est la source principale ici,
04:31
and it's used to find lanes, other cars, traffic lights.
92
271237
2676
pour voir les lignes, les véhicules, les feux.
04:33
The vehicle has a radar to do distance estimation.
93
273937
2489
Le véhicule a un radar pour estimer les distances.
04:36
This is very commonly used in these kind of systems.
94
276450
2621
Ils sont souvent utilisés dans ce genre de systèmes.
04:39
On the left side you see a laser diagram,
95
279095
1992
Sur la gauche, on voit un diagramme laser,
04:41
where you see obstacles like trees and so on depicted by the laser.
96
281111
3200
où l'on voit des obstacles tels les arbres représentés par le laser.
04:44
But almost all the interesting work is centering on the camera image now.
97
284335
3436
Mais l'effort principal porte sur l'image de la caméra.
04:47
We're really shifting over from precision sensors like radars and lasers
98
287795
3476
Nous passons de capteurs de précision comme les radars et les lasers
vers des capteurs banalisés à très bas coût.
04:51
into very cheap, commoditized sensors.
99
291295
1842
Une caméra coûte moins de 8 dollars.
04:53
A camera costs less than eight dollars.
100
293161
1987
04:55
CA: And that green dot on the left thing, what is that?
101
295172
2793
CA : Et ce point vert à gauche, qu'est-ce que c'est ?
04:57
Is that anything meaningful?
102
297989
1371
C'est important ?
04:59
ST: This is a look-ahead point for your adaptive cruise control,
103
299384
3668
ST : C'est un point de vue anticipé pour le régulateur de vitesse,
05:03
so it helps us understand how to regulate velocity
104
303076
2477
qui nous aide à comprendre comment réguler la vitesse
05:05
based on how far the cars in front of you are.
105
305577
2634
en fonction de la distance de la voiture devant vous.
05:08
CA: And so, you've also got an example, I think,
106
308235
2716
CA : Donc, vous avez aussi un exemple, je pense,
05:10
of how the actual learning part takes place.
107
310975
2381
de la façon dont la partie d'apprentissage a lieu.
05:13
Maybe we can see that. Talk about this.
108
313380
2458
On peut peut-être parler de cela ?
05:15
ST: This is an example where we posed a challenge to Udacity students
109
315862
3643
ST : C'est un exemple de challenge proposé aux étudiants d'Udacity
05:19
to take what we call a self-driving car Nanodegree.
110
319529
3131
qui suivent notre « Nano Diplôme » de véhicule autonome.
05:22
We gave them this dataset
111
322684
1495
On leur donne ce jeu de données
05:24
and said "Hey, can you guys figure out how to steer this car?"
112
324203
3054
en leur demandant « Trouvez comment conduire cette auto ».
05:27
And if you look at the images,
113
327281
1624
Si vous regardez les images,
05:28
it's, even for humans, quite impossible to get the steering right.
114
328929
4073
c'est, même pour les humains, quasi-impossible de conduire correctement.
05:33
And we ran a competition and said, "It's a deep learning competition,
115
333026
3591
On a organisé une compétition d'apprentissage profond,
05:36
AI competition,"
116
336641
1173
une compétition d'IA,
05:37
and we gave the students 48 hours.
117
337838
1887
et on a donné 48 heures aux étudiants.
05:39
So if you are a software house like Google or Facebook,
118
339749
4172
Pour une entreprise de logiciels telle que Google et Facebook,
05:43
something like this costs you at least six months of work.
119
343945
2717
un tel projet peut prendre au moins six mois de travail.
05:46
So we figured 48 hours is great.
120
346686
2202
On s'est dit 48 heures serait super.
05:48
And within 48 hours, we got about 100 submissions from students,
121
348912
3467
En 48 heures, nous avons reçu 100 soumissions d'étudiants,
05:52
and the top four got it perfectly right.
122
352403
3370
et les quatre premiers ont parfaitement réussi.
05:55
It drives better than I could drive on this imagery,
123
355797
2640
Elle conduit mieux que je pourrais le faire sur ces images,
05:58
using deep learning.
124
358461
1189
avec l'apprentissage profond.
05:59
And again, it's the same methodology.
125
359674
1799
C'est encore la même méthodologie.
06:01
It's this magical thing.
126
361497
1164
C'est une chose magique.
06:02
When you give enough data to a computer now,
127
362685
2085
Si un ordinateur a suffisamment de données
06:04
and give enough time to comprehend the data,
128
364794
2140
et suffisamment de temps pour comprendre,
06:06
it finds its own rules.
129
366958
1445
il trouve ses propres règles.
06:09
CA: And so that has led to the development of powerful applications
130
369339
4845
CA : Cela a mené au développement d'applications puissantes
06:14
in all sorts of areas.
131
374208
1525
dans toutes sortes de domaines.
06:15
You were talking to me the other day about cancer.
132
375757
2668
Vous me parliez l'autre jour du cancer.
06:18
Can I show this video?
133
378449
1189
Puis-je montrer cette vidéo ?
06:19
ST: Yeah, absolutely, please. CA: This is cool.
134
379662
2354
ST : Oui, bien sûr, allez-y. CA : Merci.
06:22
ST: This is kind of an insight into what's happening
135
382040
3534
ST : C'est une sorte d'aperçu de ce qui se passe
06:25
in a completely different domain.
136
385598
2429
dans un domaine complètement différent.
06:28
This is augmenting, or competing --
137
388051
3752
Ceci augmente, ou concurrence
06:31
it's in the eye of the beholder --
138
391827
1749
-- selon le point de vue --
06:33
with people who are being paid 400,000 dollars a year,
139
393600
3454
des personnes qui sont payées 400 000 $ par an,
06:37
dermatologists,
140
397078
1237
les dermatologues,
06:38
highly trained specialists.
141
398339
1983
des spécialistes entraînés.
06:40
It takes more than a decade of training to be a good dermatologist.
142
400346
3561
Cela prend plus de 10 ans pour devenir un bon dermatologue.
06:43
What you see here is the machine learning version of it.
143
403931
3196
Ce que vous voyez ici en est la version « machine learning ».
06:47
It's called a neural network.
144
407151
1841
Cela s'appelle un réseau neuronal.
06:49
"Neural networks" is the technical term for these machine learning algorithms.
145
409016
3742
« Réseau neuronal » est le terme technique pour ces algorithmes d'apprentissage.
06:52
They've been around since the 1980s.
146
412782
1789
Ils sont là depuis les années 80.
06:54
This one was invented in 1988 by a Facebook Fellow called Yann LeCun,
147
414595
4640
Celui-ci a été inventé en 1988 par un camarade de Facebook appelé Yann LeCun,
06:59
and it propagates data stages
148
419259
3558
et il propage les données par étape
07:02
through what you could think of as the human brain.
149
422841
2578
à travers ce qui s'apparente à un cerveau humain.
07:05
It's not quite the same thing, but it emulates the same thing.
150
425443
2966
Ce n'est pas la même chose, mais il simule la même chose.
07:08
It goes stage after stage.
151
428433
1302
Il procède étape par étape.
07:09
In the very first stage, it takes the visual input and extracts edges
152
429759
3637
Dans la première étape, il prend le visuel et extrait les contours
07:13
and rods and dots.
153
433420
2612
et les barres et points.
07:16
And the next one becomes more complicated edges
154
436056
3037
Les contours de l'image deviennent plus complexes,
07:19
and shapes like little half-moons.
155
439117
3191
avec des formes comme des demi-lunes.
07:22
And eventually, it's able to build really complicated concepts.
156
442332
4443
Finalement, il est capable de construire des concepts très compliqués.
07:26
Andrew Ng has been able to show
157
446799
2048
Andrew Ng a été en mesure de montrer
07:28
that it's able to find cat faces and dog faces
158
448871
3480
que l'on peut trouver des têtes de chat et de chien
07:32
in vast amounts of images.
159
452375
1661
parmi de nombreuses images.
07:34
What my student team at Stanford has shown is that
160
454060
2724
Ce que mes étudiants de Stanford ont montré, est que
07:36
if you train it on 129,000 images of skin conditions,
161
456808
6073
si on l'entraîne sur 129 000 images de maladie de la peau,
07:42
including melanoma and carcinomas,
162
462905
2565
incluant les mélanomes et les carcinomes,
07:45
you can do as good a job
163
465494
3301
on peut faire un aussi bon travail
07:48
as the best human dermatologists.
164
468819
2197
que le meilleur dermatologue humain.
07:51
And to convince ourselves that this is the case,
165
471040
2549
Pour se convaincre que c'est le cas,
07:53
we captured an independent dataset that we presented to our network
166
473613
3990
on a pris un jeu de données indépendant que l'on a présenté à notre réseau
07:57
and to 25 board-certified Stanford-level dermatologists,
167
477627
4342
et à 25 dermatologues certifiés du niveau de Stanford
08:01
and compared those.
168
481993
1672
et on les a comparés.
08:03
And in most cases,
169
483689
1504
Dans la plupart des cas,
08:05
they were either on par or above the performance classification accuracy
170
485217
3875
il était au niveau ou au-dessus des performances de classifications
08:09
of human dermatologists.
171
489116
1467
des dermatologues humains.
08:10
CA: You were telling me an anecdote.
172
490607
1746
CA : Vous me racontiez une anecdote
08:12
I think about this image right here.
173
492377
1957
je pense que c'est cette image.
08:14
What happened here?
174
494358
1484
Que s'est-il passé ?
08:15
ST: This was last Thursday. That's a moving piece.
175
495866
4008
ST : C'était jeudi dernier. C'est émouvant.
08:19
What we've shown before and we published in "Nature" earlier this year
176
499898
3600
Nous avons montré et publié dans « Nature » cette année, la comparaison
08:23
was this idea that we show dermatologists images
177
503522
2484
du taux de réussite entre des dermatologues
et notre programme,
08:26
and our computer program images,
178
506030
1539
08:27
and count how often they're right.
179
507593
1627
pour identifier des mélanomes.
08:29
But all these images are past images.
180
509244
1778
Mais ces images viennent du passé.
08:31
They've all been biopsied to make sure we had the correct classification.
181
511046
3460
Toutes ont été biopsiées pour assurer une classification correcte.
08:34
This one wasn't.
182
514530
1172
Celle-ci ne l'était pas.
08:35
This one was actually done at Stanford by one of our collaborators.
183
515726
3179
Celle-ci a été faite par l'un de nos collaborateurs à Stanford.
08:38
The story goes that our collaborator,
184
518929
2314
Ce qui s'est passé, c'est que ce collaborateur,
08:41
who is a world-famous dermatologist, one of the three best, apparently,
185
521267
3391
qui est un dermatologue célèbre, l'un des trois meilleurs, apparemment,
08:44
looked at this mole and said, "This is not skin cancer."
186
524682
2935
regardait ce grain de beauté et disait : « Ce n'est pas un cancer. »
08:47
And then he had a second moment, where he said,
187
527641
2476
Puis, il a réfléchi, et il s'est dit :
08:50
"Well, let me just check with the app."
188
530141
1866
« Autant vérifier avec l'application. »
08:52
So he took out his iPhone and ran our piece of software,
189
532031
2699
Il a pris son iPhone et a lancé notre logiciel,
08:54
our "pocket dermatologist," so to speak,
190
534754
2121
notre « dermatologue de poche »,
08:56
and the iPhone said: cancer.
191
536899
2994
et l'iPhone a dit : « C'est un cancer. »
08:59
It said melanoma.
192
539917
1306
Il a reconnu un mélanome.
09:01
And then he was confused.
193
541849
1233
Le dermatologue était perplexe :
09:03
And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"
194
543106
4551
« Peut-être que j'ai un peu plus confiance dans l'iPhone qu'en moi-même »,
09:07
and he sent it out to the lab to get it biopsied.
195
547681
2735
et il envoya le tout au labo pour une biopsie.
09:10
And it came up as an aggressive melanoma.
196
550440
2469
Il s'est avéré que c'était un mélanome agressif.
09:13
So I think this might be the first time that we actually found,
197
553545
3067
Je pense que c'était la première fois que l'on a effectivement trouvé,
09:16
in the practice of using deep learning,
198
556636
2487
en utilisant des techniques d'apprentissage profond,
09:19
an actual person whose melanoma would have gone unclassified,
199
559147
3372
une personne ayant un mélanome qui aurait été non diagnostiqué,
09:22
had it not been for deep learning.
200
562543
2115
s'il n'y avait pas eu l'apprentissage profond.
09:24
CA: I mean, that's incredible.
201
564682
1560
CA : C'est incroyable !
09:26
(Applause)
202
566266
1769
(Applaudissements)
09:28
It feels like there'd be an instant demand for an app like this right now,
203
568059
3600
Mais s'il y avait une demande instantanée pour une telle application,
09:31
that you might freak out a lot of people.
204
571683
1966
cela pourrait effrayer beaucoup de gens.
09:33
Are you thinking of doing this, making an app that allows self-checking?
205
573673
3527
Pensez-vous rendre cet auto-diagnostic disponible ?
ST: Ma messagerie est inondée de questions à ce sujet,
09:37
ST: So my in-box is flooded about cancer apps,
206
577224
4973
09:42
with heartbreaking stories of people.
207
582221
2303
avec des histoires déchirantes de personnes,
09:44
I mean, some people have had 10, 15, 20 melanomas removed,
208
584548
3204
dont certaines avaient eu 10, 15 ou 20 mélanomes enlevés,
09:47
and are scared that one might be overlooked, like this one,
209
587776
3952
et étaient effrayés qu'un d'entre eux, comme celui-ci, passe inaperçu,
09:51
and also, about, I don't know,
210
591752
1741
et aussi, des demandes concernant
09:53
flying cars and speaker inquiries these days, I guess.
211
593517
2732
des autos volantes, ou de participation à des conférences.
09:56
My take is, we need more testing.
212
596273
2738
Selon moi, nous avons besoin de plus de tests.
09:59
I want to be very careful.
213
599449
1778
Je veux être très prudent.
10:01
It's very easy to give a flashy result and impress a TED audience.
214
601251
3666
C'est facile de publier des résultats tape-à-l’œil pour impressionner TED.
10:04
It's much harder to put something out that's ethical.
215
604941
2627
C'est plus dur de construire quelque chose d'éthique.
10:07
And if people were to use the app
216
607592
2394
Si les gens utilisent l'application
et choisissent de ne pas recourir à l'assistance d'un médecin
10:10
and choose not to consult the assistance of a doctor
217
610010
2797
10:12
because we get it wrong,
218
612831
1583
et que nous nous trompons,
10:14
I would feel really bad about it.
219
614438
1653
je me sentirais vraiment mal.
Nous conduisons des tests cliniques
10:16
So we're currently doing clinical tests,
220
616115
1925
et si ces tests se poursuivent, et que les données se tiennent,
10:18
and if these clinical tests commence and our data holds up,
221
618064
2798
10:20
we might be able at some point to take this kind of technology
222
620886
2990
on pourrait un jour utiliser ce type de technologie
10:23
and take it out of the Stanford clinic
223
623900
1892
et sortir de la clinique de Stanford,
10:25
and bring it to the entire world,
224
625816
1658
pour l'apporter au reste du monde,
10:27
places where Stanford doctors never, ever set foot.
225
627498
2456
dans des endroits où les docteurs de Stanford ne sont jamais allés.
10:30
CA: And do I hear this right,
226
630617
2580
CA : Est-ce que j'entends bien,
10:33
that it seemed like what you were saying,
227
633221
1966
il semble que vous disiez,
parce que vous travaillez avec cette armée d'étudiants d'Udacity,
10:35
because you are working with this army of Udacity students,
228
635211
4254
10:39
that in a way, you're applying a different form of machine learning
229
639489
3221
que vous appliquez une forme différente de « machine learning »
10:42
than might take place in a company,
230
642734
1735
que celle utilisée dans une entreprise,
10:44
which is you're combining machine learning with a form of crowd wisdom.
231
644493
3484
une combinaison d'apprentissage automatique et de sagesse de foule.
10:48
Are you saying that sometimes you think that could actually outperform
232
648001
3384
Pensez-vous que parfois vous pouvez surpasser
ce qu'une entreprise peut réaliser, même une très grande ?
10:51
what a company can do, even a vast company?
233
651409
2050
ST : Je crois qu'il y a des cas qui m'époustouflent,
10:53
ST: I believe there's now instances that blow my mind,
234
653483
2940
10:56
and I'm still trying to understand.
235
656447
1758
et j'essaie toujours de comprendre.
10:58
What Chris is referring to is these competitions that we run.
236
658229
3937
Ce à quoi Chris fait allusion, sont les compétitions que nous organisons.
11:02
We turn them around in 48 hours,
237
662190
2268
En environ 48 heures, nous avons réussi
11:04
and we've been able to build a self-driving car
238
664482
2252
à construire un véhicule autonome
11:06
that can drive from Mountain View to San Francisco on surface streets.
239
666758
3387
capable d'aller de Moutain View à San Francisco sur la route.
Ce n'est pas équivalent à Google, après 7 ans de développement,
11:10
It's not quite on par with Google after seven years of Google work,
240
670169
3584
11:13
but it's getting there.
241
673777
2528
mais cela s'en approche.
11:16
And it took us only two engineers and three months to do this.
242
676329
3084
Cela nous a pris deux ingénieurs et trois mois pour faire cela.
11:19
And the reason is, we have an army of students
243
679437
2856
La raison est que nous avons une armée d'étudiants
11:22
who participate in competitions.
244
682317
1850
qui participent à ces compétitions.
11:24
We're not the only ones who use crowdsourcing.
245
684191
2220
D'autres utilisent aussi le « crowdsourcing ».
11:26
Uber and Didi use crowdsource for driving.
246
686435
2223
Uber et Didi l'utilisent pour la conduite,
11:28
Airbnb uses crowdsourcing for hotels.
247
688682
2759
Airbnb l'utilise pour les hôtels.
11:31
There's now many examples where people do bug-finding crowdsourcing
248
691465
4007
Beaucoup d'entreprises font rechercher des bugs en « crowdsourcing »
ou pour le pliage de protéines, ou pour toutes sortes de projets.
11:35
or protein folding, of all things, in crowdsourcing.
249
695496
2804
11:38
But we've been able to build this car in three months,
250
698324
2915
On a été capable de construire cette voiture en trois mois,
11:41
so I am actually rethinking
251
701263
3655
donc je réfléchis en ce moment
11:44
how we organize corporations.
252
704942
2238
à organiser les entreprises.
11:47
We have a staff of 9,000 people who are never hired,
253
707204
4696
On a un effectif de 9 000 personnes qui ne sont jamais embauchées,
11:51
that I never fire.
254
711924
1308
qui ne sont jamais virées.
11:53
They show up to work and I don't even know.
255
713256
2362
Elles se vont travailler, je ne le sais même pas.
11:55
Then they submit to me maybe 9,000 answers.
256
715642
3058
Puis elles me soumettent peut-être 9 000 réponses.
11:58
I'm not obliged to use any of those.
257
718724
2176
Je ne suis pas obligé d'en utiliser une.
12:00
I end up -- I pay only the winners,
258
720924
1991
A la fin, je paye seulement les gagnants,
12:02
so I'm actually very cheapskate here, which is maybe not the best thing to do.
259
722939
3718
-- ce n'est pas très généreux, et peut-être pas la meilleure chose à faire.
12:06
But they consider it part of their education, too, which is nice.
260
726681
3185
Mais elles considèrent cela comme une part de leur formation.
12:09
But these students have been able to produce amazing deep learning results.
261
729890
4201
Mais ces étudiants ont été capables de produire des résultats extraordinaires
Donc oui, combiner capacités humaines et apprentissage machine est incroyable.
12:14
So yeah, the synthesis of great people and great machine learning is amazing.
262
734115
3861
CA : Gary Kasparov a dit lors du premier jour [de TED2017]
12:18
CA: I mean, Gary Kasparov said on the first day [of TED2017]
263
738000
2814
12:20
that the winners of chess, surprisingly, turned out to be two amateur chess players
264
740848
5412
que les vainqueurs aux échecs se sont avérés être deux joueurs amateurs
avec trois programmes informatiques médiocres ou médiocres-à-bons
12:26
with three mediocre-ish, mediocre-to-good, computer programs,
265
746284
5371
12:31
that could outperform one grand master with one great chess player,
266
751679
3163
qui pouvaient surpasser un grand maître
12:34
like it was all part of the process.
267
754866
1743
comme si cela faisait partie du processus.
12:36
And it almost seems like you're talking about a much richer version
268
756633
3335
C'est comme si vous parliez d'une version bien plus riche
12:39
of that same idea.
269
759992
1200
de la même idée.
ST : Oui, quand nous écoutions le fantastique panel hier matin,
12:41
ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,
270
761216
3857
ces deux sessions sur l'IA,
12:45
two sessions about AI,
271
765097
1994
12:47
robotic overlords and the human response,
272
767115
2167
la domination robotique et la réponse humaine,
12:49
many, many great things were said.
273
769306
1982
de très grandes choses ont été dites.
12:51
But one of the concerns is that we sometimes confuse
274
771312
2687
Le problème est que l'on confond parfois
12:54
what's actually been done with AI with this kind of overlord threat,
275
774023
4062
ce qui peut réellement être fait par l'IA avec cette sorte de menace de domination,
12:58
where your AI develops consciousness, right?
276
778109
3424
où votre IA développerait une conscience.
13:01
The last thing I want is for my AI to have consciousness.
277
781557
2971
La dernière chose que je veux est une IA consciente.
13:04
I don't want to come into my kitchen
278
784552
1716
Je ne veux pas aller dans ma cuisine
13:06
and have the refrigerator fall in love with the dishwasher
279
786292
4193
et trouver mon réfrigérateur, amoureux du lave-vaisselle,
13:10
and tell me, because I wasn't nice enough,
280
790509
2124
qui me dise que comme je ne suis pas gentil,
13:12
my food is now warm.
281
792657
1837
ma nourriture n'est plus au frais.
13:14
I wouldn't buy these products, and I don't want them.
282
794518
2891
Je n'achèterais pas ces produits et je n'en veux pas.
13:17
But the truth is, for me,
283
797825
1802
Mais à dire vrai, pour moi,
13:19
AI has always been an augmentation of people.
284
799651
2720
le rôle de l'IA a toujours été d'augmenter les capacités.
13:22
It's been an augmentation of us,
285
802893
1676
C'est une amélioration pour nous,
13:24
to make us stronger.
286
804593
1457
pour nous rendre plus forts.
13:26
And I think Kasparov was exactly correct.
287
806074
2831
Je pense que la remarque de Kasparov était très juste.
13:28
It's been the combination of human smarts and machine smarts
288
808929
3849
C'est la combinaison d'humains et de machines intelligents
13:32
that make us stronger.
289
812802
1464
qui nous rend plus forts.
13:34
The theme of machines making us stronger is as old as machines are.
290
814290
4587
Cette idée de machines nous rendant plus forts est aussi vieille que les machines.
13:39
The agricultural revolution took place because it made steam engines
291
819567
3758
La révolution agricole a eu lieu avec des machines à vapeur,
13:43
and farming equipment that couldn't farm by itself,
292
823349
2666
des équipements agricoles ne sachant pas cultiver seuls,
ils ne nous ont pas remplacés mais rendus plus forts.
13:46
that never replaced us; it made us stronger.
293
826039
2122
13:48
And I believe this new wave of AI will make us much, much stronger
294
828185
3738
Je pense que cette nouvelle génération d'IA nous rendra beaucoup plus forts
13:51
as a human race.
295
831947
1183
en tant que race humaine.
13:53
CA: We'll come on to that a bit more,
296
833765
1813
CA : Nous reviendrons là-dessus,
13:55
but just to continue with the scary part of this for some people,
297
835602
3671
mais juste pour rester sur la partie qui effraie certains,
13:59
like, what feels like it gets scary for people is when you have
298
839297
3558
cela peut être effrayant pour certains
14:02
a computer that can, one, rewrite its own code,
299
842879
4618
lorsqu'un ordinateur peut réécrire son propre code
14:07
so, it can create multiple copies of itself,
300
847521
3584
et qu'il peut créer de multiples copies de lui-même,
14:11
try a bunch of different code versions,
301
851129
1897
essayer différentes versions de son code,
14:13
possibly even at random,
302
853050
1775
peut-être même au hasard,
14:14
and then check them out and see if a goal is achieved and improved.
303
854849
3632
et vérifier plus tard si le but est atteint et amélioré.
14:18
So, say the goal is to do better on an intelligence test.
304
858505
3641
Donc, disons que le but est de faire mieux sur un test d'intelligence.
14:22
You know, a computer that's moderately good at that,
305
862170
3894
Pour un ordinateur modérément bon,
14:26
you could try a million versions of that.
306
866088
2509
vous pourriez essayer un million de versions de cela.
14:28
You might find one that was better,
307
868621
2090
Vous pourriez en trouver une meilleure,
14:30
and then, you know, repeat.
308
870735
2004
et alors, vous savez, vous répétez.
14:32
And so the concern is that you get some sort of runaway effect
309
872763
3040
Vous pourriez obtenir une sorte d'effet d'emballement
14:35
where everything is fine on Thursday evening,
310
875827
3008
où tout est correct le jeudi soir,
14:38
and you come back into the lab on Friday morning,
311
878859
2336
et vous revenez dans le labo le vendredi matin,
14:41
and because of the speed of computers and so forth,
312
881219
2449
et en raison de la vitesse des ordinateurs,
14:43
things have gone crazy, and suddenly --
313
883692
1903
les choses sont soudain devenues folles.
14:45
ST: I would say this is a possibility,
314
885619
2020
ST : Je dirais que c'est une possibilité,
14:47
but it's a very remote possibility.
315
887663
1916
mais une possibilité peu probable.
14:49
So let me just translate what I heard you say.
316
889603
3337
Laissez-moi traduire ce que vous venez de dire.
14:52
In the AlphaGo case, we had exactly this thing:
317
892964
2704
Dans le cas d'AlphaGo, nous avons exactement cela :
14:55
the computer would play the game against itself
318
895692
2315
l'ordinateur jouait le jeu contre lui-même
et apprenait de nouvelles règles.
14:58
and then learn new rules.
319
898031
1250
14:59
And what machine learning is is a rewriting of the rules.
320
899305
3235
Et l'apprentissage automatique est une réécriture des règles.
15:02
It's the rewriting of code.
321
902564
1769
C'est la réécriture du code.
15:04
But I think there was absolutely no concern
322
904357
2845
Mais je pense qu'il n'y a absolument aucun risque
15:07
that AlphaGo would take over the world.
323
907226
2426
qu'AlphaGo domine le monde.
15:09
It can't even play chess.
324
909676
1464
Il ne sait même pas jouer aux échecs.
15:11
CA: No, no, no, but now, these are all very single-domain things.
325
911164
5147
CA : Non, bien sûr, aujourd'hui ce sont des systèmes mono-domaines.
15:16
But it's possible to imagine.
326
916335
2879
Mais il est possible d'imaginer...
15:19
I mean, we just saw a computer that seemed nearly capable
327
919238
3089
Nous venons de voir un ordinateur qui semble presque capable
15:22
of passing a university entrance test,
328
922351
2655
de passer un test d'entrée universitaire.
15:25
that can kind of -- it can't read and understand in the sense that we can,
329
925030
3688
Ce genre de -- il ne peut lire et comprendre comme on le fait,
15:28
but it can certainly absorb all the text
330
928742
1987
mais il peut absorber tout le texte
15:30
and maybe see increased patterns of meaning.
331
930753
2899
et peut-être révéler des modèles qui ont du sens.
15:33
Isn't there a chance that, as this broadens out,
332
933676
3694
N'y a-t-il pas une chance qu'avec l'évolution de la technologie,
15:37
there could be a different kind of runaway effect?
333
937394
2466
il puisse y avoir un nouvel effet d'emballement ?
15:39
ST: That's where I draw the line, honestly.
334
939884
2078
ST : C'est là que je trace la frontière, honnêtement.
15:41
And the chance exists -- I don't want to downplay it --
335
941986
2643
C'est possible, je ne veux pas le minimiser,
15:44
but I think it's remote, and it's not the thing that's on my mind these days,
336
944653
3672
mais cela reste très faible, et pas d'actualité pour le moment
parce que je pense que la grande révolution est ailleurs.
15:48
because I think the big revolution is something else.
337
948349
2512
15:50
Everything successful in AI to the present date
338
950885
2922
Tous les succès de l'Intelligence Artificielle à ce jour
15:53
has been extremely specialized,
339
953831
2214
ont été extrêmement spécialisés,
15:56
and it's been thriving on a single idea,
340
956069
2489
et cela repose sur une seule idée,
15:58
which is massive amounts of data.
341
958582
2739
qui est cet incroyable volume de données.
16:01
The reason AlphaGo works so well is because of massive numbers of Go plays,
342
961345
4147
AlphaGo fonctionne si bien du fait de l'immense nombre de parties de go jouées
16:05
and AlphaGo can't drive a car or fly a plane.
343
965516
3255
et AlphaGo ne peut ni conduire une voiture ni piloter un avion.
16:08
The Google self-driving car or the Udacity self-driving car
344
968795
3031
La voiture autonome Google ou celle d'Udacity
16:11
thrives on massive amounts of data, and it can't do anything else.
345
971850
3240
repose sur un volume immense de données, et elle ne peut rien faire d'autre.
16:15
It can't even control a motorcycle.
346
975114
1727
Il ne peut pas conduire une moto.
16:16
It's a very specific, domain-specific function,
347
976865
2762
C'est une fonction très spécifique à un domaine donné,
16:19
and the same is true for our cancer app.
348
979651
1907
c'est pareil pour le cancer.
16:21
There has been almost no progress on this thing called "general AI,"
349
981582
3236
Il n'y a eu aucun progrès sur ce concept appelé « IA générale »,
16:24
where you go to an AI and say, "Hey, invent for me special relativity
350
984842
4000
où vous allez voir l'IA et dites : « Invente une théorie sur la relativité
16:28
or string theory."
351
988866
1666
ou sur la théorie des cordes. »
16:30
It's totally in the infancy.
352
990556
1931
C'est à un stade de balbutiement.
16:32
The reason I want to emphasize this,
353
992511
2127
La raison qui me pousse à souligner cela,
16:34
I see the concerns, and I want to acknowledge them.
354
994662
3838
c'est que je vois les craintes, et je veux les reconnaître.
16:38
But if I were to think about one thing,
355
998524
2886
Si je devais penser à une chose,
16:41
I would ask myself the question, "What if we can take anything repetitive
356
1001434
5563
je me poserais la question « Et si je pouvais prendre une tâche répétitive
16:47
and make ourselves 100 times as efficient?"
357
1007021
3473
et nous rendre 100 fois plus efficaces ? »
16:51
It so turns out, 300 years ago, we all worked in agriculture
358
1011170
4249
Il s'avère qu'il y a 300 ans, on était tous agriculteurs,
16:55
and did farming and did repetitive things.
359
1015443
2051
cultivait et faisait des tâches répétitives.
16:57
Today, 75 percent of us work in offices
360
1017518
2556
Aujourd'hui, 75% des personnes travaillent au bureau
17:00
and do repetitive things.
361
1020098
2124
à des tâches répétitives.
17:02
We've become spreadsheet monkeys.
362
1022246
2183
Nous sommes devenus des singes de tableurs.
17:04
And not just low-end labor.
363
1024453
2054
Et pas seulement le travail bas de gamme.
17:06
We've become dermatologists doing repetitive things,
364
1026531
2754
Les dermatologues font des tâches répétitives,
17:09
lawyers doing repetitive things.
365
1029309
1749
les avocats font des tâches répétitives.
17:11
I think we are at the brink of being able to take an AI,
366
1031082
3823
Je pense que nous sommes à un point où l'IA va pouvoir nous aider,
17:14
look over our shoulders,
367
1034929
1718
regarder par-dessus notre épaule,
17:16
and they make us maybe 10 or 50 times as effective in these repetitive things.
368
1036671
4058
et nous rendre 10 ou 50 fois plus efficaces pour ces tâches répétitives.
17:20
That's what is on my mind.
369
1040753
1275
C'est ce que je pense.
17:22
CA: That sounds super exciting.
370
1042052
2450
CA : Cela semble très excitant.
17:24
The process of getting there seems a little terrifying to some people,
371
1044526
3530
Le processus pour s'y rendre semble un peu terrifiant pour certains,
17:28
because once a computer can do this repetitive thing
372
1048080
3180
car une fois qu'un ordinateur peut faire des choses répétitives
17:31
much better than the dermatologist
373
1051284
3434
mieux qu'un dermatologue
17:34
or than the driver, especially, is the thing that's talked about
374
1054742
3230
ou qu'un chauffeur, par exemple, puisqu'on en parle beaucoup
17:37
so much now,
375
1057996
1290
en ce moment,
soudain des millions d'emplois disparaissent,
17:39
suddenly millions of jobs go,
376
1059310
1958
17:41
and, you know, the country's in revolution
377
1061292
2695
et le pays est en révolution
17:44
before we ever get to the more glorious aspects of what's possible.
378
1064011
4329
avant que nous n'atteignions l'aspect glorieux de ce qui est possible.
17:48
ST: Yeah, and that's an issue, and it's a big issue,
379
1068364
2517
ST : Oui, et c'est un problème, un problème important
17:50
and it was pointed out yesterday morning by several guest speakers.
380
1070905
4196
et il a été pointé hier matin par plusieurs orateurs.
17:55
Now, prior to me showing up onstage,
381
1075125
2754
Avant de monter sur scène,
17:57
I confessed I'm a positive, optimistic person,
382
1077903
3739
je confesse être positif et optimiste,
18:01
so let me give you an optimistic pitch,
383
1081666
2389
donc laissez-moi vous porter un discours optimiste,
18:04
which is, think of yourself back 300 years ago.
384
1084079
4795
qui est... Replongez-vous 300 ans en arrière.
18:08
Europe just survived 140 years of continuous war,
385
1088898
3996
L'Europe vient juste de survivre à 140 ans de guerre ininterrompue,
18:12
none of you could read or write,
386
1092918
1711
personne ne sait lire ou écrire,
18:14
there were no jobs that you hold today,
387
1094653
2945
les emplois que vous avez n'existent même pas,
18:17
like investment banker or software engineer or TV anchor.
388
1097622
4096
tel que banquier en investissement, ingénieur logiciel ou présentateur TV.
18:21
We would all be in the fields and farming.
389
1101742
2414
Nous serions tous aux champs à cultiver.
18:24
Now here comes little Sebastian with a little steam engine in his pocket,
390
1104180
3573
Voilà le petit Sebastian avec une petite machine à vapeur dans la poche,
18:27
saying, "Hey guys, look at this.
391
1107777
1548
disant : « Hé les gars, regardez ça.
18:29
It's going to make you 100 times as strong, so you can do something else."
392
1109349
3595
Cela va vous rendre 100 fois plus forts, et vous libérer du temps. »
18:32
And then back in the day, there was no real stage,
393
1112968
2470
Dans ces temps-là, il n'y avait pas de podium,
18:35
but Chris and I hang out with the cows in the stable,
394
1115462
2526
mais Chris et moi sommes dans l'étable avec les vaches,
18:38
and he says, "I'm really concerned about it,
395
1118012
2100
et il dit : « Je suis inquiet :
je trais ma vache tous les jours, et si la machine le fait pour moi ? »
18:40
because I milk my cow every day, and what if the machine does this for me?"
396
1120136
3652
18:43
The reason why I mention this is,
397
1123812
1702
La raison pour laquelle je le mentionne est...
18:46
we're always good in acknowledging past progress and the benefit of it,
398
1126360
3603
Nous voyons facilement le progrès passé et ses bénéfices,
18:49
like our iPhones or our planes or electricity or medical supply.
399
1129987
3354
comme les iPhone, les avions, l'électricité ou les médicaments.
18:53
We all love to live to 80, which was impossible 300 years ago.
400
1133365
4245
Nous allons tous vivre jusque 80 ans ce qui était impossible il y a 300 ans.
18:57
But we kind of don't apply the same rules to the future.
401
1137634
4156
Mais on n'applique pas les mêmes règles pour le futur.
19:02
So if I look at my own job as a CEO,
402
1142621
3207
Si je regarde à mon propre travail en tant que PDG,
19:05
I would say 90 percent of my work is repetitive,
403
1145852
3140
je dirais que 90% de mon travail est répétitif,
19:09
I don't enjoy it,
404
1149016
1351
je n'y prends pas de plaisir,
19:10
I spend about four hours per day on stupid, repetitive email.
405
1150391
3978
je passe près de 4 heures par jour sur des courriels répétitifs stupides.
19:14
And I'm burning to have something that helps me get rid of this.
406
1154393
3641
J'ai hâte d'avoir quelque chose qui m'aide à me débarrasser de ces tâches.
19:18
Why?
407
1158058
1158
Pourquoi ?
19:19
Because I believe all of us are insanely creative;
408
1159240
3003
Parce que je crois que nous sommes follement créatifs,
19:22
I think the TED community more than anybody else.
409
1162731
3194
la communauté TED plus que n'importe quelle autre.
19:25
But even blue-collar workers; I think you can go to your hotel maid
410
1165949
3559
Mais aussi les cols bleus : vous pouvez aller voir votre femme de chambre
19:29
and have a drink with him or her,
411
1169532
2402
et boire un verre avec elle,
19:31
and an hour later, you find a creative idea.
412
1171958
2717
et une heure après, vous trouverez une idée créative.
19:34
What this will empower is to turn this creativity into action.
413
1174699
4140
Ce que cela va permettre est de transformer cette créativité en action.
19:39
Like, what if you could build Google in a day?
414
1179265
3442
Comme par exemple, si on pouvait construire Google en un jour ?
19:43
What if you could sit over beer and invent the next Snapchat,
415
1183221
3316
Si on pouvait, assis autour d'une bière, inventer le prochain Snapchat,
19:46
whatever it is,
416
1186561
1165
quoi que que ce soit,
19:47
and tomorrow morning it's up and running?
417
1187750
2187
et que cela marche demain matin ?
19:49
And that is not science fiction.
418
1189961
1773
Ce n'est pas de la science-fiction.
19:51
What's going to happen is,
419
1191758
1254
Ce qui va se passer est que
19:53
we are already in history.
420
1193036
1867
nous sommes déjà dans l'histoire.
19:54
We've unleashed this amazing creativity
421
1194927
3228
On a libéré cette étonnante créativité
en se libérant de l'agriculture
19:58
by de-slaving us from farming
422
1198179
1611
19:59
and later, of course, from factory work
423
1199814
3363
et plus tard, du travail en usine,
20:03
and have invented so many things.
424
1203201
3162
et on a inventé tant de choses.
20:06
It's going to be even better, in my opinion.
425
1206387
2178
Cela va être encore mieux, selon moi.
20:08
And there's going to be great side effects.
426
1208589
2072
Il va y avoir de grands effets secondaires.
20:10
One of the side effects will be
427
1210685
1489
Un des effets de bord sera que
20:12
that things like food and medical supply and education and shelter
428
1212198
4795
les choses comme la nourriture, les médicaments, l'éducation, le logement
20:17
and transportation
429
1217017
1177
et le transport
20:18
will all become much more affordable to all of us,
430
1218218
2441
seront plus abordables pour nous tous,
20:20
not just the rich people.
431
1220683
1322
pas seulement les gens riches.
20:22
CA: Hmm.
432
1222029
1182
CA : Hum.
20:23
So when Martin Ford argued, you know, that this time it's different
433
1223235
4341
Donc quand Martin Ford argumente que cette fois c'est différent
20:27
because the intelligence that we've used in the past
434
1227600
3453
car l'intelligence employée dans le passé
20:31
to find new ways to be
435
1231077
2483
pour trouver de nouvelles façons d'être
20:33
will be matched at the same pace
436
1233584
2279
sera égalée au même rythme
20:35
by computers taking over those things,
437
1235887
2291
que les ordinateurs qui prennent en charge cela,
20:38
what I hear you saying is that, not completely,
438
1238202
3078
vous dites, vous, non, pas complétement
20:41
because of human creativity.
439
1241304
2951
en raison de la créativité des humains.
20:44
Do you think that that's fundamentally different from the kind of creativity
440
1244279
3785
Pensez-vous que c'est fondamentalement différent de la créativité
20:48
that computers can do?
441
1248088
2696
que les ordinateurs peuvent avoir ?
20:50
ST: So, that's my firm belief as an AI person --
442
1250808
4434
ST : C'est ce que je crois vraiment en tant qu'expert de l'IA --
20:55
that I haven't seen any real progress on creativity
443
1255266
3803
je n'ai pas réellement vu de progrès en créativité
20:59
and out-of-the-box thinking.
444
1259949
1407
ou en pensée créative.
21:01
What I see right now -- and this is really important for people to realize,
445
1261380
3623
Ce que je vois maintenant, et c'est important pour les gens de le réaliser,
car ce terme « intelligence artificielle » est alarmant
21:05
because the word "artificial intelligence" is so threatening,
446
1265027
2903
21:07
and then we have Steve Spielberg tossing a movie in,
447
1267954
2523
et soudain Steven Spielberg nous jette dans un film,
où tout à coup l'ordinateur domine l'humanité,
21:10
where all of a sudden the computer is our overlord,
448
1270501
2413
21:12
but it's really a technology.
449
1272938
1452
mais c'est juste de la technologie.
21:14
It's a technology that helps us do repetitive things.
450
1274414
2982
C'est une technologie qui nous aide à faire des tâches répétitives.
21:17
And the progress has been entirely on the repetitive end.
451
1277420
2913
Et les progrès ont été faits sur ces tâches répétitives.
21:20
It's been in legal document discovery.
452
1280357
2228
Dans la découverte des documents légaux.
21:22
It's been contract drafting.
453
1282609
1680
Dans l'élaboration de contrats.
21:24
It's been screening X-rays of your chest.
454
1284313
4223
Dans l'interprétation de radios des poumons.
21:28
And these things are so specialized,
455
1288560
1773
Ces choses sont si spécialisées,
21:30
I don't see the big threat of humanity.
456
1290357
2391
que je ne vois pas la grande menace pour l'humanité.
21:32
In fact, we as people --
457
1292772
1794
En fait, nous en tant qu'humains,
21:34
I mean, let's face it: we've become superhuman.
458
1294590
2385
avouons-le, nous devenons super-humains.
21:36
We've made us superhuman.
459
1296999
1764
Nous sommes devenus super-humains.
21:38
We can swim across the Atlantic in 11 hours.
460
1298787
2632
Nous pouvons traverser l'Atlantique à la nage en 11 heures.
21:41
We can take a device out of our pocket
461
1301443
2074
Nous pouvons sortir un équipement de notre poche
21:43
and shout all the way to Australia,
462
1303541
2147
et crier jusqu'en en Australie,
21:45
and in real time, have that person shouting back to us.
463
1305712
2600
et en temps réel, la personne peut nous répondre.
21:48
That's physically not possible. We're breaking the rules of physics.
464
1308336
3624
C'est physiquement impossible. Nous brisons les règles de la physique.
21:51
When this is said and done, we're going to remember everything
465
1311984
2943
Quand cela sera dit et fait, nous nous rappellerons de tout
21:54
we've ever said and seen,
466
1314951
1213
ce qui a été dit et fait,
21:56
you'll remember every person,
467
1316188
1496
nous nous souviendrons de tous,
21:57
which is good for me in my early stages of Alzheimer's.
468
1317708
2626
ce qui est une bonne chose avec mes débuts d'Alzheimer.
22:00
Sorry, what was I saying? I forgot.
469
1320358
1677
Désolé, je disais ? J'ai oublié.
22:02
CA: (Laughs)
470
1322059
1578
CA : (Rires)
22:03
ST: We will probably have an IQ of 1,000 or more.
471
1323661
3077
ST : Nous allons probablement avoir un QI de 1 000 et plus.
22:06
There will be no more spelling classes for our kids,
472
1326762
3425
Il n'y aura plus de cours d'orthographe pour nos enfants,
22:10
because there's no spelling issue anymore.
473
1330211
2086
car il n'y aura plus de problèmes d'orthographe.
22:12
There's no math issue anymore.
474
1332321
1832
Plus de problèmes de maths.
22:14
And I think what really will happen is that we can be super creative.
475
1334177
3510
Je pense que ce qui va se passer est que l'on va devenir super créatifs.
22:17
And we are. We are creative.
476
1337711
1857
On l'est. On est super créatifs.
22:19
That's our secret weapon.
477
1339592
1552
C'est notre arme secrète.
22:21
CA: So the jobs that are getting lost,
478
1341168
2153
CA : Donc les emplois perdus,
22:23
in a way, even though it's going to be painful,
479
1343345
2494
dans un sens, même si cela est douloureux,
22:25
humans are capable of more than those jobs.
480
1345863
2047
les humains sont capables de plus que ces emplois.
22:27
This is the dream.
481
1347934
1218
C'est le rêve.
22:29
The dream is that humans can rise to just a new level of empowerment
482
1349176
4247
Le rêve est que les humains puissent s'élever à un nouveau niveau d'autonomie
22:33
and discovery.
483
1353447
1657
et de découverte.
22:35
That's the dream.
484
1355128
1452
C'est le rêve.
22:36
ST: And think about this:
485
1356604
1643
ST: Pensez à cela :
22:38
if you look at the history of humanity,
486
1358271
2021
si on regarde l'histoire de l'humanité,
22:40
that might be whatever -- 60-100,000 years old, give or take --
487
1360316
3328
qui peut avoir, à peu près, 60-100 000 ans,
22:43
almost everything that you cherish in terms of invention,
488
1363668
3726
presque tout ce que l'on peut chérir comme inventions,
22:47
of technology, of things we've built,
489
1367418
2151
comme technologies, ces choses qu'on a créées,
22:49
has been invented in the last 150 years.
490
1369593
3099
l'ont été dans les 150 dernières années.
22:53
If you toss in the book and the wheel, it's a little bit older.
491
1373756
3048
Si on exclut le livre et la roue, qui sont un peu plus anciens.
22:56
Or the axe.
492
1376828
1169
Ou la hache.
22:58
But your phone, your sneakers,
493
1378021
2790
Mais le téléphone, les baskets,
23:00
these chairs, modern manufacturing, penicillin --
494
1380835
3551
ces chaises, la fabrication moderne, la pénicilline --
23:04
the things we cherish.
495
1384410
1714
tout ce que l'on chérit.
23:06
Now, that to me means
496
1386148
3658
Pour moi, cela signifie que
23:09
the next 150 years will find more things.
497
1389830
3041
nous découvrirons de nouvelles choses dans les 150 prochaines années
23:12
In fact, the pace of invention has gone up, not gone down, in my opinion.
498
1392895
4154
En fait, le rythme des inventions a augmenté et non diminué, selon moi.
23:17
I believe only one percent of interesting things have been invented yet. Right?
499
1397073
4905
Je crois que seulement 1% des choses intéressantes ont déjà été inventées.
23:22
We haven't cured cancer.
500
1402002
1988
On n'a pas soigné le cancer.
Nous n'avons pas de voitures volantes, pas encore. J'espère que je vais changer ça.
23:24
We don't have flying cars -- yet. Hopefully, I'll change this.
501
1404014
3718
23:27
That used to be an example people laughed about. (Laughs)
502
1407756
3257
C'était un exemple où les gens riaient. (Rires).
C'est drôle, non ? Travailler secrètement sur les voitures volantes.
23:31
It's funny, isn't it? Working secretly on flying cars.
503
1411037
2992
23:34
We don't live twice as long yet. OK?
504
1414053
2683
On ne vit pas encore deux fois plus longtemps.
23:36
We don't have this magic implant in our brain
505
1416760
2785
Nous n'avons pas cet implant magique dans le cerveau qui
23:39
that gives us the information we want.
506
1419569
1832
nous fournit l'information voulue.
23:41
And you might be appalled by it,
507
1421425
1526
Vous pourriez être consternés,
23:42
but I promise you, once you have it, you'll love it.
508
1422975
2444
mais je vous promets, vous l'aimerez quand vous l'aurez !
23:45
I hope you will.
509
1425443
1166
J'espère.
23:46
It's a bit scary, I know.
510
1426633
1909
C'est un peu effrayant, je sais.
23:48
There are so many things we haven't invented yet
511
1428566
2254
Il reste tant de choses à inventer
23:50
that I think we'll invent.
512
1430844
1268
et que l'on inventera.
On n'a pas de bouclier de gravité.
23:52
We have no gravity shields.
513
1432136
1306
On ne peut pas se téléporter.
23:53
We can't beam ourselves from one location to another.
514
1433466
2553
Ça a l'air ridicule,
23:56
That sounds ridiculous,
515
1436043
1151
mais il y a environ 200 ans,
23:57
but about 200 years ago,
516
1437218
1288
23:58
experts were of the opinion that flight wouldn't exist,
517
1438530
2667
des experts pensaient qu'on ne pourrait pas voler,
24:01
even 120 years ago,
518
1441221
1324
même il y a 120 ans,
24:02
and if you moved faster than you could run,
519
1442569
2582
et que si on allait plus vite que la vitesse de course,
24:05
you would instantly die.
520
1445175
1520
on mourrait instantanément.
24:06
So who says we are correct today that you can't beam a person
521
1446719
3569
Qui pourrait dire aujourd'hui qu'on ne peut pas téléporter une personne
24:10
from here to Mars?
522
1450312
2249
d'ici sur Mars ?
24:12
CA: Sebastian, thank you so much
523
1452585
1569
CA : Sebastian, merci beaucoup
24:14
for your incredibly inspiring vision and your brilliance.
524
1454178
2682
pour votre incroyable vision inspirante et votre génie.
24:16
Thank you, Sebastian Thrun.
525
1456884
1323
Merci. Sebastian Thrun.
24:18
That was fantastic. (Applause)
526
1458231
1895
C'était fantastique. (Applaudissements)
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