Can a computer write poetry? | Oscar Schwartz

89,886 views ・ 2016-02-10

TED


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

Traducteur: Morgane Quilfen Relecteur: Audrey Freudenreich
00:12
I have a question.
0
12881
1230
J'ai une question :
00:15
Can a computer write poetry?
1
15422
1943
un ordinateur peut-il écrire de la poésie ?
00:18
This is a provocative question.
2
18959
2077
C'est une question provocatrice.
00:21
You think about it for a minute,
3
21715
1718
Vous y réfléchissez un instant
00:23
and you suddenly have a bunch of other questions like:
4
23457
2590
et vous avez soudainement beaucoup d'autres questions :
00:26
What is a computer?
5
26769
1381
Qu'est-ce qu'un ordinateur ?
00:28
What is poetry?
6
28710
1575
Qu'est-ce que la poésie ?
00:30
What is creativity?
7
30707
1689
Qu'est-ce que la créativité ?
00:33
But these are questions
8
33650
1172
Mais ce sont des questions
00:34
that people spend their entire lifetime trying to answer,
9
34846
3070
auxquelles on réfléchit pendant toute une vie,
00:37
not in a single TED Talk.
10
37940
2224
pas juste pendant une conférence TED.
00:40
So we're going to have to try a different approach.
11
40188
2445
Nous allons essayer une autre approche.
00:42
So up here, we have two poems.
12
42657
2143
Là-haut, nous avons deux poèmes.
00:45
One of them is written by a human,
13
45839
2276
Un est écrit par un humain
00:48
and the other one's written by a computer.
14
48139
2102
et l'autre par un ordinateur.
00:50
I'm going to ask you to tell me which one's which.
15
50754
2410
Je vous demanderai de déterminer lequel est quoi.
00:53
Have a go:
16
53858
1156
Allons-y :
00:55
Poem 1: Little Fly / Thy summer's play, / My thoughtless hand / Has brush'd away.
17
55038
4056
Poème 1 : Petite mouche / Ton jeu d'été, / Mes mains irréfléchies / Ont écarté.
Ne suis-je pas/ Une mouche comme toi ?/ L'art n'est-il pas/ Un homme comme moi ?
00:59
Am I not / A fly like thee? / Or art not thou / A man like me?
18
59118
3394
01:02
Poem 2: We can feel / Activist through your life's / morning /
19
62536
3299
Poème 2 : Nous ressentons / Activiste durant le matin / De votre vie /
01:05
Pauses to see, pope I hate the / Non all the night to start a / great otherwise (...)
20
65859
4247
S'arrête pour voir, le pape que je hais le/ non toute la nuit pour commencer une/
géniale sinon (...)
01:10
Alright, time's up.
21
70130
1359
Temps écoulé.
01:11
Hands up if you think Poem 1 was written by a human.
22
71513
4096
Levez la main si vous pensez que le premier était écrit par un humain.
01:17
OK, most of you.
23
77547
1490
La plupart d'entre vous.
01:19
Hands up if you think Poem 2 was written by a human.
24
79061
3023
Et ceux qui pensent que le second était écrit par un humain ?
01:23
Very brave of you,
25
83172
1190
Courageux de votre part,
01:24
because the first one was written by the human poet William Blake.
26
84855
4285
car le premier a été écrit par le poète humain William Blake.
01:29
The second one was written by an algorithm
27
89784
2949
Le second a été écrit par un algorithme
01:32
that took all the language from my Facebook feed on one day
28
92757
3692
qui a pris tous les mots de mon fil d'actualités Facebook d'une journée
01:36
and then regenerated it algorithmically,
29
96473
2763
et l'a régénéré algorithmiquement
01:39
according to methods that I'll describe a little bit later on.
30
99260
3590
selon des méthodes que je décrirai un peu plus tard.
01:43
So let's try another test.
31
103218
2404
Essayons un autre test.
01:46
Again, you haven't got ages to read this,
32
106398
2093
Vous n'avez pas beaucoup de temps pour lire,
01:48
so just trust your gut.
33
108515
1612
faites confiance à votre instinct.
01:50
Poem 1: A lion roars and a dog barks. It is interesting / and fascinating
34
110151
4045
Poème 1 : Un lion rugit et un chien aboie. C'est intéressant / et fascinant
01:54
that a bird will fly and not / roar or bark. Enthralling stories about animals
35
114220
4303
qu'un oiseau s'envole et ne / rugisse ou n'aboie pas.
De passionnantes histoires d'animaux
01:58
are in my dreams and I will sing them all if I / am not exhausted or weary.
36
118547
4060
sont dans mes rêves et je les chanterai toutes si je /
ne suis pas épuisé ou fatigué.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate sodas! / You are really beautiful!
37
122631
3985
Poème 2 : Oh ! Kangourous, sequins, chocolat, sodas ! / Vous êtes très beaux !
02:06
Pearls, / harmonicas, jujubes, aspirins! All / the stuff they've always talked about (...)
38
126640
4358
Perles, / harmonicas, jujubes, aspirines ! Toutes / ces choses dont j'ai parlé (...)
02:11
Alright, time's up.
39
131022
1158
Temps écoulé.
02:12
So if you think the first poem was written by a human,
40
132204
3137
Levez votre main si vous pensez que le premier poème
02:15
put your hand up.
41
135365
1215
était écrit par un humain.
02:17
OK.
42
137687
1154
D'accord.
02:18
And if you think the second poem was written by a human,
43
138865
2675
Levez votre main si vous pensez que le second poème
02:21
put your hand up.
44
141564
1155
était écrit par un humain.
02:23
We have, more or less, a 50/50 split here.
45
143779
3810
Nous avons ici du 50-50.
02:28
It was much harder.
46
148157
1436
C'était plus difficile.
02:29
The answer is,
47
149617
1712
La réponse est :
02:31
the first poem was generated by an algorithm called Racter,
48
151353
3483
le premier poème a été généré par un algorithme du nom de Racter
02:34
that was created back in the 1970s,
49
154860
3002
qui a été créé dans les années 70
02:37
and the second poem was written by a guy called Frank O'Hara,
50
157886
3189
et le second poème a été écrit par Frank O'Hara,
02:41
who happens to be one of my favorite human poets.
51
161099
2668
qui s'avère être mon poète humain préféré.
02:44
(Laughter)
52
164631
3058
(Rires)
02:48
So what we've just done now is a Turing test for poetry.
53
168046
3228
Nous venons de faire un test de Turing pour la poésie.
02:52
The Turing test was first proposed by this guy, Alan Turing, in 1950,
54
172018
4547
Le test de Turing a été mis en place par Alan Turing en 1950
02:56
in order to answer the question,
55
176589
1564
afin de répondre à la question :
02:58
can computers think?
56
178177
1637
les ordinateurs peuvent-ils penser ?
03:00
Alan Turing believed that if a computer was able
57
180245
2770
Alan Turing croyait que si un ordinateur pouvait
03:03
to have a to have a text-based conversation with a human,
58
183039
3078
avoir une conversation textuelle avec un humain
03:06
with such proficiency such that the human couldn't tell
59
186141
2770
avec une telle compétence que l'humain ne puisse dire
03:08
whether they are talking to a computer or a human,
60
188935
2966
s'il parlait à un ordinateur ou à un humain,
03:11
then the computer can be said to have intelligence.
61
191925
2856
alors on pourrait dire que l'ordinateur a de l'intelligence.
03:15
So in 2013, my friend Benjamin Laird and I,
62
195270
3295
En 2013, mon ami, Benjamin Laird, et moi
03:18
we created a Turing test for poetry online.
63
198589
2988
avons créé en ligne un test de Turing pour la poésie.
03:21
It's called bot or not,
64
201601
1277
Cela s'appelle « bot or not »
03:22
and you can go and play it for yourselves.
65
202902
2044
et vous pouvez y jouer.
03:24
But basically, it's the game we just played.
66
204970
2251
C'est le jeu auquel nous venons de jouer.
03:27
You're presented with a poem,
67
207245
1528
On vous montre un poème,
03:28
you don't know whether it was written by a human or a computer
68
208797
3028
vous ne savez pas s'il a été écrit par un humain ou un ordinateur
03:31
and you have to guess.
69
211849
1166
et vous devez deviner.
03:33
So thousands and thousands of people have taken this test online,
70
213039
3191
Des milliers et des milliers de personnes ont fait ce test en ligne
03:36
so we have results.
71
216254
1449
et nous en avons les résultats.
03:37
And what are the results?
72
217727
1428
Quels sont les résultats ?
03:39
Well, Turing said that if a computer could fool a human
73
219704
2879
Turing a dit que si un ordinateur pouvait tromper un humain,
03:42
30 percent of the time that it was a human,
74
222607
3019
30% du temps et lui faire croire qu'il était un humain,
03:45
then it passes the Turing test for intelligence.
75
225650
2397
alors il passait le test de Turing pour l'intelligence.
03:48
We have poems on the bot or not database
76
228625
2438
Nous avons dans la base de données des poèmes
03:51
that have fooled 65 percent of human readers into thinking
77
231087
2979
qui ont trompé 65% des lecteurs humains
qui ont cru que le poème venait d'un humain.
03:54
it was written by a human.
78
234090
1395
03:55
So, I think we have an answer to our question.
79
235959
2817
Je pense que nous avons une réponse à notre question.
03:59
According to the logic of the Turing test,
80
239546
2348
D'après la logique du test de Turing :
04:01
can a computer write poetry?
81
241918
1928
un ordinateur peut-il écrire de la poésie ?
04:03
Well, yes, absolutely it can.
82
243870
2351
Absolument.
04:07
But if you're feeling a little bit uncomfortable
83
247782
2346
Mais si la réponse vous rend mal à l'aise,
04:10
with this answer, that's OK.
84
250152
1927
c'est normal.
04:12
If you're having a bunch of gut reactions to it,
85
252103
2316
Si vous avez des réactions instinctives,
04:14
that's also OK because this isn't the end of the story.
86
254443
3205
c'est aussi normal car ce n'est pas la fin de l'histoire.
04:18
Let's play our third and final test.
87
258594
2324
Faisons notre 3ème et dernier test.
04:22
Again, you're going to have to read
88
262000
1750
Vous allez à nouveau devoir lire
04:23
and tell me which you think is human.
89
263774
1909
et deviner l'origine du poème.
04:25
Poem 1: Red flags the reason for pretty flags. / And ribbons.
90
265707
3718
Poème 1 : Drapeaux rouges la raison pour de beaux drapeaux. / Et rubans.
04:29
Ribbons of flags / And wearing material / Reasons for wearing material. (...)
91
269449
4321
Rubans de drapeaux / Et matière portable / Des raisons de porter une matière. (...)
04:33
Poem 2: A wounded deer leaps highest, / I've heard the daffodil
92
273794
3918
Poème 2 : Un cerf blessé saute plus haut,/ J'ai entendu la jonquille
04:37
I've heard the flag to-day / I've heard the hunter tell; /
93
277736
3446
J'ai entendu le drapeau ce-jour / J'ai entendu dire le chasseur ; /
04:41
'Tis but the ecstasy of death, / And then the brake is almost done (...)
94
281206
3702
Ce n'est rien que l'extase de la mort, / Puis le frein est presque rompu. (...)
04:44
OK, time is up.
95
284932
1599
Temps écoulé.
04:46
So hands up if you think Poem 1 was written by a human.
96
286555
3837
Levez la main si vous pensez que le premier est d'un humain.
04:51
Hands up if you think Poem 2 was written by a human.
97
291973
3038
Levez la main si vous pensez que le second est d'un humain.
04:55
Whoa, that's a lot more people.
98
295035
2331
Il y a beaucoup plus de personnes.
04:58
So you'd be surprised to find that Poem 1
99
298327
2968
Vous serez surpris d'apprendre que le premier poème
05:01
was written by the very human poet Gertrude Stein.
100
301319
3993
a été écrit par la poètesse humaine Gertrude Stein.
05:06
And Poem 2 was generated by an algorithm called RKCP.
101
306100
5038
Et le second poème a été généré par l'algorithme RKCP.
05:11
Now before we go on, let me describe very quickly and simply,
102
311162
3319
Avant de continuer, je vais décrire rapidement et simplement
05:14
how RKCP works.
103
314505
1781
le fonctionnement de RKCP.
05:16
So RKCP is an algorithm designed by Ray Kurzweil,
104
316873
3850
RKCP est un algorithme créé par Ray Kurzweil,
05:20
who's a director of engineering at Google
105
320747
2222
qui est directeur de l'ingénierie chez Google
05:22
and a firm believer in artificial intelligence.
106
322993
2360
et un fervent croyant en l'intelligence artificielle.
05:25
So, you give RKCP a source text,
107
325822
3991
Vous donnez un texte source à RKCP,
05:29
it analyzes the source text in order to find out how it uses language,
108
329837
4469
il analyse le texte source afin de comprendre l'utilisation du langage,
05:34
and then it regenerates language
109
334330
1948
ensuite il régénère un langage
05:36
that emulates that first text.
110
336302
2528
qui imite ce premier texte.
05:38
So in the poem we just saw before,
111
338854
2113
Le poème que nous venons de voir,
05:40
Poem 2, the one that you all thought was human,
112
340991
2625
le second, qui était, selon vous, écrit par un humain,
05:43
it was fed a bunch of poems
113
343640
1550
a été nourri par un lot de poèmes
05:45
by a poet called Emily Dickinson
114
345214
2035
de la poètesse Emily Dickinson.
05:47
it looked at the way she used language,
115
347273
2189
Il a analysé son utilisation du langage,
05:49
learned the model,
116
349486
1165
a appris le modèle,
05:50
and then it regenerated a model according to that same structure.
117
350675
4258
puis généré un modèle suivant la même structure.
05:56
But the important thing to know about RKCP
118
356732
2178
Ce qu'il est important de savoir sur RKCP
05:58
is that it doesn't know the meaning of the words it's using.
119
358934
2838
est qu'il ne connaît pas le sens des mots qu'il emploie.
06:02
The language is just raw material,
120
362359
2276
La langue est une matière première,
06:04
it could be Chinese, it could be in Swedish,
121
364659
2160
cela pourrait être du chinois, du suédois,
06:06
it could be the collected language from your Facebook feed for one day.
122
366843
4179
ou encore les mots collectés sur votre fil d'actualités Facebook du jour.
06:11
It's just raw material.
123
371046
1652
C'est une matière première.
06:13
And nevertheless, it's able to create a poem
124
373380
2697
Et pourtant, il est capable de créer un poème
06:16
that seems more human than Gertrude Stein's poem,
125
376101
3327
qui semble plus humain que celui de Gertrude Stein,
06:19
and Gertrude Stein is a human.
126
379452
2153
et Gertude Stein est humaine.
06:22
So what we've done here is, more or less, a reverse Turing test.
127
382846
4072
Ce que nous avons fait est plus ou moins un test de Turing inversé.
06:27
So Gertrude Stein, who's a human, is able to write a poem
128
387940
5179
Gertrude Stein, qui est humaine, est capable d'écrire un poème
06:33
that fools a majority of human judges into thinking
129
393143
3738
qui fait croire à la majorité des juges humains
06:36
that it was written by a computer.
130
396905
1826
qu'il a été écrit par un ordinateur.
06:39
Therefore, according to the logic of the reverse Turing test,
131
399176
4141
Ainsi, selon la logique inverse du test de Turing,
06:43
Gertrude Stein is a computer.
132
403341
1916
Gertrude Stein est un ordinateur.
06:45
(Laughter)
133
405281
1462
(Rires)
06:47
Feeling confused?
134
407358
1294
Vous êtes perdus ?
06:49
I think that's fair enough.
135
409193
1515
Je pense que c'est normal.
06:51
So far we've had humans that write like humans,
136
411546
4116
Jusqu'ici nous avons eu des humains écrivant comme des humains,
06:55
we have computers that write like computers,
137
415686
3111
des ordinateurs écrivant comme des ordinateurs,
06:58
we have computers that write like humans,
138
418821
3055
des ordinateurs écrivant comme des humains,
07:01
but we also have, perhaps most confusingly,
139
421900
3632
mais nous avons aussi, et c'est le plus déroutant,
07:05
humans that write like computers.
140
425556
2375
des humains écrivant comme des ordinateurs.
07:08
So what do we take from all of this?
141
428938
1766
Que tirons-nous de cela ?
07:11
Do we take that William Blake is somehow more of a human
142
431611
3157
Que William Blake est, d'une façon, plus humain
07:14
than Gertrude Stein?
143
434792
1249
que Gertrude Stein ?
07:16
Or that Gertrude Stein is more of a computer than William Blake?
144
436065
3046
Ou que Gertrude Stein est plus ordinateur que William Blake ?
07:19
(Laughter)
145
439135
1552
(Rires)
07:20
These are questions I've been asking myself
146
440711
2323
Ce sont les questions que je me pose
07:23
for around two years now,
147
443058
1465
depuis environ deux ans,
07:24
and I don't have any answers.
148
444547
2309
et je n'ai aucune réponse.
07:26
But what I do have are a bunch of insights
149
446880
2330
Mais j'ai eu différents aperçus
07:29
about our relationship with technology.
150
449234
2534
de notre relation à la technologie.
07:32
So my first insight is that, for some reason,
151
452999
3609
La première chose est que, pour une raison quelconque,
07:36
we associate poetry with being human.
152
456632
3111
nous associons à la poésie au fait d'être humain.
07:40
So that when we ask, "Can a computer write poetry?"
153
460197
3715
Donc quand nous demandons si un ordinateur peut écrire de la poésie,
07:43
we're also asking,
154
463936
1193
nous demandons également
07:45
"What does it mean to be human
155
465153
1798
la signification du fait d'être humain
07:46
and how do we put boundaries around this category?
156
466975
3172
et comment délimiter cette catégorie.
07:50
How do we say who or what can be part of this category?"
157
470171
3658
Comment dire qui ou quoi fait partie de cette catégorie ?
07:54
This is an essentially philosophical question, I believe,
158
474376
3351
C'est une question essentiellement philosophique
07:57
and it can't be answered with a yes or no test,
159
477751
2229
qui n'admet pas une réponse grâce à un test binaire,
08:00
like the Turing test.
160
480004
1327
comme le test de Turing.
08:01
I also believe that Alan Turing understood this,
161
481805
3045
Je pense qu'Alan Turing comprenait cela
08:04
and that when he devised his test back in 1950,
162
484874
3305
quand il a conçu son test en 1950,
08:08
he was doing it as a philosophical provocation.
163
488203
2802
c'était une provocation philosophique.
08:13
So my second insight is that, when we take the Turing test for poetry,
164
493124
5541
La seconde chose est que, en passant le test de Turing pour la poésie,
08:18
we're not really testing the capacity of the computers
165
498689
3460
nous ne testons pas la capacité des ordinateurs,
08:22
because poetry-generating algorithms,
166
502173
2893
les algorithmes générant de la poésie
08:25
they're pretty simple and have existed, more or less, since the 1950s.
167
505090
4563
sont simples et existent depuis les années 50.
08:31
What we are doing with the Turing test for poetry, rather,
168
511055
3118
Ce que nous faisons est plutôt
08:34
is collecting opinions about what constitutes humanness.
169
514197
4615
de collecter des opinions sur la signification de l'humanité.
08:40
So, what I've figured out,
170
520313
2729
J'ai découvert que,
08:43
we've seen this when earlier today,
171
523066
2972
nous l'avons vu plus tôt,
08:46
we say that William Blake is more of a human
172
526062
2478
nous disions que William Blake est plus humain
08:48
than Gertrude Stein.
173
528564
1565
que Gertrude Stein.
08:50
Of course, this doesn't mean that William Blake
174
530153
2462
Bien sûr, cela ne veut pas dire que William Blake
08:52
was actually more human
175
532639
1828
est vraiment plus humain
08:54
or that Gertrude Stein was more of a computer.
176
534491
2327
ou que Gertrude Stein est plus un ordinateur.
08:57
It simply means that the category of the human is unstable.
177
537533
4714
Cela signifie que la catégorie de l'humain est instable.
09:03
This has led me to understand
178
543450
2074
Cela m'a permis de comprendre
09:05
that the human is not a cold, hard fact.
179
545548
2763
que l'humanité n'est pas une vérité rigide.
09:08
Rather, it is something that's constructed with our opinions
180
548832
3132
Mais est plutôt quelque chose qui se construit avec nos opinions
09:11
and something that changes over time.
181
551988
2855
et qui évolue dans le temps.
09:16
So my final insight is that the computer, more or less,
182
556671
4479
Finalement, je pense qu'un ordinateur fonctionne plus ou moins
09:21
works like a mirror that reflects any idea of a human
183
561174
4006
comme un miroir qui reflète l'idée de l'humain
09:25
that we show it.
184
565204
1375
que nous lui montrons.
09:26
We show it Emily Dickinson,
185
566958
1884
Nous lui montrons Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
568866
2321
il nous rend Emily Dickinson.
09:31
We show it William Blake,
187
571768
1834
Nous lui montrons William Blake,
09:33
that's what it reflects back to us.
188
573626
2285
il nous le reflète en retour.
09:35
We show it Gertrude Stein,
189
575935
1839
Nous lui montrons Gertrude Stein,
09:37
what we get back is Gertrude Stein.
190
577798
2470
nous récupérons Gertrude Stein.
09:41
More than any other bit of technology,
191
581083
2368
Plus que toute technologie,
09:43
the computer is a mirror that reflects any idea of the human we teach it.
192
583475
5165
l'ordinateur est un miroir
qui reflète l'idée de l'humanité que nous lui inculquons.
09:50
So I'm sure a lot of you have been hearing
193
590061
2287
Nombre d'entre vous ont dû récemment entendre
09:52
a lot about artificial intelligence recently.
194
592372
2862
parler énormément d'intelligence artificielle.
09:56
And much of the conversation is,
195
596694
2830
Et le cœur de la conversation est :
10:00
can we build it?
196
600292
1189
pouvons-nous la créer ?
10:02
Can we build an intelligent computer?
197
602383
3135
Pouvons-nous créer un ordinateur intelligent ?
10:05
Can we build a creative computer?
198
605542
2763
Pouvons-nous créer un ordinateur créatif ?
10:08
What we seem to be asking over and over
199
608329
2113
Ce que nous demandons sans cesse est :
10:10
is can we build a human-like computer?
200
610466
2724
pouvons-nous créer un ordinateur ressemblant à un humain ?
10:13
But what we've seen just now
201
613961
1556
Nous venons de voir
10:15
is that the human is not a scientific fact,
202
615541
3088
que l'humanité n'est pas un fait scientifique,
10:18
that it's an ever-shifting, concatenating idea
203
618653
3530
que c'est une concaténation d'idées qui change
10:22
and one that changes over time.
204
622207
2531
et évolue perpétuellement avec le temps.
10:24
So that when we begin to grapple with the ideas
205
624762
3152
Quand nous commençons à débattre de l'idée
10:27
of artificial intelligence in the future,
206
627938
2386
d'une intelligence artificielle dans le futur,
10:30
we shouldn't only be asking ourselves,
207
630348
1905
nous ne devrions pas juste nous demander
10:32
"Can we build it?"
208
632277
1368
si nous pouvons la créer
10:33
But we should also be asking ourselves,
209
633669
1894
mais nous devrions nous demander
10:35
"What idea of the human do we want to have reflected back to us?"
210
635587
3713
quelle idée de l'humain nous voulons refléter.
10:39
This is an essentially philosophical idea,
211
639820
2693
C'est une idée essentiellement philosophique,
10:42
and it's one that can't be answered with software alone,
212
642537
2997
qui ne peut trouver de réponse avec juste un logiciel
10:45
but I think requires a moment of species-wide, existential reflection.
213
645558
4977
mais qui requiert un moment de réflexion existentielle de notre part à tous.
10:51
Thank you.
214
651040
1153
Merci.
10:52
(Applause)
215
652217
2695
(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