The incredible inventions of intuitive AI | Maurice Conti

5,584,143 views ・ 2017-02-28

TED


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

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Traducteur: América Aguilera Relecteur: Aksay Lackoo
00:12
How many of you are creatives,
1
12555
2289
Combien d'entre vous sont des créateurs,
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
des stylistes, des ingénieurs, des entrepreneurs, des artistes,
00:18
or maybe you just have a really big imagination?
3
18516
2387
ou ont tout simplement beaucoup d'imagination ?
00:20
Show of hands? (Cheers)
4
20927
1848
Levez la main ? (Acclamation)
00:22
That's most of you.
5
22799
1181
La plupart d'entre vous.
00:25
I have some news for us creatives.
6
25154
2294
J'ai des nouvelles pour nous, les créateurs.
00:28
Over the course of the next 20 years,
7
28534
2573
Au cours des vingt prochaines années,
00:33
more will change around the way we do our work
8
33291
2973
il y aura plus de changements dans nos modes de travail
00:37
than has happened in the last 2,000.
9
37202
2157
que dans les 2 000 ans précédents.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
Je pense qu'on est à l'aube d'une nouvelle ère de l'histoire de l'humanité.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
Il y a eu quatre âges historiques majeurs définis par nos modes de travail.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
L'âge des chasseurs-cueilleurs a duré plusieurs millions d'années.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
Puis l'âge agricole a duré plusieurs milliers d'années.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
L'âge industriel s'est étendu sur deux siècles.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
Et maintenant l'âge de l'information n'a duré que quelques décennies.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
Et nous sommes à l'aube de notre prochain grand âge en tant qu'espèce.
01:13
Welcome to the Augmented Age.
17
73116
2680
Bienvenus dans l'âge augmenté.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
Dans cette nouvelle ère, vos capacités humaines naturelles seront augmentées
01:19
by computational systems that help you think,
19
79537
3068
par des systèmes informatiques qui vous aideront à penser,
01:22
robotic systems that help you make,
20
82629
2186
des systèmes robotiques qui aideront à construire,
01:24
and a digital nervous system
21
84839
1648
et un système nerveux central
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
qui vous reliera à un monde qui excède celui de vos sens naturels.
01:31
Let's start with cognitive augmentation.
23
91257
1942
Commençons par l'augmentation cognitive.
01:33
How many of you are augmented cyborgs?
24
93223
2200
Combien d'entre vous sont des cyborgs augmentés ?
01:35
(Laughter)
25
95953
2650
(Rires)
01:38
I would actually argue that we're already augmented.
26
98627
2821
Je soutiendrais en fait que nous sommes déjà augmentés.
01:42
Imagine you're at a party,
27
102108
1504
Disons que vous êtes à une fête
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
et qu'on vous pose une question à laquelle vous ne pouvez pas répondre.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
Si vous avez ça, en quelques secondes, vous avez la réponse.
01:51
But this is just a primitive beginning.
30
111689
2299
Mais c'est là un balbutiement primitif.
01:54
Even Siri is just a passive tool.
31
114683
3331
Même Siri n'est qu'un outil passif.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
En vérité, pendant trois millions et demi d'années,
02:01
the tools that we've had have been completely passive.
33
121885
3109
nos outils ont été complètement passifs.
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
Ils se contentent de faire ce qu'on leur dit de faire et rien de plus.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
Notre premier outil ne faisait que couper là où on frappait.
02:13
The chisel only carves where the artist points it.
36
133642
3040
Le ciseau ne sculpte que là où l'artiste l'applique.
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
Et même nos outils les plus avancés ne font rien sans instructions explicites.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
En fait, jusqu'à maintenant, et ça m'énerve vraiment,
02:26
we've always been limited
39
146033
1448
nous avons toujours été limités
02:27
by this need to manually push our wills into our tools --
40
147505
3501
par ce besoin de mettre nos désirs dans nos outils à la main,
02:31
like, manual, literally using our hands,
41
151030
2297
je veux dire, manuellement, en utilisant nos mains,
02:33
even with computers.
42
153351
1428
même avec les ordinateurs.
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
Je suis plus comme Scotty dans « Star Trek ».
02:38
(Laughter)
44
158379
1850
(Rires)
02:40
I want to have a conversation with a computer.
45
160253
2146
Je veux pouvoir parler avec un ordinateur.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
Je veux dire « Ordinateur, concevons une voiture »
02:45
and the computer shows me a car.
47
165417
1539
et il me montrerait une voiture.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
Et je dirais : « D'allure plus rapide et moins allemande »
02:49
and bang, the computer shows me an option.
49
169612
2163
et l'ordinateur me montre un choix possible.
02:51
(Laughter)
50
171799
1865
(Rires)
02:54
That conversation might be a little ways off,
51
174028
2306
Cette conversation n'est pas pour maintenant
02:56
probably less than many of us think,
52
176358
2665
et sans doute pour plus tôt qu'on ne croit,
02:59
but right now,
53
179047
1763
mais c'est maintenant
03:00
we're working on it.
54
180834
1151
que nous y travaillons.
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
Les outils sont en train de passer de la passivité à la capacité de création.
03:06
Generative design tools use a computer and algorithms
56
186651
3308
Les outils de conception générative utilisent ordinateur et algorithmes
03:09
to synthesize geometry
57
189983
2608
pour synthétiser la géométrie
03:12
to come up with new designs all by themselves.
58
192615
2754
et inventer de nouvelles conceptions tout seuls.
03:15
All it needs are your goals and your constraints.
59
195816
2748
Il leur faut seulement vos buts et vos restrictions.
03:18
I'll give you an example.
60
198588
1408
Je vous donne un exemple.
03:20
In the case of this aerial drone chassis,
61
200020
2788
Pour le châssis de ce drone,
03:22
all you would need to do is tell it something like,
62
202832
2626
tout ce que vous devez faire c'est lui dire, en gros,
03:25
it has four propellers,
63
205482
1273
il faut quatre hélices,
03:26
you want it to be as lightweight as possible,
64
206779
2131
et qu'il soit le plus léger possible,
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
et qu'il soit aérodynamique.
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
Ensuite, l'ordinateur examine toutes les possibilités :
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
chaque possibilité qui répond à vos critères
03:40
millions of them.
68
220117
1442
et il y en a des millions.
03:41
It takes big computers to do this.
69
221583
1975
L'ordinateur doit être énorme pour ça.
03:43
But it comes back to us with designs
70
223582
1955
Mais il nous présente des conceptions
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
que nous n'aurions jamais pu imaginer sans lui.
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
Et l'ordinateur trouve tout ça tout seul.
03:52
no one ever drew anything,
73
232082
1678
Personne n'a rien dessiné,
03:53
and it started completely from scratch.
74
233784
2086
et il a fait tout ça à partir de rien.
03:56
And by the way, it's no accident
75
236858
2387
Au fait, ce n'est pas un hasard
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
si le drone ressemble au pelvis d'un écureuil volant.
04:03
(Laughter)
77
243107
2007
(Rires)
04:05
It's because the algorithms are designed to work
78
245860
2302
C'est que les algorithmes sont conçus pour se comporter comme l'évolution.
04:08
the same way evolution does.
79
248186
1637
04:10
What's exciting is we're starting to see this technology
80
250535
2660
Et c'est génial qu'on commence à voir cette technologie
04:13
out in the real world.
81
253219
1159
dans la vraie vie.
04:14
We've been working with Airbus for a couple of years
82
254402
2452
Cela fait deux ans qu'on travaille avec Airbus
04:16
on this concept plane for the future.
83
256878
1909
sur cette idée d'avion du futur.
04:18
It's a ways out still.
84
258811
2070
Il faudra encore du temps.
04:20
But just recently we used a generative-design AI
85
260905
3780
Mais récemment nous avons utilisé un robot de conception générative
04:24
to come up with this.
86
264709
1807
pour créer ceci.
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
Cette cloison pour cabine imprimée en 3D a été conçue par un ordinateur.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
Elle est plus solide que la cloison initiale et pèse moitié moins.
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
Elle sera utilisée en vol dans l'Airbus A320 cette année.
04:39
So computers can now generate;
90
279225
1559
Les ordinateurs peuvent créer.
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
Ils peuvent apporter des solutions à nos problèmes bien définis.
04:46
But they're not intuitive.
92
286497
1310
Mais ils ne sont pas intuitifs.
04:47
They still have to start from scratch every single time,
93
287831
3086
Ils doivent recommencer du début à chaque fois
04:50
and that's because they never learn.
94
290941
2565
parce qu'ils n'apprennent jamais.
04:54
Unlike Maggie.
95
294188
1766
Pas comme Maggie.
04:55
(Laughter)
96
295978
1581
(Rires)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
Elle est plus intelligente que nos outils de conception les plus avancés.
05:01
What do I mean by that?
98
301287
1440
C'est-à-dire ?
05:02
If her owner picks up that leash,
99
302751
1590
Quand son maître prend sa laisse,
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
Maggie estime assez justement
05:06
it's time to go for a walk.
101
306457
1404
qu'elle va en promenade.
05:07
And how did she learn?
102
307885
1185
Comment a-t-elle appris ?
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
Chaque fois qu'il a pris sa laisse, la promenade a suivi.
05:12
And Maggie did three things:
104
312442
1878
Et Maggie a fait trois choses :
05:14
she had to pay attention,
105
314344
1869
elle a fait attention,
05:16
she had to remember what happened
106
316237
2082
elle s'est rappelée ce qui s'est passé
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
et elle a retenu cette succession d'événements.
05:23
Interestingly, that's exactly what
108
323249
2095
Tiens, tiens, c'est exactement ce que
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
les spécialistes tentent d'inculquer aux robots intelligents
05:27
for the last 60 or so years.
110
327915
1859
depuis 60 ans.
05:30
Back in 1952,
111
330503
1349
En 1952,
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
ils ont construit cet ordinateur qui pouvait jouer au morpion.
05:36
Big deal.
113
336901
1160
Super.
05:38
Then 45 years later, in 1997,
114
338849
3000
Et puis en 1997, 45 ans plus tard,
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
Deep Blue a battu Kasparov aux échecs.
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
En 2011, Watson a battu deux humains à Jeopardy,
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
ce qui est bien plus dur que les échecs pour un ordinateur.
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
Plutôt que d'utiliser des recettes prédéfinies,
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
Watson a dû réfléchir rationnellement pour gagner.
06:02
And then a couple of weeks ago,
120
362213
2439
Et il y a deux semaines,
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
AlphaGo de DeepMind a battu les meilleurs joueurs de go humains
06:08
which is the most difficult game that we have.
122
368962
2212
et le go est le jeu le plus difficile.
06:11
In fact, in Go, there are more possible moves
123
371198
2896
Il y a plus de mouvements possibles au jeu de go
06:14
than there are atoms in the universe.
124
374118
2024
que d'atomes dans l'univers.
06:18
So in order to win,
125
378030
1826
Donc pour gagner,
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
AlphaGo a dû développer son intuition.
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
Et en fait, à certains moments, ses programmeurs n'ont pas compris
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
les raisons derrière ses choix.
06:31
And things are moving really fast.
129
391271
1660
Et tout va très vite.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
Pensez donc... au cours d'une vie humaine,
06:36
computers have gone from a child's game
131
396206
2233
les ordinateurs, des jeux pour enfants,
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
sont passés à la pointe de la réflexion stratégique.
06:43
What's basically happening
133
403819
2417
Ce qui se produit en gros,
06:46
is computers are going from being like Spock
134
406260
3310
c'est que les ordinateurs, qui étaient comme Spock,
06:49
to being a lot more like Kirk.
135
409594
1949
deviennent Kirk.
06:51
(Laughter)
136
411567
3618
(Rires)
06:55
Right? From pure logic to intuition.
137
415209
3424
Pas vrai ? De la logique pure à l'intuition.
07:00
Would you cross this bridge?
138
420004
1743
Ça vous dirait de traverser ce pont ?
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
Vous avez l'air de dire « Ça va pas, non ? »
07:04
(Laughter)
140
424776
1308
(Rires)
07:06
And you arrived at that decision in a split second.
141
426108
2657
Et vous avez décidé ça en une fraction de seconde.
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
Vous saviez que le pont était dangereux.
07:11
And that's exactly the kind of intuition
143
431241
1989
Et c'est exactement ce genre d'intuition
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
que nos systèmes d'apprentissage avancé développent en ce moment.
07:17
Very soon, you'll literally be able
145
437542
1707
Bientôt, vous pourrez
07:19
to show something you've made, you've designed,
146
439273
2206
montrer quelque chose que vous avez conçu
07:21
to a computer,
147
441503
1153
à un ordinateur,
07:22
and it will look at it and say,
148
442680
1489
et il le regardera et dira :
07:24
"Sorry, homie, that'll never work. You have to try again."
149
444193
2823
« Désolé, mon pote, ça ne marchera jamais. Essaie encore. »
07:27
Or you could ask it if people are going to like your next song,
150
447674
3070
Ou vous pourrez lui demander si le public aimera votre prochaine chanson
07:31
or your next flavor of ice cream.
151
451593
2063
ou votre nouveau parfum de glace.
07:35
Or, much more importantly,
152
455369
2579
Ou, plus crucial encore,
07:37
you could work with a computer to solve a problem
153
457972
2364
on peut travailler ensemble à résoudre un problème
07:40
that we've never faced before.
154
460360
1637
encore jamais abordé.
07:42
For instance, climate change.
155
462021
1401
Comme le changement climatique.
07:43
We're not doing a very good job on our own,
156
463446
2020
Nous ne sommes pas très efficaces seuls
07:45
we could certainly use all the help we can get.
157
465490
2245
et nous allons avoir besoin d'aide.
07:47
That's what I'm talking about,
158
467759
1458
C'est ce que je veux dire,
07:49
technology amplifying our cognitive abilities
159
469241
2555
la technologie amplifie nos capacités cognitives
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
de sorte que nous pouvons imaginer et concevoir des choses impossibles
07:55
as plain old un-augmented humans.
161
475396
2559
avec nos capacités d'humains non augmentés.
07:59
So what about making all of this crazy new stuff
162
479804
2941
Et que dire de la production de ces produits fous
08:02
that we're going to invent and design?
163
482769
2441
que nous allons inventer et concevoir ?
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
Je pense que l'ère de l'humain augmenté concerne tout autant le monde physique
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
que le monde virtuel et intellectuel.
08:13
How will technology augment us?
166
493653
1921
Comment la technologie va-t-elle nous augmenter ?
08:16
In the physical world, robotic systems.
167
496081
2473
Dans le monde physique, par les systèmes robotiques.
08:19
OK, there's certainly a fear
168
499440
1736
Bon, il y a cette peur
08:21
that robots are going to take jobs away from humans,
169
501200
2488
des robots qui prendraient les jobs des humains
08:23
and that is true in certain sectors.
170
503712
1830
et c'est le cas dans certains secteurs.
08:25
But I'm much more interested in this idea
171
505994
2878
Mais ce qui m'intéresse plus, c'est l'idée
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
que robots et humains travaillant ensemble vont s'augmenter les uns les autres
08:33
and start to inhabit a new space.
173
513930
2058
et occuper un nouvel espace.
08:36
This is our applied research lab in San Francisco,
174
516012
2362
Voici notre labo de recherche appliquée à San Francisco
08:38
where one of our areas of focus is advanced robotics,
175
518398
3142
où l'un de nos domaines de recherche est la robotique avancée
08:41
specifically, human-robot collaboration.
176
521564
2511
et plus précisément la collaboration humain/robot.
08:44
And this is Bishop, one of our robots.
177
524854
2759
Et voici Bishop, l'un de nos robots.
08:47
As an experiment, we set it up
178
527637
1789
Dans une expérience, il devait
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
aider une personne à faire des tâches de construction répétitives
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
comme faire des trous pour des prises dans des plaques de plâtre.
08:58
(Laughter)
181
538022
2466
(Rires)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
Son partenaire humain peut lui dire quoi faire dans un anglais simple
09:04
and with simple gestures,
183
544832
1305
avec des gestes simples,
09:06
kind of like talking to a dog,
184
546161
1447
comme s'il parlait à un chien.
09:07
and then Bishop executes on those instructions
185
547632
2143
Et puis Bishop suit les instructions
09:09
with perfect precision.
186
549799
1892
avec une précision parfaite.
09:11
We're using the human for what the human is good at:
187
551715
2989
On utilise chez l'humain ce qu'il a d'efficace :
09:14
awareness, perception and decision making.
188
554728
2333
vigilance, perception et prise de décision.
09:17
And we're using the robot for what it's good at:
189
557085
2240
Et chez le robot, ce qu'il maîtrise mieux :
09:19
precision and repetitiveness.
190
559349
1748
la précision et la répétition.
09:22
Here's another cool project that Bishop worked on.
191
562072
2367
Voici un autre projet sympa avec Bishop.
09:24
The goal of this project, which we called the HIVE,
192
564463
3075
Le but du projet, qu'on a appelé le HIVE,
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
était de voir ce qui se passe quand humains, ordinateurs et robots
09:31
all working together to solve a highly complex design problem.
194
571437
3220
travaillent ensemble à résoudre un problème de conception complexe.
09:35
The humans acted as labor.
195
575613
1451
Les humains étaient la main d'œuvre
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
sur le site de construction, manipulaient le bambou,
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
le bambou qui est d'ailleurs, étant non isomorphe,
09:43
is super hard for robots to deal with.
198
583365
1874
très compliqué pour les robots.
09:45
But then the robots did this fiber winding,
199
585263
2022
Les robots ont fait cet enroulement de fibres
09:47
which was almost impossible for a human to do.
200
587309
2451
presqu'impossible à faire pour un humain.
09:49
And then we had an AI that was controlling everything.
201
589784
3621
Et une machine d'intelligence artificielle contrôlait le tout.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
Elle disait aux humains quoi faire, et aux robots,
09:56
and keeping track of thousands of individual components.
203
596743
2915
et surveillait des milliers de composants individuels.
09:59
What's interesting is,
204
599682
1180
Et surtout,
10:00
building this pavilion was simply not possible
205
600886
3141
construire ce pavillon était impossible
10:04
without human, robot and AI augmenting each other.
206
604051
4524
sans qu'humains, robots et machines intelligentes ne s'augmentent.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
Bon, je vais parler d'un autre projet. Celui-là est un peu fou.
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
Nous travaillons avec Joris Laarman, artiste d'Amsterdam, et son équipe à MX3D
10:17
to generatively design and robotically print
209
617546
2878
pour concevoir de manière générative et imprimer avec la robotique
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
le premier pont construit de façon autonome.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
Joris et une intelligence artificielle le conçoivent en ce moment
10:27
in Amsterdam.
212
627844
1172
à Amsterdam.
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
Quand ils auront fini, on appuiera sur « lancement »
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
et les robots se mettront à imprimer en 3D et en inox.
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
Et ils imprimeront toujours et encore sans intervention humaine
10:38
until the bridge is finished.
216
638027
1558
jusqu'à ce que le pont soit construit.
10:40
So, as computers are going to augment our ability
217
640919
2928
Les ordinateurs vont augmenter notre capacité
10:43
to imagine and design new stuff,
218
643871
2150
à imaginer et concevoir des nouveautés,
10:46
robotic systems are going to help us build and make things
219
646045
2895
et les systèmes robotiques vont nous aider à fabriquer des choses
10:48
that we've never been able to make before.
220
648964
2084
que nous n'avons jamais pu fabriquer.
10:52
But what about our ability to sense and control these things?
221
652167
4160
Qu'en est-il de notre capacité à percevoir et contrôler tout ça ?
10:56
What about a nervous system for the things that we make?
222
656351
4031
Et si les choses que nous fabriquons avaient un système nerveux central ?
11:00
Our nervous system, the human nervous system,
223
660406
2512
Notre système nerveux d'humains
11:02
tells us everything that's going on around us.
224
662942
2311
nous dit tout ce qu'il se passe autour de nous.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
Mais le système nerveux des choses que nous fabriquons est rudimentaire.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
Par exemple, une voiture ne dit pas au service municipal des voiries
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
qu'elle a roulé sur un nid-de-poule.
11:16
A building doesn't tell its designers
228
676455
2032
Un bâtiment ne dit pas à ses concepteurs
11:18
whether or not the people inside like being there,
229
678511
2684
si les gens à l'intérieur aiment y être
11:21
and the toy manufacturer doesn't know
230
681219
3010
et le fabricant de jouets ne sait pas
11:24
if a toy is actually being played with --
231
684253
2007
si on joue vraiment avec ce jouet,
11:26
how and where and whether or not it's any fun.
232
686284
2539
ni comment ni où et si c'est sympa.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
Je suis sûr que ses concepteurs avaient ça en tête pour Barbie
11:33
when they designed her.
234
693278
1224
quand ils l'ont conçue.
11:34
(Laughter)
235
694526
1447
(Rires)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
Et si Barbie était en fait très seule ?
11:38
(Laughter)
237
698927
3147
(Rires)
11:43
If the designers had known
238
703086
1288
Si les concepteurs savaient
11:44
what was really happening in the real world
239
704398
2107
ce qu'il se passe vraiment dans la vie
11:46
with their designs -- the road, the building, Barbie --
240
706529
2583
pour leurs créations (la route, le bâtiment, Barbie),
11:49
they could've used that knowledge to create an experience
241
709136
2694
ils pourraient utiliser ce savoir et créer une expérience
11:51
that was better for the user.
242
711854
1400
optimale pour l'utilisateur.
11:53
What's missing is a nervous system
243
713278
1791
Il manque un système nerveux central
11:55
connecting us to all of the things that we design, make and use.
244
715093
3709
qui nous connecte à tout ce que l'on conçoit, fabrique et utilise.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
Et si nous avions tous ce genre d'informations provenant
12:03
from the things you create in the real world?
246
723314
2183
des choses que nous créons dans la vie ?
12:07
With all of the stuff we make,
247
727252
1451
Pour vendre ce qu'on fabrique,
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
nous dépensons des montagnes d'argent et d'énergie
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
(deux mille milliards de dollars l'an passé)
12:13
convincing people to buy the things we've made.
250
733586
2854
à convaincre les gens d'acheter nos produits.
12:16
But if you had this connection to the things that you design and create
251
736464
3388
Si on avait cette connexion avec les choses qu'on invente
12:19
after they're out in the real world,
252
739876
1727
une fois qu'ils sont dans le monde,
12:21
after they've been sold or launched or whatever,
253
741627
3614
après leur achat ou leur mise en vente,
12:25
we could actually change that,
254
745265
1620
nous pourrions changer ça
12:26
and go from making people want our stuff,
255
746909
3047
et au lieu de convaincre les gens d'acheter nos produits,
12:29
to just making stuff that people want in the first place.
256
749980
3434
nous produirions ce que les gens veulent.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
Bonne nouvelle : nous travaillons sur des systèmes nerveux digitaux
12:36
that connect us to the things we design.
258
756249
2801
qui nous connectent à nos créations.
12:40
We're working on one project
259
760185
1627
Nous travaillons sur un projet
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
avec des gens de Los Angeles, les Bandito Brothers,
12:45
and their team.
261
765572
1407
et leur équipe.
12:47
And one of the things these guys do is build insane cars
262
767003
3433
Ils construisent notamment des voitures de fou
12:50
that do absolutely insane things.
263
770460
2873
qu font des trucs de fou.
12:54
These guys are crazy --
264
774725
1450
Ces mecs sont fous
12:56
(Laughter)
265
776199
1036
(Rires)
12:57
in the best way.
266
777259
1403
dans le bon sens du terme.
13:00
And what we're doing with them
267
780813
1763
Voilà ce qu'on fait avec eux :
13:02
is taking a traditional race-car chassis
268
782600
2440
on donne au châssis d'une voiture de course classique
13:05
and giving it a nervous system.
269
785064
1585
un système nerveux.
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
On l'a appareillé avec des dizaines de capteurs,
13:09
put a world-class driver behind the wheel,
271
789755
2635
on a mis un pilote d'élite au volant,
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
et on l'a conduite à fond dans le désert pendant une semaine.
13:15
And the car's nervous system captured everything
273
795795
2491
Et son système nerveux a tout retenu
13:18
that was happening to the car.
274
798310
1482
de ce qui arrivait.
13:19
We captured four billion data points;
275
799816
2621
On a capturé quatre milliards de données
13:22
all of the forces that it was subjected to.
276
802461
2310
sur les forces auxquelles elle était soumise.
13:24
And then we did something crazy.
277
804795
1659
Et puis on a fait un truc fou.
13:27
We took all of that data,
278
807088
1500
On a mis toutes ces données
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
dans une intelligence artificielle de conception générative, Dreamcatcher.
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
Qu'obtient-on quand on donne à un outil de conception un système nerveux
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
et qu'on lui dit de construire le châssis de voiture ultime ?
13:40
You get this.
282
820543
1973
Ça.
13:44
This is something that a human could never have designed.
283
824113
3713
Voilà quelque chose qu'un humain n'aurait jamais pu concevoir.
13:48
Except a human did design this,
284
828527
1888
Mais un humain l'a pourtant conçu,
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
un humain augmenté par une intelligence artificielle de conception générative,
13:54
a digital nervous system
286
834772
1231
un système nerveux digital
13:56
and robots that can actually fabricate something like this.
287
836027
3005
et des robots qui peuvent construire ça.
13:59
So if this is the future, the Augmented Age,
288
839500
3595
Si l'avenir est là, dans l'âge augmenté,
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
et que nos capacités cognitives, physiques et perceptives sont augmentées,
14:07
what will that look like?
290
847404
1408
à quoi cela ressemblera ?
14:09
What is this wonderland going to be like?
291
849396
3321
Comment sera cet âge d'or ?
14:12
I think we're going to see a world
292
852741
1709
Je pense que notre monde
14:14
where we're moving from things that are fabricated
293
854474
3068
va passer des choses qu'on fabrique
14:17
to things that are farmed.
294
857566
1445
aux choses qu'on cultive.
14:19
Where we're moving from things that are constructed
295
859979
3453
On passera des choses qu'on construit
14:23
to that which is grown.
296
863456
1704
à celles qu'on fait pousser.
14:25
We're going to move from being isolated
297
865954
2188
On passera de l'isolement
14:28
to being connected.
298
868166
1610
à la connexion.
14:30
And we'll move away from extraction
299
870454
2411
Et on abandonnera l'extraction
14:32
to embrace aggregation.
300
872889
1873
au bénéfice de l'agrégation.
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
Je pense qu'on passera aussi du besoin de voir nos objets nous obéir
14:39
to valuing autonomy.
302
879578
1641
à l'appréciation de l'autonomie.
14:42
Thanks to our augmented capabilities,
303
882330
1905
Grâce à nos capacités augmentées,
14:44
our world is going to change dramatically.
304
884259
2377
notre monde va être transformé.
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
Nous aurons un monde plus varié, plus connecté,
14:50
more dynamism, more complexity,
306
890666
2287
plus dynamique, plus complexe,
14:52
more adaptability and, of course,
307
892977
2318
plus flexible et bien sûr,
14:55
more beauty.
308
895319
1217
plus beau.
14:57
The shape of things to come
309
897051
1564
Ce qui nous attend
14:58
will be unlike anything we've ever seen before.
310
898639
2290
ne ressemblera à rien de ce qui a précédé.
15:00
Why?
311
900953
1159
Pourquoi ?
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
Parce que toutes ces choses seront façonnées par cette collaboration nouvelle
15:05
between technology, nature and humanity.
313
905915
3670
entre technologie, nature et humanité.
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
Pour moi, c'est là un avenir qui vaut bien la peine d'être vu.
15:14
Thank you all so much.
315
914927
1271
Merci beaucoup à vous.
15:16
(Applause)
316
916222
5669
(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