How to Think Computationally About AI, the Universe and Everything | Stephen Wolfram | TED

417,499 views

2023-10-31 ・ TED


New videos

How to Think Computationally About AI, the Universe and Everything | Stephen Wolfram | TED

417,499 views ・ 2023-10-31

TED


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

Traducteur: Claire Ghyselen Relecteur: eric vautier
00:04
Human language, mathematics, logic.
0
4209
3503
Le langage des Hommes, les mathématiques, la logique.
00:08
These are all ways to formalize the world.
1
8171
2252
Ce sont des manières de formaliser le monde.
00:10
And in our century,
2
10465
1710
Et en ce siècle,
00:12
there's a new and yet more powerful one: computation.
3
12217
3337
il en existe une nouvelle façon, encore plus puissante : le calcul.
00:16
For nearly 50 years,
4
16263
1167
Pendant près de 50 ans,
00:17
I've had the great privilege
5
17472
1668
j'ai eu le grand privilège
00:19
of building up an ever-taller tower of science and technology
6
19182
3545
de développer une construction scientifique et technologique
00:22
that's based on that idea of computation.
7
22769
2169
de plus en plus grande, fondée sur l’idée du calcul.
00:25
And so today, I want to tell you a little bit about what that's led to.
8
25480
3921
Aujourd’hui, je souhaite évoquer ce à quoi cela a conduit.
00:29
There's a lot to talk about, so I'm going to go quickly.
9
29859
2670
Le sujet est vaste, ce sera donc rapide.
00:32
And sometimes I'm going to summarize in a sentence
10
32529
2419
Je risque même de devoir résumer en une phrase
00:34
what I've written a whole book about.
11
34948
1793
ce sur quoi j'ai écrit tout un livre.
00:37
But you know,
12
37158
1710
Mais vous savez,
00:38
I last gave a TED talk 13 years ago,
13
38910
2795
ma dernière conférence TED date d’il y a 13 ans,
00:41
in February 2010,
14
41705
1501
c’était en février 2010,
00:43
soon after WolframAlpha launched,
15
43248
2085
peu après le lancement de WolframAlpha,
00:45
and I ended that talk with a question.
16
45375
2461
et elle se concluait avec une question.
00:47
Question was,
17
47877
1168
La question était de savoir
00:49
is computation ultimately what's underneath everything
18
49045
3170
si le calcul est finalement ce qui sous-tend tout notre univers.
00:52
in our universe?
19
52215
1585
00:53
I gave myself a decade to find out.
20
53842
2586
Je me suis donné dix ans pour résoudre cette question.
00:56
And actually, it could have needed a century.
21
56428
2502
Mais en fait, elle aurait pu prendre un siècle.
00:58
But in April 2020, just after the decade mark,
22
58972
3754
Mais en avril 2020, dix ans plus tard,
01:02
we were thrilled to be able to announce
23
62726
1877
nous avons été ravis d’annoncer
01:04
what seems to be the ultimate machine code of the universe.
24
64644
3796
ce qui semble être le code machine ultime de l’univers.
01:08
And yes, it's computational.
25
68481
2378
Et oui, c'est informatique.
01:11
So computation isn't just a possible formalization,
26
71276
3253
Le calcul n’est donc pas qu’une formalisation possible,
01:14
it's the ultimate one for our universe.
27
74529
2711
c’est la formalisation ultime pour notre univers.
01:18
It all starts from the idea that space, like matter, is made of discrete elements,
28
78074
6006
Tout part de l’idée que l’espace, comme la matière,
est composé d’éléments discrets
01:24
and from that structure of space and everything in it,
29
84080
4713
et que, d’après cette structure de l’espace et de tout ce qu’il contient,
01:28
it's defined just by a network of relations
30
88793
3128
il est défini simplement par un réseau de relations entre ces éléments
01:31
between these elements that we might call atoms of space.
31
91963
3337
que nous pourrions appeler atomes de l’espace.
01:35
So it's all very elegant, but deeply abstract.
32
95717
3295
Tout cela est donc très élégant, mais profondément abstrait.
01:39
But here's kind of a humanized representation,
33
99721
2628
Mais voici une sorte de représentation humanisée,
01:42
a version of the very beginning of the universe.
34
102390
2544
une version du commencement de l’univers.
01:44
And what we're seeing here is the emergence of space
35
104934
2753
Et nous assistons ici à l'émergence de l'espace
01:47
and everything in it
36
107729
1293
et de tout ce qu’il contient,
01:49
by the successive application of very simple computational rules.
37
109022
3086
par l’application successive de règles de calcul très simples.
01:52
And remember, these dots are not atoms in any existing space.
38
112150
4004
Et n'oubliez pas que ces points ne sont pas des atomes dans un espace existant.
01:56
They're atoms of space that get put together to make space.
39
116196
4504
Ce sont des atomes de l'espace qui s'assemblent pour créer de l'espace.
02:01
And yes, if we kept going long enough,
40
121326
2002
Et oui, si nous continuions assez longtemps,
02:03
we could build our whole universe this way.
41
123370
2252
nous pourrions construire tout l’univers de cette façon.
02:06
So eons later,
42
126122
2211
Des éons plus tard,
02:08
here's a chunk of space with two little black holes
43
128333
3420
voici un morceau d'espace avec deux petits trous noirs
02:11
that, if we wait a little while, will eventually merge,
44
131753
4963
qui, si nous attendons un peu, finiront par fusionner,
02:16
generating little ripples of gravitational radiation.
45
136758
3086
générant de petites ondulations de rayonnement gravitationnel.
02:20
And remember, all of this is built from pure computation.
46
140512
3587
Souvenez-vous que tout cela est construit à partir de calculs purs.
02:24
But like fluid mechanics emerging from molecules,
47
144432
3170
Mais à l’instar de la mécanique des fluides qui émerge de molécules,
02:27
what emerges here is space-time and Einstein's equations for gravity,
48
147644
4463
ce qui émerge ici, c’est l’espace-temps et les équations d’Einstein pour la gravité,
02:32
though there are deviations that we just might be able to detect,
49
152148
3337
bien qu’il existe des écarts que nous pourrions peut-être détecter,
02:35
like that the dimensionality of space won't always be precisely three.
50
155527
4254
comme le fait que la dimensionnalité de l’espace
ne sera pas toujours exactement égale à trois.
02:40
And there's something else.
51
160573
1460
Et il y a autre chose.
02:42
Our computational rules can inevitably be applied in many ways,
52
162075
4588
Nos règles de calcul peuvent forcément être appliquées de nombreuses manières,
02:46
each defining a different kind of thread of time,
53
166705
2502
chacune définissant un type différent de fil temporel,
02:49
a different path of history that can branch and merge.
54
169207
3545
un chemin historique différent qui peut se ramifier et se fusionner.
02:53
But as observers embedded in this universe,
55
173128
2877
Mais en tant qu'observateurs intégrés à cet univers,
02:56
we're branching and merging, too.
56
176005
1919
nous créons aussi des ramifications et des fusions.
02:57
And it turns out that quantum mechanics emerges as the story
57
177966
3503
Or il s’avère que la mécanique quantique apparaît être l’histoire
03:01
of how branching minds perceive a branching universe.
58
181469
3879
de la façon dont les esprits ramifiés perçoivent un univers ramifié.
03:05
So the little pink lines you might be able to see here
59
185390
2544
Les petites lignes roses que l’on distingue ici
03:07
show the structure of what we call branchial space,
60
187976
2586
montrent la structure de ce que nous appelons l’espace ramifié,
03:10
the space of quantum branches.
61
190562
1960
l’espace des ramifications quantiques.
03:12
And one of the stunningly beautiful things,
62
192564
2085
Et l’une des choses incroyablement belles, pour les physiciens comme moi,
03:14
at least for physicists like me,
63
194691
1668
03:16
is that the same phenomenon that in physical space gives us gravity,
64
196359
4630
c’est que le même phénomène qui, dans l’espace physique, nous donne la gravité,
03:20
in branchial space gives us quantum mechanics.
65
200989
2669
nous donne la mécanique quantique dans l’espace ramifié.
03:24
So in the history of science so far,
66
204701
2252
Ainsi, dans l’histoire des sciences jusqu’à présent,
03:26
I think we can identify sort of four broad paradigms
67
206953
3629
nous pouvons identifier quatre grands paradigmes
03:30
for making models of the world that can be distinguished
68
210582
2627
pour créer des modèles du monde qui peuvent être distingués
03:33
kind of by how they deal with time.
69
213251
2336
par la façon dont ils traitent le temps.
03:35
So in antiquity and in plenty of areas of science, even today,
70
215587
3879
Ainsi, dans l’Antiquité
et dans de nombreux domaines de la science, encore aujourd’hui,
03:39
it's all about kind of, what are things made of.
71
219507
2419
tout tourne autour de la composition des objets.
03:41
And time doesn't really enter.
72
221926
1627
Le temps n’est pas pris en compte.
03:43
But in the 1600s came the idea of modeling things
73
223887
3128
Mais dans les années 1600 est venue l’idée de modéliser des choses
03:47
with mathematical formulas in which time enters,
74
227015
3170
avec des formules mathématiques qui prennent en compte le temps,
03:50
but basically just as a coordinate value.
75
230226
2253
mais sous forme de coordonnée.
03:53
Then in the 1980s, and this is something in which I was deeply involved,
76
233062
4004
Puis, dans les années 80,
et c’est un domaine dans lequel je fus profondément impliqué,
03:57
came the idea of making models
77
237108
2252
est venue l'idée de créer des modèles
03:59
by starting with simple computational rules
78
239402
2461
en partant de règles de calcul simples et en les laissant fonctionner.
04:01
and just letting them run.
79
241863
1835
04:03
So can one predict what will happen?
80
243698
2419
Peut-on donc prévoir ce qui va se passer ?
04:06
No.
81
246659
1210
Non.
04:07
There's what I call computational irreducibility,
82
247911
2294
Il y a ce que j’appelle l’irréductibilité informatique,
04:10
in which, in effect, the passage of time corresponds to an irreducible computation
83
250246
4880
dans laquelle le passage du temps correspond à un calcul irréductible
04:15
that we have to run in order to work out how it will turn out.
84
255126
3462
que nous devons exécuter afin de déterminer comment cela va se passer.
04:18
But now there's kind of something,
85
258588
1835
Mais désormais, il y a quelque chose,
04:20
something even more -- in our physics project,
86
260423
3170
quelque chose d’encore plus - dans notre projet de physique,
04:23
there’s things that have become multi-computational,
87
263593
2461
certaines choses sont devenues multi-informatiques,
04:26
with many threads of time
88
266054
1710
avec de nombreux fils temporels
04:27
that can only be knitted together by an observer.
89
267764
3503
qui ne peuvent être assemblés que par un observateur.
04:31
So it's kind of a new paradigm that actually seems to unlock things
90
271309
3545
C’est donc un nouveau paradigme qui semble réellement révéler des choses,
04:34
not only in fundamental physics,
91
274854
1835
non seulement en physique fondamentale,
04:36
but also in the foundations of mathematics and computer science,
92
276731
3170
mais aussi les fondements des mathématiques et de l’informatique,
04:39
and possibly in areas like biology and economics as well.
93
279901
3295
voire dans des domaines tels que la biologie et l’économie.
04:44
So I talked about building up the universe
94
284364
2169
J’ai donc parlé de construire l’univers
04:46
by repeatedly applying a computational rule.
95
286574
2586
en appliquant à plusieurs reprises une règle de calcul.
04:49
But how is that rule picked?
96
289202
2252
Mais comment cette règle est-elle choisie ?
04:51
Well, actually it isn't,
97
291496
1793
En fait, elle ne l’est pas,
04:53
because all possible rules are used,
98
293289
2461
car toutes les règles possibles sont utilisées,
04:55
and we're building up what I call the ruliad,
99
295792
2210
et nous construisons ce que j’appelle une « ruliade »,
04:58
the kind of deeply abstract but unique object
100
298002
2920
un objet profondément abstrait mais unique
05:00
that is the entangled limit of all possible computational processes.
101
300964
4045
qui constitue la limite enchevêtrée
de tous les processus informatiques possibles.
05:05
Here's a tiny fragment of it shown in terms of Turing machines.
102
305635
4087
En voici un petit fragment présenté en termes de machines de Turing.
05:09
So this ruliad is everything.
103
309764
3545
Cette ruliade est tout.
05:13
And we as observers are necessarily part of it.
104
313309
3420
Et en tant qu'observateurs, nous en faisons nécessairement partie.
05:17
In the ruliad as a whole,
105
317063
1585
Dans l'ensemble de la ruliade,
05:18
in a sense, everything computationally possible can happen.
106
318690
3503
en un sens, tout ce qui est possible sur le plan informatique peut advenir.
05:22
But observers like us just sample specific slices of the ruliad.
107
322235
4671
Mais nous, les observateurs ne pouvons que prélever des échantillons spécifiques.
05:26
And there are two crucial facts about us.
108
326906
2836
Et il y a deux faits cruciaux à notre sujet.
05:29
First, we're computationally bounded, our minds are limited,
109
329784
3879
Tout d’abord, nous sommes limités par les calculs, notre esprit est limité.
05:33
and second, we believe we're persistent in time,
110
333663
2753
Deuxièmement, nous pensons être persistants dans le temps,
05:36
even though we're made of different atoms of space at every moment.
111
336457
3337
même si nous sommes constitués d’atomes d’espace différents à chaque moment.
05:39
So then, here's the big result.
112
339836
2044
Voici le résultat.
05:41
What observers with those characteristics perceive in the ruliad
113
341880
3753
Ce que les observateurs avec ces caractéristiques
perçoivent dans la ruliade
05:45
necessarily follows certain laws.
114
345675
2377
suit nécessairement certaines lois.
05:48
And those laws turn out to be precisely
115
348052
2419
Et ces lois s'avèrent être précisément
05:50
the three key theories of 20th century physics:
116
350513
2795
les trois théories clés de la physique du 20e siècle :
05:53
general relativity, quantum mechanics,
117
353308
2335
la relativité générale, la mécanique quantique
05:55
and statistical mechanics in the second law.
118
355685
2586
et la mécanique statistique dans la deuxième loi.
05:58
So it's because we're observers like us
119
358313
3169
C’est donc parce que nous sommes des observateurs comme nous
06:01
that we perceive the laws of physics we do.
120
361524
2836
que nous percevons ces lois de la physique.
06:04
We can think of sort of different minds
121
364360
2336
Nous pouvons penser à des esprits différents
06:06
as being at different places in rulial space.
122
366738
2794
se situant à différents endroits de l’espace de la ruliade.
06:09
Human minds who think alike are nearby,
123
369574
2252
Les humains, au mode de pensées similaire, sont proches.
06:11
animals further away,
124
371868
1460
les animaux sont plus loin,
06:13
and further out, we get to kind of alien minds
125
373369
2253
et plus loin, on a des esprits extraterrestres difficiles à traduire.
06:15
where it's hard to make a translation.
126
375663
1961
06:18
So how can we get intuition for all of this?
127
378041
2794
Comment pouvons-nous avoir l’intuition de tout cela ?
06:20
Well, one thing we can do is use generative AI
128
380835
2544
Eh bien, nous pouvons utiliser l’IA générative
06:23
to take what amounts to an incredibly tiny slice of the ruliad
129
383379
3254
pour aligner ce qui ne représente qu’une infime partie de la ruliade
06:26
aligned with images we humans have produced.
130
386674
3337
sur les images produites par les humains.
06:30
We can think of this as sort of a place in the ruliad
131
390011
2794
On peut voir ça comme un endroit dans la ruliade,
06:32
described by using the concept of a cat in a party hat.
132
392847
4004
décrit en utilisant le concept d’un chat avec un chapeau pointu.
06:37
So zooming out, we saw there
133
397435
3086
En dézoomant, nous y avons discerné ce que l'on pourrait appeler Cat Island.
06:40
what we might call Cat Island.
134
400521
2002
06:42
Pretty soon we’re in a kind of an inter-concept space.
135
402523
3045
Très vite, on se trouve dans une sorte d’espace interconceptuel.
06:45
Occasionally things will look familiar,
136
405568
1877
Parfois, les choses sont familières,
06:47
but mostly, what we'll see is things we humans don't have words for.
137
407487
4421
mais la plupart du temps,
on découvrira des choses pour lesquelles l’humain n’a pas de mots.
06:52
In physical space, we explore the universe
138
412283
2461
Dans l’espace physique, nous explorons l’univers
06:54
by sending out spacecraft.
139
414744
1960
en y envoyant des vaisseaux spatiaux.
06:56
In rulial space, we explore more
140
416704
2336
Dans l’espace des ruliades, nous explorons davantage
06:59
by expanding our concepts and our paradigms.
141
419082
2836
en élargissant nos concepts et nos paradigmes.
07:02
We can kind of get a sense of what's out there
142
422335
2169
on peut se faire une idée de ce qui existe en échantillonnant les règles possibles,
07:04
by sampling possible rules,
143
424504
1751
07:06
doing what I call ruliology.
144
426255
2128
en faisant ce que j’appelle de la « ruliologie ».
07:08
So even with incredibly simple rules,
145
428424
2211
Ainsi, même avec des règles incroyablement simples
07:10
there's incredible richness.
146
430677
1793
la richesse est incroyable.
07:12
But the issue is that most of it doesn't yet connect
147
432470
2794
Le problème est que la majorité de tout ça n’a pas encore de lien
07:15
with things we humans understand or care about.
148
435306
3170
à ce que les humains comprennent ou qui nous tiennent à cœur.
07:18
It's like when we look at the natural world
149
438476
2085
C’est comme examiner le monde naturel
07:20
and only gradually realize that we can use features of it for technology.
150
440561
3712
pour réaliser que l’on peut utiliser ses caractéristiques
à des fins technologiques.
07:24
So even after everything our civilization has achieved,
151
444649
3003
Ainsi, même après tout ce que notre civilisation a accompli,
07:27
we're just at the very, very beginning of exploring rulial space.
152
447694
3878
nous n’en sommes qu’au tout début de l’exploration de l’espace des ruliades.
07:31
What about AIs?
153
451614
1502
Qu'en est-il des IA ?
07:33
Well, just like we can do ruliology,
154
453157
2211
Eh bien, tout comme nous,
07:35
AIs can in principle go out and explore rulial space.
155
455410
3420
l’IA peut en principe explorer l’espace des ruliades.
07:38
Left to their own devices, though,
156
458871
1836
Laissées à elles-mêmes,
07:40
they'll mostly just be doing things
157
460707
1710
elles feront surtout des choses sans lien avec nous, les humains,
07:42
we humans don't connect with or care about.
158
462417
2794
ou qui ne nous intéressent pas.
07:45
So the big achievements of AI in recent times
159
465545
2377
Les grands accomplissements de l’IA récemment
07:47
have been about making systems that are closely aligned with us humans.
160
467964
3420
ont consisté à créer des systèmes étroitement alignés avec nous, humains.
07:51
We train LLMs on billions of web pages so they can produce texts
161
471426
3420
Des milliards de pages Web sont nourries aux modèles de langage
07:54
that's typical of what we humans write.
162
474887
2211
pour qu’ils produisent des textes que nous aurions pu écrire.
07:57
And yes, the fact that this works
163
477140
1835
Et oui, le fait que ça fonctionne
07:59
is undoubtedly telling us some deep scientific things
164
479017
2919
nous apprend des choses scientifiques profondes
08:01
about the semantic grammar of language
165
481978
2252
sur la grammaire sémantique du langage
08:04
and generalizations of things like logic
166
484230
2127
et les généralisations de choses comme la logique
08:06
that perhaps we should have known centuries ago.
167
486357
2294
que nous aurions dû savoir il y a des siècles.
08:08
You know, for much of human history,
168
488693
1877
La grande partie de l’histoire de l’humanité,
08:10
we were kind of like the LLMs,
169
490611
2211
nous avons été un peu comme ces modèles,
08:12
figuring things out by kind of matching patterns in our minds.
170
492822
3587
à comprendre les choses selon des modèles correspondants dans notre esprit.
08:16
But then came more systematic formalization and eventually computation.
171
496409
4129
Mais ensuite est venue une formalisation plus systématique et finalement un calcul.
08:20
And with that, we got a whole other level of power to truly create new things
172
500580
4296
Ça nous avons ouvert un tout autre niveau de pouvoir
pour réellement créer et innover,
08:24
and to, in effect, go wherever we want in the ruliad.
173
504917
3379
et en fait, aller où bon nous semble dans la ruliade.
08:28
But the challenge is to do that in a way that connects with what we humans,
174
508337
3838
Le défi, c’est de faire ça d’une manière qui soit en lien avec ce que les humains
08:32
and our AIs, understand.
175
512216
2711
et nos IA, comprenons.
08:34
In fact, I've devoted a large part of my life
176
514969
2211
J’ai consacré une grande partie de ma vie à essayer de construire ce pont.
08:37
to kind of trying to build that bridge.
177
517221
2294
08:39
It's all been about creating a language for expressing ourselves computationally,
178
519515
4213
Il s’agit de créer un langage pour nous exprimer informatiquement,
08:43
a language for computational thinking.
179
523770
2002
avec un langage pour la pensée informatique.
08:46
The goal is to formalize what we know about the world in computational terms,
180
526355
4755
L’objectif est de formaliser ce que nous savons du monde en termes informatiques,
de disposer de moyens informatiques pour représenter les villes,
08:51
to have computational ways to represent cities and chemicals and movies
181
531110
3629
les produits chimiques, les films, l’humour, les formules
08:54
and humor and formulas and our knowledge about them.
182
534739
3253
et nos connaissances à leur sujet.
08:58
It’s been a vast undertaking that spanned more than four decades of my life,
183
538951
4255
C’est une entreprise de grande envergure étalée sur plus de quarante ans de ma vie,
09:03
but it's something very unique and different.
184
543206
2502
mais c'est quelque chose de très unique et différent.
09:05
But I'm happy to report that in what has been Mathematica
185
545708
3170
Mais je suis heureux de signaler que dans ce qui fut Mathematica,
09:08
and is now the Wolfram Language,
186
548878
1585
devenu le Wolfram Language,
09:10
I think we firmly succeeded in creating
187
550463
3003
nous avons réussi à créer, selon moi,
09:13
a truly full-scale computational language.
188
553466
2753
un véritable langage informatique à grande échelle.
09:16
In effect,
189
556677
1168
En fait,
09:17
every one of these functions here can be thought of as formalizing
190
557845
3295
chacune de ces fonctions peut être considérée ici comme formalisant
09:21
and encapsulating, in computational terms,
191
561182
2586
et encapsulant, en termes informatiques,
09:23
some facet of the intellectual achievements of our civilization.
192
563768
3378
certaines facettes des réalisations intellectuelles de notre civilisation.
09:27
It's sort of the most concentrated form of intellectual expression that I know,
193
567480
3754
C’est la forme d’expression intellectuelle la plus dense que je connaisse,
09:31
sort of finding the essence of everything and coherently expressing it
194
571275
3587
qui permet de trouver l’essence de tout et de l’exprimer de manière cohérente
09:34
in the design of our computational language.
195
574904
2127
dans notre langage informatique.
09:37
For me personally,
196
577365
1168
Personnellement,
09:38
it's been an amazing journey, kind of, year after year,
197
578533
2586
cela fut un voyage incroyable, année après année,
09:41
building the sort of tower of ideas and technology that's needed.
198
581160
3087
que d’ériger ces idées et technologies dont nous avons besoin.
09:44
And nowadays sharing that process with the world
199
584247
2419
Aujourd’hui, nous partageons ce processus
09:46
in things like open live streams and so on.
200
586707
2211
par le biais de streaming notamment.
09:49
A few centuries ago,
201
589460
1460
Il y a quelques siècles,
09:50
the development of mathematical notation,
202
590962
2210
le développement de la notation mathématique,
09:53
and what amounts to the language of mathematics,
203
593214
2669
et de ce qui constitue le langage mathématique,
09:55
gave a systematic way to express math and made possible algebra and calculus,
204
595925
5214
a donné un moyen systématique d’exprimer celles-ci,
et a rendu possibles l’algèbre et le calcul,
10:01
and eventually all of modern mathematical science.
205
601180
3504
et finalement l'ensemble des sciences mathématiques modernes.
10:04
And computational language now provides a similar path,
206
604684
3253
Et le langage informatique propose désormais une voie similaire,
10:07
letting us ultimately create a computational X
207
607979
3170
nous permettant au final de créer un x informatique
10:11
for all imaginable fields X.
208
611149
2502
pour tous les domaines imaginables x.
10:14
I mean, we've seen the growth of computer science, CS,
209
614026
3337
Nous avons assisté à la croissance de l’informatique, de sa science,
10:17
but computational language opens up something ultimately much bigger
210
617405
3378
mais le langage informatique ouvre la voie à quelque chose de beaucoup plus vaste
10:20
and broader, CX.
211
620825
2419
et plus général, le CX.
10:23
I mean, for 70 years we've had programming languages
212
623244
2461
Depuis 70 ans, nous utilisons des langages de programmation
10:25
which are about telling computers in their terms what to do.
213
625746
3796
pour dire aux ordinateurs, en leurs termes, ce qu’ils doivent faire.
10:29
But computational language
214
629584
1251
Mais le langage informatique est nettement plus vaste intellectuellement.
10:30
is about something intellectually much bigger.
215
630877
2168
10:33
It's about taking everything we can think about
216
633045
2419
Il s'agit de prendre tout ce à quoi nous pouvons penser
10:35
and operationalizing it in computational terms.
217
635506
3087
et de le rendre opérationnel en termes informatiques.
10:38
You know, I built the Wolfram Language
218
638968
1877
Vous savez, j’ai créé le Wolfram Language
10:40
first and foremost because I wanted to use it myself.
219
640887
2502
avant tout parce que je voulais l'utiliser moi-même.
10:43
And now when I use it,
220
643431
1334
Et quand je l’utilise,
10:44
I feel like it's kind of giving me some kind of superpower.
221
644807
2795
j’ai l’impression qu’il me donne une sorte de super-pouvoir.
10:47
I just have to imagine something in computational terms.
222
647602
3587
Je dois juste imaginer quelque chose en termes de calcul.
10:51
And then the language sort of almost magically lets me bring it into reality,
223
651189
3795
Et puis, comme par magie, le langage me permet de le concrétiser,
de visualiser les conséquences et de m’en inspirer.
10:55
see its consequences, and build on them.
224
655026
2294
10:57
And yes, that's the sort of superpower
225
657361
1836
Oui, c’est le genre de super-pouvoir
10:59
that's let me do things like our physics project.
226
659197
2335
qui m’a permis de réaliser notre projet de physique, notamment.
11:01
And over the past 35 years,
227
661532
1669
Ces 35 dernières années,
11:03
it's been my great privilege to share this superpower with many other people,
228
663242
4380
j’ai eu le grand privilège de partager ce super-pouvoir
avec d’autres personnes,
11:07
and by doing so,
229
667622
1209
et, ce faisant,
11:08
to have enabled an incredible number of advances across many fields.
230
668831
4004
d’avoir permis un nombre incroyable de progrès dans de nombreux domaines.
11:13
It's sort of a wonderful thing to see people, researchers, CEOs, kids,
231
673252
4213
C’est merveilleux de voir des gens, des chercheurs, des PDG, des enfants,
11:17
using our language to fluently think in computational terms,
232
677465
3462
utiliser notre langage pour penser couramment en termes informatiques,
11:20
kind of crispening up their own thinking,
233
680968
2419
affiner leur propre pensée,
11:23
and then in effect, automatically calling in computational superpowers.
234
683387
3712
ensuite, faire appel automatiquement à des super-pouvoirs informatiques.
11:27
And now it's not just people who can do that.
235
687600
2294
Désormais, il n’y a pas que les humains qui puissent le faire.
11:29
AIs can use our computational language as a tool, too.
236
689936
3336
Les IA aussi peuvent y avoir recours.
11:33
Yes, to get their facts straight,
237
693272
2252
Oui, pour confirmer leurs faits,
11:35
but even more importantly, to compute new facts.
238
695566
3003
et surtout, pour calculer de nouveaux faits.
11:38
There are already some integrations of our technology into LLMs.
239
698861
3170
Certaines intégrations de notre technologie sont déjà dans les LLM.
11:42
There's a lot more you'll be seeing soon.
240
702073
2043
Il y en aura beaucoup d’autres.
11:44
And, you know, when it comes to building new things
241
704116
2419
Et, lorsqu’il s’agit de créer de nouvelles choses,
11:46
in a very powerful emerging workflow,
242
706577
2127
dans un flux de travail émergent très puissant,
11:48
it's basically to start by telling the LLM roughly what you want,
243
708704
4380
il faut commencer par dire au LLM à peu près ce que l’on veut,
11:53
then to have it try to express that in precise Wolfram Language,
244
713084
3336
puis essayer de lui faire exprimer ça précisément en Wolfram Language,
11:56
then, and this is a critical feature of our computational language,
245
716420
3170
ensuite, et c’est essentiel dans notre langage informatique,
11:59
compared to, for example, programming language,
246
719590
2211
par rapport, par exemple, au langage de programmation,
12:01
you as a human can read the code,
247
721842
2169
on peut lire le code en tant qu’être humain,
et si la machine fait ce qu’on lui demande,
12:04
and if it does what you want,
248
724011
1418
12:05
you can use it as kind of a dependable component to build on.
249
725471
3045
on peut l’utiliser en tant que composant fiable sur lequel s’appuyer.
12:08
OK, but let's say we use more and more AI,
250
728891
2419
Certes, mais disons que nous utilisons de plus en plus l’IA, le calcul.
12:11
more and more computation.
251
731352
1668
12:13
What's the world going to be like?
252
733020
1794
À quoi ressemblera le monde ?
12:14
From the industrial revolution on,
253
734814
2085
Depuis la révolution industrielle,
12:16
we’ve been used to doing engineering where we can in effect,
254
736899
2878
nous faisons de l’ingénierie là où nous pouvions voir
12:19
see how the gears mesh to understand how things work.
255
739777
3754
comment les engrenages s’encastrent
pour comprendre comment les choses fonctionnent.
12:23
But computational irreducibility
256
743572
1836
Mais l’irréductibilité informatique nous démontre
12:25
now shows us that that won't always be possible.
257
745449
2628
que cela ne sera pas toujours possible.
12:28
We won't always be able to make a kind of simple human or, say,
258
748119
3211
Nous ne pourrons pas toujours créer une sorte de simple récit humain,
12:31
mathematical narrative
259
751372
1668
ou, disons, un récit mathématique,
12:33
to explain or predict what a system will do.
260
753082
2502
pour expliquer ou prédire ce que fera un système.
12:35
And yes, this is science, in effect, eating itself from the inside.
261
755960
4129
C’est en effet une science qui, comme le serpent, se mange la queue.
12:40
From all the successes of mathematical science,
262
760548
2294
Grâce à tous les succès des sciences mathématiques,
12:42
we've come to believe that somehow, if we only could find them,
263
762883
3671
nous en sommes venus à croire que, si seulement nous pouvions les trouver,
12:46
there'd be formulas to kind of predict everything.
264
766595
3170
il existerait des formules permettant de tout prédire.
12:50
But now computational irreducibility shows us that that isn't true.
265
770141
3795
Mais, l’irréductibilité informatique nous montre que ce n’est pas vrai.
12:54
And that in effect, to find out what a system will do,
266
774312
2669
Et qu'en fait, pour savoir ce que fera un système,
12:56
we have to go through the same irreducible computational steps
267
776981
3628
nous devons suivre les mêmes étapes de calcul irréductibles
13:00
as the system itself.
268
780651
1585
que le système lui-même.
13:02
Yes, it's a weakness of science,
269
782820
1627
Certes, c’est une faiblesse,
13:04
but it's also why the passage of time is significant and meaningful
270
784447
4004
mais c'est aussi pourquoi le passage du temps est important et significatif
13:08
and why we can't just sort of jump ahead to get the answer.
271
788492
3838
et pourquoi nous ne pouvons pas prendre les devants pour trouver la réponse.
13:12
We have to live the steps.
272
792330
1876
Nous devons suivre les étapes.
13:14
It's actually going to be, I think, a great societal dilemma of the future.
273
794749
3878
Je pense que ce sera en fait un grand dilemme sociétal de demain.
13:18
If we let our AIs achieve their kind of full computational potential,
274
798627
3838
Si nous laissons nos IA atteindre leur plein potentiel de calcul,
13:22
they'll have lots of computational irreducibility
275
802465
2335
elles auront une grande irréductibilité informatique
13:24
and we won't be able to predict what they'll do.
276
804800
2294
et nous ne pourrons plus prédire ce qu’elles feront.
13:27
But if we put constraints on them to make them more predictable,
277
807136
3295
Mais en leur imposant des contraintes pour les rendre plus prévisibles,
13:30
we'll limit what they can do for us.
278
810473
2002
nous limiterons leurs capacités.
13:32
So what will it feel like if our world is full of computational irreducibility?
279
812808
5005
Alors, à quoi ressemblerons-nous dans un monde d’irréductibilité informatique ?
13:38
Well, it's really nothing new
280
818189
2169
Eh bien, rien de neuf,
13:40
because that's the story with much of nature.
281
820399
2419
car c’est ce qui se passe avec la nature.
13:42
And what's happened there
282
822818
1210
Et ce qui s’est passé,
13:44
is that we've found ways to operate within nature,
283
824070
2585
c'est que nous avons trouvé des moyens d'opérer dans la nature,
13:46
even though nature can sometimes still surprise us.
284
826697
2753
même si elle peut encore nous surprendre.
13:49
And so it will be with the AIs.
285
829784
2002
Il en sera de même pour les IA.
13:51
We might give them a constitution, but there will always be consequences
286
831827
3462
Nous pouvons leur donner une composition,
mais il y aura toujours des conséquences imprévisibles.
13:55
we can't predict.
287
835331
1209
13:56
Of course, even figuring out societally what we want from the AIs is hard.
288
836540
4839
Certes, il est difficile de déterminer socialement ce que nous attendons des IA.
14:01
Maybe we need you know, a promptocracy
289
841379
2043
Peut-être avons-nous besoin d’une promptocratie
14:03
where people write prompts instead of just voting.
290
843422
2795
où les gens écrivent des instructions au lieu de voter.
14:06
But basically, every control the outcome scheme
291
846801
3336
Mais en gros, chaque schéma de contrôle des résultats
14:10
seems full of both political philosophy
292
850179
2127
semble plein de pièges à la fois liés à la philosophie politique
14:12
and computational irreducibility gotchas.
293
852348
2669
et à l'irréductibilité informatique.
14:15
You know, if we look at the whole arc of human history,
294
855559
2920
Si nous examinons l’histoire de l’humanité dans son ensemble,
14:18
the one thing that's systematically changed
295
858479
2210
la seule chose qui change systématiquement,
14:20
is that more and more gets automated.
296
860689
2086
c’est l’augmentation de l’automatisation.
14:22
And LLMs just gave us a dramatic and unexpected example of that.
297
862775
3503
Et les LLM viennent de nous en donner un exemple spectaculaire et inattendu.
14:26
So what does that mean?
298
866821
1167
Qu’est-ce que ça signifie ?
14:27
Does that mean that in the end, us humans will have nothing to do?
299
867988
3170
Cela signifie-t-il qu’au final, nous, les humains, n’aurons rien à faire ?
14:31
Well, if we look at history,
300
871700
1752
Eh bien, l’histoire nous dit que,
14:33
what seems to happen is that when one thing gets automated away,
301
873494
3337
ce qui semble se produire, quand une chose est automatisée,
14:36
it opens up lots of new things to do.
302
876872
2503
cela ouvre la voie à de nombreuses nouvelles activités.
14:39
And as economies develop,
303
879417
1626
Et à mesure du développement des économies,
14:41
the pie chart of occupations seems to get more and more fragmented.
304
881085
4379
le diagramme des professions semble de plus en plus fragmenté.
14:45
And now we're back to the ruliad.
305
885881
1710
Revenons à la ruliade.
14:47
Because at a foundational level,
306
887591
1544
Car à un niveau fondamental,
14:49
what's happening is that automation is opening up more directions
307
889176
3170
l’automatisation ouvre de nouvelles voies pour entrer dans celle-ci.
14:52
to go in the ruliad.
308
892388
1460
14:53
But there's no abstract way to choose between these.
309
893848
3003
Mais il n’existe aucun moyen abstrait de choisir entre les options.
14:56
It's a question of what we humans want,
310
896892
2127
Il s’agit de savoir ce que nous voulons,
14:59
and it requires kind of humans doing work to define that.
311
899061
3754
et cela nécessite un travail humain pour le définir.
15:02
So a society of AI as sort of untethered by human input,
312
902815
4796
Ainsi, une société de l’IA, en quelque sorte libérée de l’apport humain,
15:07
would effectively go off and explore the whole ruliad.
313
907653
2753
se lancerait effectivement et explorerait l’ensemble de la ruliade.
15:10
But most of what they do would seem to us random and pointless,
314
910406
4129
Mais la plupart de leurs tâches nous paraîtrait aléatoires et inutiles,
15:14
much like most of nature doesn't seem to us right now,
315
914577
3712
tout comme la majeure partie de la nature,
15:18
like it's achieving a purpose.
316
918289
1751
comme si elle cherchait à atteindre un objectif.
15:20
I mean, one used to imagine that to build things that are useful to us,
317
920541
4421
On avait l’habitude d’imaginer que pour construire des choses utiles,
15:25
we'd have to do it kind of step by step.
318
925004
2294
il fallait le faire étape par étape.
15:27
But AI and the whole phenomenon of computation
319
927673
2711
Mais l’IA et l’ensemble du phénomène informatique
15:30
tell us that really what we need
320
930426
1960
nous indiquent que nous devrions plutôt définir ce que nous voulons.
15:32
is more just to define what we want.
321
932428
2377
15:35
Then computation, AI, automation can make it happen.
322
935306
4421
Ensuite, le calcul, l’IA et l’automatisation peuvent le concrétiser.
15:39
And yes, I think the key to defining in a clear way what we want
323
939768
3754
Je pense en effet que la clé pour définir clairement ce que nous voulons
15:43
is computational language.
324
943564
1793
est le langage informatique.
15:45
And, you know, even after 35 years,
325
945357
2169
Et, vous savez, même après 35 ans,
15:47
for many people,
326
947526
1210
pour de nombreuses personnes,
15:48
Wolfram Language is still sort of an artifact from the future.
327
948736
2961
Wolfram Language reste un artefact du futur.
15:51
If your job is to program, it seems like a cheat.
328
951697
2836
Si vous êtes programmeur, cela ressemble à une escroquerie.
15:54
How come you can do in an hour what would usually take you a week?
329
954575
3545
Comment peut-on faire en une heure ce qui prend habituellement une semaine ?
15:58
But it can also be kind of daunting because having dashed off that one thing,
330
958120
4129
Mais c’est aussi un peu intimidant,
car après avoir réalisé cette chose si rapidement,
16:02
you now have to conceptualize the next thing.
331
962249
2544
vous devez maintenant conceptualiser la suivante.
16:04
Of course, it's great for CEOs and CTOs
332
964835
2461
C’est formidable pour les PDG, les directeurs techniques
16:07
and intellectual leaders who are ready to race on to the next thing.
333
967338
3795
et les leaders intellectuels qui ont hâte de passer à l’étape suivante.
16:11
And indeed, it's an impressively popular thing in that set.
334
971175
4629
Et en effet, c’est un produit terriblement populaire chez ces personnes.
16:16
In a sense, what's happening is that Wolfram Language shifts
335
976096
2837
Dans un sens, ce qui se passe, c’est que Wolfram Language permet
16:18
from concentrating on mechanics to concentrating on conceptualization,
336
978974
3796
de s’éloigner de la mécanique pour se focaliser sur la conceptualisation,
16:22
and the key to that conceptualization is broad computational thinking.
337
982770
4463
et la clé de ceci réside dans une réflexion informatique élargie.
16:27
So how can one learn to do that?
338
987233
1918
Comment peut-on apprendre à le faire ?
16:29
It's not really a story of CS,
339
989193
1960
Ce n’est pas l’histoire des sciences informatiques,
16:31
it's really a story of CX.
340
991195
2210
mais celle de CX.
16:33
And as a kind of education,
341
993405
1752
Et en tant que type d'enseignement,
16:35
it's more like liberal arts than STEM.
342
995199
2586
c’est plus celui des arts que celui des sciences.
16:37
It's part of a trend that when you automate technical execution,
343
997826
3587
Ça s’inscrit dans la tendance selon laquelle,
quand on automatise l’exécution technique,
16:41
what becomes important is not figuring out how to do things,
344
1001413
4255
ce qui devient important, est moins de savoir comment faire les choses,
16:45
but what to do.
345
1005668
1418
que ce qu’il faut faire.
16:47
And that's more a story of broad knowledge and general thinking
346
1007127
3045
C’est l’histoire de connaissances étendues et d’une réflexion générale,
16:50
than any kind of narrow specialization.
347
1010172
2503
plutôt que celle d’une spécialisation étroite.
16:53
You know, there's sort of an unexpected human centeredness to all of this.
348
1013509
3503
Vous savez, l’humain est, de façon inattendue, au cœur dans tout cela.
On pourrait penser qu’avec les progrès de la science et de la technologie,
16:57
We might have thought that with the advance of science and technology,
349
1017054
3378
17:00
the particulars of us humans would become ever less relevant.
350
1020432
3712
les particularités des humains deviendraient moins pertinentes.
17:04
But we've discovered that that's not true, and that, in fact, everything,
351
1024144
3462
Mais nous avons découvert que ce n’est pas vrai et qu’en fait,
17:07
even our physics,
352
1027648
1209
tout dépend, même notre physique,
17:08
depends on how we humans happen to have sampled the ruliad.
353
1028899
3837
de la façon dont nous, les humains, avons échantillonné la ruliade.
17:13
Before our physics project,
354
1033696
2043
Avant notre projet de physique,
17:15
we didn't know if our universe really was computational,
355
1035781
3378
nous ne savions pas si notre univers était réellement informatisable,
17:19
but now it's pretty clear that it is.
356
1039201
2002
mais il est maintenant clair que c’est le cas.
17:21
And from that, we're sort of inexorably led to the ruliad,
357
1041245
2753
Et à partir de là, nous allons inexorablement vers la ruliade,
17:23
with all its kind of vastness
358
1043998
1960
dont l’immensité est tellement plus grande que l’espace physique de notre univers.
17:26
so hugely greater than the physical space in our universe.
359
1046000
3378
17:29
So where will we go in the ruliad?
360
1049962
2336
Alors, où allons-nous dans la ruliade ?
17:32
Computational language is what lets us chart our path.
361
1052339
3212
C'est le langage informatique qui nous permet de tracer notre voie.
17:35
It lets us humans define our goals and our journeys.
362
1055551
3336
Il nous permet, en tant qu’humains, de définir nos objectifs, nos parcours.
17:38
And what's amazing is that all the power and depth
363
1058887
2628
Et ce qui est incroyable, c’est que toute la puissance et la profondeur
17:41
of what's out there in the ruliad is accessible to everyone.
364
1061557
3086
de ce que contient la ruliade sont accessibles à tous.
17:45
One just has to learn to harness those computational superpowers,
365
1065019
4129
Il suffit d’apprendre à exploiter ces super-pouvoirs informatiques,
17:49
which kind of starts here,
366
1069189
1544
ce qui commence ici, finalement,
17:50
you know, our portal to the ruliad.
367
1070774
3254
avec notre portail vers la ruliade.
17:54
Thank you.
368
1074528
1335
Merci.
17:55
(Applause)
369
1075904
3587
(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