Danny Hillis: Back to the future (of 1994)

Danny Hillis : retour vers le futur (de 1994)

80,742 views ・ 2012-02-03

TED


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

Traducteur: Elisabeth Buffard Relecteur: Anna Cristiana Minoli
00:15
Because I usually take the role
0
15260
3000
Parce que j'ai l'habitude d'assumer le rôle
00:18
of trying to explain to people
1
18260
2000
d'essayer d'expliquer aux gens
00:20
how wonderful the new technologies
2
20260
3000
comme les nouvelles technologies
00:23
that are coming along are going to be,
3
23260
2000
qui se profilent vont être merveilleuses,
00:25
and I thought that, since I was among friends here,
4
25260
3000
je me suis dit que puisque nous étions entre amis ici,
00:28
I would tell you what I really think
5
28260
4000
je vous dirais ce que je pense vraiment
00:32
and try to look back and try to understand
6
32260
2000
et j'essaierais de faire le bilan et de comprendre
00:34
what is really going on here
7
34260
3000
ce qui se passe vraiment ici
00:37
with these amazing jumps in technology
8
37260
5000
avec ces sauts technologiques étonnants
00:42
that seem so fast that we can barely keep on top of it.
9
42260
3000
qui semblent si rapides que nous avons peine à les suivre.
00:45
So I'm going to start out
10
45260
2000
Je vais donc commencer
00:47
by showing just one very boring technology slide.
11
47260
3000
en vous montrant une diapo très ennuyeuse sur la technologie.
00:50
And then, so if you can just turn on the slide that's on.
12
50260
3000
Et ensuite, si on peut juste afficher la diapo.
00:56
This is just a random slide
13
56260
2000
C'est une diapo prise au hasard
00:58
that I picked out of my file.
14
58260
2000
dans mes dossiers.
01:00
What I want to show you is not so much the details of the slide,
15
60260
3000
Ce que je veux montrer, ce ne sont pas tant les détails de la diapo,
01:03
but the general form of it.
16
63260
2000
mais sa forme générale.
01:05
This happens to be a slide of some analysis that we were doing
17
65260
3000
C'est en fait une diapo d'une analyse que nous sommes en train de faire
01:08
about the power of RISC microprocessors
18
68260
3000
de la puissance des processeurs RISC
01:11
versus the power of local area networks.
19
71260
3000
par rapport à la puissance des réseaux locaux.
01:14
And the interesting thing about it
20
74260
2000
Et ce qui est intéressant ici
01:16
is that this slide,
21
76260
2000
c'est que cette diapo,
01:18
like so many technology slides that we're used to,
22
78260
3000
comme tant de diapos sur la technologie auxquelles nous sommes habitués,
01:21
is a sort of a straight line
23
81260
2000
est une sorte de ligne droite
01:23
on a semi-log curve.
24
83260
2000
sur une courbe semi-logarithmique.
01:25
In other words, every step here
25
85260
2000
En d'autres termes, chaque étape ici
01:27
represents an order of magnitude
26
87260
2000
représente un ordre de grandeur
01:29
in performance scale.
27
89260
2000
sur une échelle de performance.
01:31
And this is a new thing
28
91260
2000
Et c'est nouveau
01:33
that we talk about technology
29
93260
2000
que nous parlions de technologie
01:35
on semi-log curves.
30
95260
2000
sur des courbes semi-logarithmiques.
01:37
Something really weird is going on here.
31
97260
2000
Une chose très étrange se passe ici.
01:39
And that's basically what I'm going to be talking about.
32
99260
3000
Et c'est en gros ce dont je vais vous parler.
01:42
So, if you could bring up the lights.
33
102260
3000
Alors si on pouvait allumer.
01:47
If you could bring up the lights higher,
34
107260
2000
Si on pouvait rallumer un peu la lumière,
01:49
because I'm just going to use a piece of paper here.
35
109260
3000
parce que je vais utiliser un morceau de papier ici.
01:52
Now why do we draw technology curves
36
112260
2000
Pourquoi dessinons-nous des courbes de technologie
01:54
in semi-log curves?
37
114260
2000
sous forme de courbes semi-logarithmiques ?
01:56
Well the answer is, if I drew it on a normal curve
38
116260
3000
La réponse est que si, si je traçais ça sur une courbe normale
01:59
where, let's say, this is years,
39
119260
2000
où, disons, là ce sont les années,
02:01
this is time of some sort,
40
121260
2000
là c'est un temps quelconque,
02:03
and this is whatever measure of the technology
41
123260
3000
et ça c'est ce qui donne la mesure de la technologie
02:06
that I'm trying to graph,
42
126260
3000
que j'essaye de traduire par une courbe,
02:09
the graphs look sort of silly.
43
129260
3000
les graphiques ont l'air un peu ridicule.
02:12
They sort of go like this.
44
132260
3000
Ils font comme ça.
02:15
And they don't tell us much.
45
135260
3000
Et ils n'en disent pas beaucoup.
02:18
Now if I graph, for instance,
46
138260
3000
Si je fais une courbe par exemple,
02:21
some other technology, say transportation technology,
47
141260
2000
d'une autre technologie, disons la technologie des transports,
02:23
on a semi-log curve,
48
143260
2000
sur une courbe semi-logarithmique,
02:25
it would look very stupid, it would look like a flat line.
49
145260
3000
ça aurait l'air stupide, ça ressemblerait à une ligne plate.
02:28
But when something like this happens,
50
148260
2000
Mais quand quelque chose comme ça arrive,
02:30
things are qualitatively changing.
51
150260
2000
les choses changent en qualité.
02:32
So if transportation technology
52
152260
2000
Alors si la technologie des transports
02:34
was moving along as fast as microprocessor technology,
53
154260
3000
avançait aussi vite que la technologie des microprocesseurs,
02:37
then the day after tomorrow,
54
157260
2000
alors après-demain,
02:39
I would be able to get in a taxi cab
55
159260
2000
je pourrais monter dans un taxi
02:41
and be in Tokyo in 30 seconds.
56
161260
2000
et être à Tokyo en 30 secondes.
02:43
It's not moving like that.
57
163260
2000
Ça n'avance pas comme ça.
02:45
And there's nothing precedented
58
165260
2000
Et il n'y a eu aucun précédent
02:47
in the history of technology development
59
167260
2000
dans l'histoire du développement des technologies
02:49
of this kind of self-feeding growth
60
169260
2000
similaire à cette croissance autoalimentée
02:51
where you go by orders of magnitude every few years.
61
171260
3000
où l'on avance par ordre de magnitude avec un pas de quelques années.
02:54
Now the question that I'd like to ask is,
62
174260
3000
Et la question que j'aimerais poser est,
02:57
if you look at these exponential curves,
63
177260
3000
si vous regardez ces courbes exponentielles,
03:00
they don't go on forever.
64
180260
3000
elles ne continuent pas indéfiniment.
03:03
Things just can't possibly keep changing
65
183260
3000
Les choses ne peuvent pas continuer à changer
03:06
as fast as they are.
66
186260
2000
aussi vite qu'elles le font.
03:08
One of two things is going to happen.
67
188260
3000
Deux choses peuvent se passer.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
191260
4000
Soit ça va devenir une courbe classique en forme de S comme celle-ci,
03:15
until something totally different comes along,
69
195260
4000
jusqu'à ce que quelque chose de complètement différent arrive,
03:19
or maybe it's going to do this.
70
199260
2000
ou peut-être que ça va faire ça.
03:21
That's about all it can do.
71
201260
2000
C'est tout ce que ça peut faire en gros.
03:23
Now I'm an optimist,
72
203260
2000
Et je suis optimiste,
03:25
so I sort of think it's probably going to do something like that.
73
205260
3000
alors je pense que ça va probablement faire quelque chose comme ça.
03:28
If so, that means that what we're in the middle of right now
74
208260
3000
Dans ce cas, ça veut dire que nous sommes en ce moment
03:31
is a transition.
75
211260
2000
en pleine période de transition.
03:33
We're sort of on this line
76
213260
2000
Nous sommes sur cette ligne
03:35
in a transition from the way the world used to be
77
215260
2000
dans une transition entre le monde comme il était avant
03:37
to some new way that the world is.
78
217260
3000
et un genre de nouvel état du monde.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
220260
3000
Et donc la question que j'essaye de poser, que je me suis posé,
03:43
is what's this new way that the world is?
80
223260
3000
est quel est ce nouvel état du monde ?
03:46
What's that new state that the world is heading toward?
81
226260
3000
Quel est ce nouvel état vers lequel le monde se dirige ?
03:49
Because the transition seems very, very confusing
82
229260
3000
Parce que la transition semble très, très confuse
03:52
when we're right in the middle of it.
83
232260
2000
quand on est en plein dedans.
03:54
Now when I was a kid growing up,
84
234260
3000
Quand j'étais enfant, en grandissant,
03:57
the future was kind of the year 2000,
85
237260
3000
le futur c'était en gros l'an 2000,
04:00
and people used to talk about what would happen in the year 2000.
86
240260
4000
et les gens parlaient de ce qui se passerait en l'an 2000.
04:04
Now here's a conference
87
244260
2000
Voici une conférence
04:06
in which people talk about the future,
88
246260
2000
au cours de laquelle les gens parlent du futur,
04:08
and you notice that the future is still at about the year 2000.
89
248260
3000
et vous remarquez que le futur est toujours vers l'an 2000.
04:11
It's about as far as we go out.
90
251260
2000
C'est le plus loin que nous puissions aller.
04:13
So in other words, the future has kind of been shrinking
91
253260
3000
En d'autres termes, le futur a rétréci
04:16
one year per year
92
256260
3000
une année par an
04:19
for my whole lifetime.
93
259260
3000
toute ma vie.
04:22
Now I think that the reason
94
262260
2000
Je pense que la raison
04:24
is because we all feel
95
264260
2000
en est que nous avons tous l'impression
04:26
that something's happening there.
96
266260
2000
qu'il se passe quelque chose ici.
04:28
That transition is happening. We can all sense it.
97
268260
2000
Cette transition est en cours. Nous le sentons.
04:30
And we know that it just doesn't make too much sense
98
270260
2000
Et nous savons que ça n'a pas de sens
04:32
to think out 30, 50 years
99
272260
2000
de penser à dans 30, 50 ans
04:34
because everything's going to be so different
100
274260
3000
parce que tout sera si différent
04:37
that a simple extrapolation of what we're doing
101
277260
2000
qu'une simple extrapolation de ce que nous faisons
04:39
just doesn't make any sense at all.
102
279260
3000
n'a tout simplement pas de sens.
04:42
So what I would like to talk about
103
282260
2000
Alors ce dont j'aimerais parler
04:44
is what that could be,
104
284260
2000
c'est de ce que ça pourrait être,
04:46
what that transition could be that we're going through.
105
286260
3000
ce que pourrait être cette transition que nous traversons.
04:49
Now in order to do that
106
289260
3000
Et pour ce faire,
04:52
I'm going to have to talk about a bunch of stuff
107
292260
2000
je vais devoir parler d'un tas de trucs
04:54
that really has nothing to do
108
294260
2000
qui n'ont rien à voir
04:56
with technology and computers.
109
296260
2000
avec la technologie et les ordinateurs.
04:58
Because I think the only way to understand this
110
298260
2000
Parce que je pense que la seule façon de comprendre ça
05:00
is to really step back
111
300260
2000
est de vraiment prendre du recul
05:02
and take a long time scale look at things.
112
302260
2000
et de regarder les choses sur une longue échelle de temps.
05:04
So the time scale that I would like to look at this on
113
304260
3000
Alors l'échelle de temps sur laquelle je voudrais regarder ça
05:07
is the time scale of life on Earth.
114
307260
3000
est l'échelle de temps de la vie sur Terre.
05:13
So I think this picture makes sense
115
313260
2000
Je pense que cette image a du sens
05:15
if you look at it a few billion years at a time.
116
315260
4000
si vous la regardez quelques milliards d'années à la fois.
05:19
So if you go back
117
319260
2000
Alors si vous remontez en arrière
05:21
about two and a half billion years,
118
321260
2000
d'environ deux milliards et demi d'années,
05:23
the Earth was this big, sterile hunk of rock
119
323260
3000
la Terre était ce gros caillou stérile
05:26
with a lot of chemicals floating around on it.
120
326260
3000
avec beaucoup de composants chimiques qui flottaient tout autour.
05:29
And if you look at the way
121
329260
2000
Et si vous regardez la façon
05:31
that the chemicals got organized,
122
331260
2000
dont les composants chimiques se sont organisés,
05:33
we begin to get a pretty good idea of how they do it.
123
333260
3000
nous commençons à en avoir une assez bonne idée.
05:36
And I think that there's theories that are beginning to understand
124
336260
3000
Et je pense qu'il y a des théories qui commencent à comprendre
05:39
about how it started with RNA,
125
339260
2000
comment tout a commencé avec l'ARN,
05:41
but I'm going to tell a sort of simple story of it,
126
341260
3000
mais je vais en raconter une version simple,
05:44
which is that, at that time,
127
344260
2000
et c'est qu’à l'époque,
05:46
there were little drops of oil floating around
128
346260
3000
il y avait de petites gouttes d'huile qui flottaient
05:49
with all kinds of different recipes of chemicals in them.
129
349260
3000
avec toutes sortes de recettes de composants chimiques à l'intérieur.
05:52
And some of those drops of oil
130
352260
2000
Et certaines de ces gouttes d'huile
05:54
had a particular combination of chemicals in them
131
354260
2000
contenaient une combinaison particulière de composants chimiques
05:56
which caused them to incorporate chemicals from the outside
132
356260
3000
qui leur a fait incorporer des composants chimiques de l'extérieur
05:59
and grow the drops of oil.
133
359260
3000
et les a fait grossir.
06:02
And those that were like that
134
362260
2000
Et celles qui étaient comme ça
06:04
started to split and divide.
135
364260
2000
ont commencé à se fendre et à se diviser.
06:06
And those were the most primitive forms of cells in a sense,
136
366260
3000
Et dans un sens, c'étaient les formes les plus primitives de cellules,
06:09
those little drops of oil.
137
369260
2000
ces petites gouttes d'huile.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
371260
3000
Mais maintenant ces gouttes d'huile n'étaient pas vraiment vivantes, comme nous l'entendons maintenant.
06:14
because every one of them
139
374260
2000
parce que chacune d'entre elles
06:16
was a little random recipe of chemicals.
140
376260
2000
était une recette de composants chimiques assemblés au hasard.
06:18
And every time it divided,
141
378260
2000
Et chaque fois qu'elles se divisaient,
06:20
they got sort of unequal division
142
380260
3000
c'était une division inégale
06:23
of the chemicals within them.
143
383260
2000
de ces composants chimiques qu'elles contenaient.
06:25
And so every drop was a little bit different.
144
385260
3000
Et donc chaque goutte était un peu différente.
06:28
In fact, the drops that were different in a way
145
388260
2000
En fait, les gouttes qui étaient différentes
06:30
that caused them to be better
146
390260
2000
d'une manière qui les faisaient mieux
06:32
at incorporating chemicals around them,
147
392260
2000
incorporer les composants chimiques qui les entouraient,
06:34
grew more and incorporated more chemicals and divided more.
148
394260
3000
grossir encore et incorporer plus de composants chimiques et se diviser plus.
06:37
So those tended to live longer,
149
397260
2000
Alors celles-là avaient tendance à vivre plus longtemps
06:39
get expressed more.
150
399260
3000
et s'exprimer plus.
06:42
Now that's sort of just a very simple
151
402260
3000
Ce n'est qu'une forme de vie chimique
06:45
chemical form of life,
152
405260
2000
très simple,
06:47
but when things got interesting
153
407260
3000
mais quand les choses sont devenues intéressantes
06:50
was when these drops
154
410260
2000
c'est quand ces gouttes
06:52
learned a trick about abstraction.
155
412260
3000
ont appris un truc à propos de l'abstraction.
06:55
Somehow by ways that we don't quite understand,
156
415260
3000
Par des moyens que nous ne comprenons pas vraiment,
06:58
these little drops learned to write down information.
157
418260
3000
ces petites gouttes ont appris à écrire des informations.
07:01
They learned to record the information
158
421260
2000
Elles ont appris à enregistrer les informations
07:03
that was the recipe of the cell
159
423260
2000
qui composaient la recette de la cellule
07:05
onto a particular kind of chemical
160
425260
2000
sur une sorte particulière de composant chimique
07:07
called DNA.
161
427260
2000
appelé ADN.
07:09
So in other words, they worked out,
162
429260
2000
Donc en d'autres termes, elles ont compris,
07:11
in this mindless sort of evolutionary way,
163
431260
3000
de cette manière évolutionniste dans esprit,
07:14
a form of writing that let them write down what they were,
164
434260
3000
une forme d'écriture qui leur permettait d'écrire ce qu'elles étaient.
07:17
so that that way of writing it down could get copied.
165
437260
3000
pour que cette manière d'écrire puisse être copiée.
07:20
The amazing thing is that that way of writing
166
440260
3000
Ce qui est stupéfiant est que cette manière d'écrire
07:23
seems to have stayed steady
167
443260
2000
semblent être restée stable
07:25
since it evolved two and a half billion years ago.
168
445260
2000
depuis qu'elle a évolué il y a deux milliards et demi d'années.
07:27
In fact the recipe for us, our genes,
169
447260
3000
En fait la recette pour nous faire, nous, nos gènes,
07:30
is exactly that same code and that same way of writing.
170
450260
3000
est exactement le même code et la même manière d'écrire.
07:33
In fact, every living creature is written
171
453260
3000
En fait, chaque créature vivante est écrite
07:36
in exactly the same set of letters and the same code.
172
456260
2000
avec exactement les mêmes lettres et le même code.
07:38
In fact, one of the things that I did
173
458260
2000
En fait, une des choses que j'ai faites
07:40
just for amusement purposes
174
460260
2000
dans le seul but de m'amuser
07:42
is we can now write things in this code.
175
462260
2000
est que nous pouvons maintenant écrire des choses avec ce code.
07:44
And I've got here a little 100 micrograms of white powder,
176
464260
6000
Et j'ai ici 100 microgrammes de poudre blanche,
07:50
which I try not to let the security people see at airports.
177
470260
4000
que j'essaye de dissimuler aux services de sécurité des aéroports.
07:54
(Laughter)
178
474260
2000
(Rires)
07:56
But this has in it --
179
476260
2000
Mais elle contient --
07:58
what I did is I took this code --
180
478260
2000
ce que j'ai fait, c'est que j'ai pris ce code --
08:00
the code has standard letters that we use for symbolizing it --
181
480260
3000
le code a des lettres standards que nous employons pour le symboliser --
08:03
and I wrote my business card onto a piece of DNA
182
483260
3000
et j'ai écrit ma carte de visite sur un bout d'ADN
08:06
and amplified it 10 to the 22 times.
183
486260
3000
et je l'ai amplifié de 10 à 22 fois.
08:09
So if anyone would like a hundred million copies of my business card,
184
489260
3000
Alors si quelqu'un veut un million de copies de ma carte de visite,
08:12
I have plenty for everyone in the room,
185
492260
2000
j'en ai plein pour tout le monde dans cette salle,
08:14
and, in fact, everyone in the world,
186
494260
2000
et en fait, pour tout le monde sur cette planète.
08:16
and it's right here.
187
496260
3000
Et tout est là.
08:19
(Laughter)
188
499260
5000
(Rires)
08:26
If I had really been a egotist,
189
506260
2000
Si j'avais été un prétentieux,
08:28
I would have put it into a virus and released it in the room.
190
508260
3000
je l'aurais mis dans un virus et je l'aurais lâché dans la salle.
08:31
(Laughter)
191
511260
5000
(Rires)
08:39
So what was the next step?
192
519260
2000
Alors quelle est l'étape suivante ?
08:41
Writing down the DNA was an interesting step.
193
521260
2000
Ecrire l'ADN était une étape intéressante.
08:43
And that caused these cells --
194
523260
2000
Et elle a fait que les cellules --
08:45
that kept them happy for another billion years.
195
525260
2000
ça les a rendus heureuses pendant un milliard d'années de plus.
08:47
But then there was another really interesting step
196
527260
2000
Mais il y a eu une autre étape intéressante
08:49
where things became completely different,
197
529260
3000
où les choses sont devenues complètement différentes,
08:52
which is these cells started exchanging and communicating information,
198
532260
3000
et c'est que ces cellules ont commencé à échanger et à communiquer des informations
08:55
so that they began to get communities of cells.
199
535260
2000
de sorte qu'elles ont commencé à avoir des communautés de cellules.
08:57
I don't know if you know this,
200
537260
2000
Je ne sais pas si vous le savez,
08:59
but bacteria can actually exchange DNA.
201
539260
2000
mais les bactéries peuvent en fait échanger de l'ADN.
09:01
Now that's why, for instance,
202
541260
2000
Et c'est pourquoi, par exemple,
09:03
antibiotic resistance has evolved.
203
543260
2000
la résistance aux antibiotiques a évolué.
09:05
Some bacteria figured out how to stay away from penicillin,
204
545260
3000
Une bactérie a compris comment rester à l'écart de la pénicilline,
09:08
and it went around sort of creating its little DNA information
205
548260
3000
et elle a créé ses informations d'ADN
09:11
with other bacteria,
206
551260
2000
avec d'autres bactéries,
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
553260
3000
et nous avons maintenant un grand nombre de bactéries résistantes à la pénicilline,
09:16
because bacteria communicate.
208
556260
2000
parce que les bactéries communiquent.
09:18
Now what this communication allowed
209
558260
2000
Maintenant, ce que cette communication a permis
09:20
was communities to form
210
560260
2000
c'est la formation de communautés
09:22
that, in some sense, were in the same boat together;
211
562260
2000
qui, dans un certain sens, étaient dans le même bateau ;
09:24
they were synergistic.
212
564260
2000
elles étaient synergiques.
09:26
So they survived
213
566260
2000
Elles ont donc survécu
09:28
or they failed together,
214
568260
2000
ou échoué ensemble,
09:30
which means that if a community was very successful,
215
570260
2000
ce qui signifie que si une communauté avait très bien réussi,
09:32
all the individuals in that community
216
572260
2000
tous les individus de cette communauté
09:34
were repeated more
217
574260
2000
étaient plus répétés
09:36
and they were favored by evolution.
218
576260
3000
et plus favorisés par l'évolution.
09:39
Now the transition point happened
219
579260
2000
Le point de transition qui s'est produit
09:41
when these communities got so close
220
581260
2000
lorsque ces communautés ont été si proches
09:43
that, in fact, they got together
221
583260
2000
qu'en fait, elles se sont réunies
09:45
and decided to write down the whole recipe for the community
222
585260
3000
et ont décidé d'écrire la recette entière pour la communauté
09:48
together on one string of DNA.
223
588260
3000
ensemble sur une chaîne d'ADN.
09:51
And so the next stage that's interesting in life
224
591260
2000
Et la prochaine étape qui est intéressante dans la vie
09:53
took about another billion years.
225
593260
2000
a pris un autre milliard d'années.
09:55
And at that stage,
226
595260
2000
Et à ce stade,
09:57
we have multi-cellular communities,
227
597260
2000
nous avons des communautés multicellulaires,
09:59
communities of lots of different types of cells,
228
599260
2000
des communautés de beaucoup de différents types de cellules,
10:01
working together as a single organism.
229
601260
2000
qui travaillent ensemble comme un seul organisme.
10:03
And in fact, we're such a multi-cellular community.
230
603260
3000
Et en fait, nous sommes une de ces communautés multicellulaires.
10:06
We have lots of cells
231
606260
2000
Nous avons beaucoup de cellules
10:08
that are not out for themselves anymore.
232
608260
2000
qui ne sont plus indépendantes.
10:10
Your skin cell is really useless
233
610260
3000
La cellule de votre peau est vraiment inutile
10:13
without a heart cell, muscle cell,
234
613260
2000
sans une cellule du cœur, une cellule de muscle,
10:15
a brain cell and so on.
235
615260
2000
une cellule de cerveau et ainsi de suite.
10:17
So these communities began to evolve
236
617260
2000
Ainsi, ces communautés ont commencé à évoluer
10:19
so that the interesting level on which evolution was taking place
237
619260
3000
de sorte que le niveau intéressant auquel se déroulait l'évolution
10:22
was no longer a cell,
238
622260
2000
n'était plus une cellule,
10:24
but a community which we call an organism.
239
624260
3000
mais une communauté que nous appelons un organisme.
10:28
Now the next step that happened
240
628260
2000
Et la prochaine étape s'est produite
10:30
is within these communities.
241
630260
2000
au sein de ces communautés.
10:32
These communities of cells,
242
632260
2000
Ces communautés de cellules,
10:34
again, began to abstract information.
243
634260
2000
encore une fois, ont commencé à abstraire l'information.
10:36
And they began building very special structures
244
636260
3000
Et elles ont commencé à construire des structures très particulières
10:39
that did nothing but process information within the community.
245
639260
3000
qui ne faisaient rien d'autre que traiter l'information au sein de la communauté.
10:42
And those are the neural structures.
246
642260
2000
Et ce sont les structures neurales.
10:44
So neurons are the information processing apparatus
247
644260
3000
Les neurones sont donc l'appareil de traitement d'informations
10:47
that those communities of cells built up.
248
647260
3000
que ces communautés de cellules ont construit.
10:50
And in fact, they began to get specialists in the community
249
650260
2000
Et en fait, elles ont commencé à avoir des spécialistes dans la communauté
10:52
and special structures
250
652260
2000
et des structures spéciales
10:54
that were responsible for recording,
251
654260
2000
qui étaient responsables de l'enregistrement,
10:56
understanding, learning information.
252
656260
3000
la compréhension, et l'apprentissage d'informations.
10:59
And that was the brains and the nervous system
253
659260
2000
Et c'étaient le cerveau et le système nerveux
11:01
of those communities.
254
661260
2000
de ces communautés.
11:03
And that gave them an evolutionary advantage.
255
663260
2000
Et ça leur a donné un avantage évolutif.
11:05
Because at that point,
256
665260
3000
Parce qu'à ce moment-là,
11:08
an individual --
257
668260
3000
un individu --
11:11
learning could happen
258
671260
2000
l'apprentissage pouvait se produire
11:13
within the time span of a single organism,
259
673260
2000
dans le laps de temps d'un organisme unique,
11:15
instead of over this evolutionary time span.
260
675260
3000
plutôt que sur ce laps de temps évolutionnaire.
11:18
So an organism could, for instance,
261
678260
2000
Donc, un organisme pourrait, par exemple,
11:20
learn not to eat a certain kind of fruit
262
680260
2000
apprendre à ne pas manger un certain type de fruits
11:22
because it tasted bad and it got sick last time it ate it.
263
682260
4000
car il avait mauvais goût et qu'il est tombé malade la dernière fois qu'il en a mangé.
11:26
That could happen within the lifetime of a single organism,
264
686260
3000
Cela pouvait se produire au cours de la vie d'un organisme unique,
11:29
whereas before they'd built these special information processing structures,
265
689260
4000
alors qu'auparavant elles avaient développé ces structures spéciales de traitement de l'information,
11:33
that would have had to be learned evolutionarily
266
693260
2000
qui aurait dû être appris de manière évolutive
11:35
over hundreds of thousands of years
267
695260
3000
sur des centaines de milliers d'années
11:38
by the individuals dying off that ate that kind of fruit.
268
698260
3000
par les individus qui meurent d'avoir mangé ce genre de fruit.
11:41
So that nervous system,
269
701260
2000
Alors ce système nerveux,
11:43
the fact that they built these special information structures,
270
703260
3000
le fait qu'elles ont construit ces structures spéciales d'information,
11:46
tremendously sped up the whole process of evolution.
271
706260
3000
a énormément accéléré tout le processus d'évolution.
11:49
Because evolution could now happen within an individual.
272
709260
3000
Parce que l'évolution pouvait maintenant se produire dans un individu.
11:52
It could happen in learning time scales.
273
712260
3000
Elle pouvait se produire dans des échelles de temps d'apprentissage
11:55
But then what happened
274
715260
2000
Mais alors ce qui s'est passé
11:57
was the individuals worked out,
275
717260
2000
c'est que les individus ont trouvé,
11:59
of course, tricks of communicating.
276
719260
2000
bien sûr, des astuces de communication.
12:01
And for example,
277
721260
2000
Et par exemple,
12:03
the most sophisticated version that we're aware of is human language.
278
723260
3000
la version la plus sophistiquée que nous connaissions est le langage humain.
12:06
It's really a pretty amazing invention if you think about it.
279
726260
3000
C'est vraiment une invention assez incroyable, si vous y réfléchissez.
12:09
Here I have a very complicated, messy,
280
729260
2000
Ici, j'ai une idée très compliquée, très brouillon,
12:11
confused idea in my head.
281
731260
3000
très confuse dans ma tête.
12:14
I'm sitting here making grunting sounds basically,
282
734260
3000
Je suis assis ici à pousser des grognements essentiellement,
12:17
and hopefully constructing a similar messy, confused idea in your head
283
737260
3000
et avec un peu de chance à construire une idée brouillon et confuse dans votre tête
12:20
that bears some analogy to it.
284
740260
2000
qui lui ressemble un peu.
12:22
But we're taking something very complicated,
285
742260
2000
Mais nous prenons quelque chose de très compliqué,
12:24
turning it into sound, sequences of sounds,
286
744260
3000
nous le transformons en son, en des séquences de son,
12:27
and producing something very complicated in your brain.
287
747260
4000
et nous produisons quelque chose de très compliqué dans votre cerveau.
12:31
So this allows us now
288
751260
2000
Donc, ce qui nous permet maintenant
12:33
to begin to start functioning
289
753260
2000
de commencer à commencer à fonctionner
12:35
as a single organism.
290
755260
3000
comme un organisme unique.
12:38
And so, in fact, what we've done
291
758260
3000
Et oui, en fait, ce que nous avons fait
12:41
is we, humanity,
292
761260
2000
c'est que nous, l'humanité,
12:43
have started abstracting out.
293
763260
2000
avons commencé à abstraire.
12:45
We're going through the same levels
294
765260
2000
Nous passions par les mêmes niveaux
12:47
that multi-cellular organisms have gone through --
295
767260
2000
par lesquels sont passés les organismes multicellulaires --
12:49
abstracting out our methods of recording,
296
769260
3000
en faisant l'abstraction sur nos méthodes d'enregistrement,
12:52
presenting, processing information.
297
772260
2000
en présentant, en traitant les informations.
12:54
So for example, the invention of language
298
774260
2000
Ainsi, par exemple, l'invention du langage
12:56
was a tiny step in that direction.
299
776260
3000
était un petit pas dans cette direction.
12:59
Telephony, computers,
300
779260
2000
La téléphonie, les ordinateurs,
13:01
videotapes, CD-ROMs and so on
301
781260
3000
les cassettes vidéo, les CD-ROM et ainsi de suite
13:04
are all our specialized mechanisms
302
784260
2000
sont tous nos mécanismes spécialisés
13:06
that we've now built within our society
303
786260
2000
que nous avons maintenant construit au sein de notre société
13:08
for handling that information.
304
788260
2000
pour le traitement de ces informations.
13:10
And it all connects us together
305
790260
3000
Et ça nous relie tous ensemble
13:13
into something
306
793260
2000
en quelque chose
13:15
that is much bigger
307
795260
2000
qui est beaucoup plus grand
13:17
and much faster
308
797260
2000
et beaucoup plus rapide
13:19
and able to evolve
309
799260
2000
et capable d'évoluer
13:21
than what we were before.
310
801260
2000
que ce que nous étions avant.
13:23
So now, evolution can take place
311
803260
2000
Alors maintenant, l'évolution peut avoir lieu
13:25
on a scale of microseconds.
312
805260
2000
sur une échelle de microsecondes.
13:27
And you saw Ty's little evolutionary example
313
807260
2000
Et vous avez vu le petit exemple évolutionnaire de Ty
13:29
where he sort of did a little bit of evolution
314
809260
2000
où il a fait une sorte de petite évolution
13:31
on the Convolution program right before your eyes.
315
811260
3000
sur le programme de convolution juste devant vos yeux.
13:34
So now we've speeded up the time scales once again.
316
814260
3000
Alors, nous avons accéléré les échelles de temps une fois de plus.
13:37
So the first steps of the story that I told you about
317
817260
2000
Ainsi, les premières étapes de l'histoire dont je vous ai parlé
13:39
took a billion years a piece.
318
819260
2000
ont pris un milliard d'années chacune.
13:41
And the next steps,
319
821260
2000
Et les étapes suivantes,
13:43
like nervous systems and brains,
320
823260
2000
comme les systèmes nerveux et les cerveaux,
13:45
took a few hundred million years.
321
825260
2000
ont pris une centaine de millions d'années.
13:47
Then the next steps, like language and so on,
322
827260
3000
Ensuite, les étapes suivantes, comme le langage et ainsi de suite,
13:50
took less than a million years.
323
830260
2000
ont pris moins d'un million d'années.
13:52
And these next steps, like electronics,
324
832260
2000
Et ces étapes suivantes, comme l'électronique,
13:54
seem to be taking only a few decades.
325
834260
2000
semblent prendre seulement quelques décennies.
13:56
The process is feeding on itself
326
836260
2000
Le processus se nourrit de lui-même
13:58
and becoming, I guess, autocatalytic is the word for it --
327
838260
3000
et devient, je suppose, auto-catalytique, c'est le mot qui convient -
14:01
when something reinforces its rate of change.
328
841260
3000
quand quelque chose renforce son taux de variation.
14:04
The more it changes, the faster it changes.
329
844260
3000
Plus il change, plus vite il change.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
847260
3000
Et je pense que c'est ce que nous voyons ici dans cette explosion de la courbe.
14:10
We're seeing this process feeding back on itself.
331
850260
3000
Nous voyons ce processus qui s'autoalimente.
14:13
Now I design computers for a living,
332
853260
3000
Concevoir des ordinateurs, c'est mon métier,
14:16
and I know that the mechanisms
333
856260
2000
et je sais que les mécanismes
14:18
that I use to design computers
334
858260
3000
que j'utilise pour concevoir des ordinateurs
14:21
would be impossible
335
861260
2000
seraient impossible
14:23
without recent advances in computers.
336
863260
2000
sans les progrès récents en informatique.
14:25
So right now, what I do
337
865260
2000
Donc en ce moment, ce que je fais
14:27
is I design objects at such complexity
338
867260
3000
c'est concevoir des objets d'une telle complexité
14:30
that it's really impossible for me to design them in the traditional sense.
339
870260
3000
que ça m'est vraiment impossible de les concevoir au sens traditionnel du terme.
14:33
I don't know what every transistor in the connection machine does.
340
873260
4000
Je ne sais pas ce que fait chaque transistor dans la machine de connexion.
14:37
There are billions of them.
341
877260
2000
Il y en a des milliards.
14:39
Instead, what I do
342
879260
2000
Au lieu de cela, ce que je fais
14:41
and what the designers at Thinking Machines do
343
881260
3000
et ce que les concepteurs de Thinking Machines font
14:44
is we think at some level of abstraction
344
884260
2000
est que nous pensons à un certain niveau d'abstraction
14:46
and then we hand it to the machine
345
886260
2000
puis nous le remettons à la machine
14:48
and the machine takes it beyond what we could ever do,
346
888260
3000
et la machine l'amène au-delà de ce que nous ne pourrions jamais faire,
14:51
much farther and faster than we could ever do.
347
891260
3000
beaucoup plus loin et plus vite que nous ne pourrions jamais le faire.
14:54
And in fact, sometimes it takes it by methods
348
894260
2000
Et en fait, parfois elle le fait par des méthodes
14:56
that we don't quite even understand.
349
896260
3000
que nous ne comprenons pas tout à fait.
14:59
One method that's particularly interesting
350
899260
2000
Une méthode qui est particulièrement intéressante
15:01
that I've been using a lot lately
351
901260
3000
que j'ai beaucoup utilisée ces derniers temps
15:04
is evolution itself.
352
904260
2000
est l'évolution même.
15:06
So what we do
353
906260
2000
Donc, ce que nous faisons
15:08
is we put inside the machine
354
908260
2000
est que nous mettons dans la machine
15:10
a process of evolution
355
910260
2000
un processus d'évolution
15:12
that takes place on the microsecond time scale.
356
912260
2000
qui prend place sur l'échelle de temps en microsecondes.
15:14
So for example,
357
914260
2000
Ainsi, par exemple,
15:16
in the most extreme cases,
358
916260
2000
dans les cas les plus extrêmes,
15:18
we can actually evolve a program
359
918260
2000
nous pouvons vraiment faire évoluer un programme
15:20
by starting out with random sequences of instructions.
360
920260
4000
en démarrant avec des séquences aléatoires d'instructions.
15:24
Say, "Computer, would you please make
361
924260
2000
Disons: « Ordinateur, veux-tu s'il te plait créer
15:26
a hundred million random sequences of instructions.
362
926260
3000
une centaine de millions de séquences aléatoires d'instructions.
15:29
Now would you please run all of those random sequences of instructions,
363
929260
3000
Maintenant veux-tu bien s'il te plait exécuter ces séquences aléatoires d'instructions,
15:32
run all of those programs,
364
932260
2000
exécuter tous ces programmes,
15:34
and pick out the ones that came closest to doing what I wanted."
365
934260
3000
et choisir ceux qui étaient les plus proches de faire ce que je voulais. »
15:37
So in other words, I define what I wanted.
366
937260
2000
Donc, en d'autres termes, je définis ce que je voulais.
15:39
Let's say I want to sort numbers,
367
939260
2000
Disons que je veux trier des chiffres,
15:41
as a simple example I've done it with.
368
941260
2000
comme un exemple simple de ce avec quoi je l'ai fait.
15:43
So find the programs that come closest to sorting numbers.
369
943260
3000
Donc, trouver les programmes qui se rapprochent du tri de chiffres.
15:46
So of course, random sequences of instructions
370
946260
3000
Alors bien sûr, des séquences aléatoires d'instructions
15:49
are very unlikely to sort numbers,
371
949260
2000
ne vont vraisemblablement pas trier des chiffres,
15:51
so none of them will really do it.
372
951260
2000
et aucune d'entre elles ne le fera vraiment.
15:53
But one of them, by luck,
373
953260
2000
Mais l'une d'elle, par chance,
15:55
may put two numbers in the right order.
374
955260
2000
peut mettre deux chiffres dans le bon ordre.
15:57
And I say, "Computer,
375
957260
2000
Et je dis, « Ordinateur,
15:59
would you please now take the 10 percent
376
959260
3000
veux-tu s'il te plait prendre maintenant les 10 %
16:02
of those random sequences that did the best job.
377
962260
2000
de ces séquences aléatoires qui ont fait le meilleur travail.
16:04
Save those. Kill off the rest.
378
964260
2000
Enregistre-les. Élimine le reste.
16:06
And now let's reproduce
379
966260
2000
Et maintenant, reproduisons
16:08
the ones that sorted numbers the best.
380
968260
2000
celles qui ont le mieux trié les chiffres.
16:10
And let's reproduce them by a process of recombination
381
970260
3000
Et reproduisons-les par un processus de recombinaison
16:13
analogous to sex."
382
973260
2000
analogue aux rapports sexuels. »
16:15
Take two programs and they produce children
383
975260
3000
Prenez deux programmes, et ils produisent des enfants
16:18
by exchanging their subroutines,
384
978260
2000
en échangeant leurs sous-programmes,
16:20
and the children inherit the traits of the subroutines of the two programs.
385
980260
3000
et les enfants héritent des traits des sous-routines des deux programmes.
16:23
So I've got now a new generation of programs
386
983260
3000
Donc j'ai maintenant une nouvelle génération de programmes
16:26
that are produced by combinations
387
986260
2000
qui sont produites par des combinaisons
16:28
of the programs that did a little bit better job.
388
988260
2000
des programmes qui ont fait un travail un peu meilleur.
16:30
Say, "Please repeat that process."
389
990260
2000
Disons : « S'il te plait répète ce processus. »
16:32
Score them again.
390
992260
2000
Tiens le compte à nouveau.
16:34
Introduce some mutations perhaps.
391
994260
2000
Introduis peut-être des mutations.
16:36
And try that again and do that for another generation.
392
996260
3000
Et essaye à nouveau de le faire pour une autre génération.
16:39
Well every one of those generations just takes a few milliseconds.
393
999260
3000
Eh bien chacune de ces générations ne prend que quelques millisecondes.
16:42
So I can do the equivalent
394
1002260
2000
Donc, je peux faire là l'équivalent
16:44
of millions of years of evolution on that
395
1004260
2000
de millions d'années d'évolution
16:46
within the computer in a few minutes,
396
1006260
3000
au sein de l'ordinateur en quelques minutes,
16:49
or in the complicated cases, in a few hours.
397
1009260
2000
ou dans les cas compliqués, en quelques heures.
16:51
At the end of that, I end up with programs
398
1011260
3000
En fin de compte, je me retrouve avec des programmes
16:54
that are absolutely perfect at sorting numbers.
399
1014260
2000
qui sont absolument parfait pour trier des nombres.
16:56
In fact, they are programs that are much more efficient
400
1016260
3000
En fait, ce sont des programmes qui sont beaucoup plus efficaces
16:59
than programs I could have ever written by hand.
401
1019260
2000
que les programmes que je n'aurais jamais écrit à la main.
17:01
Now if I look at those programs,
402
1021260
2000
Maintenant, si je regarde ces programmes,
17:03
I can't tell you how they work.
403
1023260
2000
Je ne peux pas vous dire comment ils fonctionnent.
17:05
I've tried looking at them and telling you how they work.
404
1025260
2000
J'ai essayé de les regarder et de vous dire comment ils fonctionnent.
17:07
They're obscure, weird programs.
405
1027260
2000
Ce sont des programmes obscurs et bizarres.
17:09
But they do the job.
406
1029260
2000
Mais ils font le travail.
17:11
And in fact, I know, I'm very confident that they do the job
407
1031260
3000
Et en fait, je sais, je suis très confiant dans le fait qu'ils font le travail
17:14
because they come from a line
408
1034260
2000
parce qu'ils viennent d'une ligne
17:16
of hundreds of thousands of programs that did the job.
409
1036260
2000
de centaines de milliers de programmes qui ont fait le travail.
17:18
In fact, their life depended on doing the job.
410
1038260
3000
En fait, leur vie en dépendait.
17:21
(Laughter)
411
1041260
4000
(Rires)
17:26
I was riding in a 747
412
1046260
2000
Un jour, j'étais dans un 747
17:28
with Marvin Minsky once,
413
1048260
2000
avec Marvin Minsky,
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1050260
3000
et il sort cette carte et dit : « Oh regardez. Regardez ça.
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1053260
4000
Il dit : ‘Cet avion a des centaines de milliers de petites pièces
17:37
working together to make you a safe flight.'
416
1057260
4000
qui travaillent ensemble pour vous assurer un vol en toute sécurité.’
17:41
Doesn't that make you feel confident?"
417
1061260
2000
Cela ne vous met-il pas en confiance ? »
17:43
(Laughter)
418
1063260
2000
(Rires)
17:45
In fact, we know that the engineering process doesn't work very well
419
1065260
3000
En fait, nous savons que le processus d'ingénierie ne fonctionne pas très bien
17:48
when it gets complicated.
420
1068260
2000
quand ça devient compliqué.
17:50
So we're beginning to depend on computers
421
1070260
2000
Donc, nous commençons à dépendre des ordinateurs
17:52
to do a process that's very different than engineering.
422
1072260
4000
pour faire un processus qui est très différent de celui de l'ingénierie.
17:56
And it lets us produce things of much more complexity
423
1076260
3000
Et ça nous permet de produire des choses beaucoup plus complexes
17:59
than normal engineering lets us produce.
424
1079260
2000
que l'ingénierie normale ne nous le permet.
18:01
And yet, we don't quite understand the options of it.
425
1081260
3000
Et pourtant, nous n'en comprends pas très bien les options.
18:04
So in a sense, it's getting ahead of us.
426
1084260
2000
Donc dans un sens, il prend de l'avance sur nous.
18:06
We're now using those programs
427
1086260
2000
Nous utilisons maintenant ces programmes
18:08
to make much faster computers
428
1088260
2000
pour rendre les ordinateurs plus rapides
18:10
so that we'll be able to run this process much faster.
429
1090260
3000
pour que nous soyons en mesure d'exécuter ce processus beaucoup plus vite.
18:13
So it's feeding back on itself.
430
1093260
3000
Donc, il s'autoalimente.
18:16
The thing is becoming faster
431
1096260
2000
La chose devient de plus en plus rapide
18:18
and that's why I think it seems so confusing.
432
1098260
2000
et c'est pourquoi je pense que ça semble si confus.
18:20
Because all of these technologies are feeding back on themselves.
433
1100260
3000
Parce que toutes ces technologies s'autoalimentent
18:23
We're taking off.
434
1103260
2000
Nous décollons.
18:25
And what we are is we're at a point in time
435
1105260
3000
Et ce que nous sommes, c'est que nous sommes à un point dans le temps
18:28
which is analogous to when single-celled organisms
436
1108260
2000
qui est analogue au moment où des organismes unicellulaires
18:30
were turning into multi-celled organisms.
437
1110260
3000
se transformait en organismes multicellulaires.
18:33
So we're the amoebas
438
1113260
2000
Donc, nous sommes les amibes
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1115260
3000
et nous ne pouvons pas tout à fait comprendre ce qu'est ce truc que nous créons.
18:38
We're right at that point of transition.
440
1118260
2000
Nous sommes pile à ce moment de transition.
18:40
But I think that there really is something coming along after us.
441
1120260
3000
Mais je pense qu'il y a vraiment quelque chose qui vient après nous.
18:43
I think it's very haughty of us
442
1123260
2000
Je pense que c'est très prétentieux de notre part
18:45
to think that we're the end product of evolution.
443
1125260
3000
de penser que nous sommes le produit final de l'évolution.
18:48
And I think all of us here
444
1128260
2000
Et je pense que nous tous ici
18:50
are a part of producing
445
1130260
2000
sommes partie prenante dans la production
18:52
whatever that next thing is.
446
1132260
2000
de cette chose, quoi qu'elle soit.
18:54
So lunch is coming along,
447
1134260
2000
Donc, c'est bientôt l'heure du déjeuner,
18:56
and I think I will stop at that point,
448
1136260
2000
et je pense que je vais m'arrêter là,
18:58
before I get selected out.
449
1138260
2000
avant que l'on m'expulse.
19:00
(Applause)
450
1140260
3000
(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