Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar : L'avènement de la coopération homme-machine

62,527 views

2012-09-06 ・ TED


New videos

Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar : L'avènement de la coopération homme-machine

62,527 views ・ 2012-09-06

TED


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

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Traducteur: Elisabeth Buffard Relecteur: eric vautier
00:15
I'd like to tell you about two games of chess.
1
15772
2556
J'aimerais vous parler de deux parties d'échecs.
00:18
The first happened in 1997, in which Garry Kasparov,
2
18328
3864
La première a eu lieu en 1997, et dans cette partie, Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
3
22192
3716
un humain, a perdu contre Deep Blue, une machine.
00:25
To many, this was the dawn of a new era,
4
25908
2240
Pour beaucoup, ce fut l'aube d'une ère nouvelle,
00:28
one where man would be dominated by machine.
5
28148
2779
où l'homme serait dominé par la machine.
00:30
But here we are, 20 years on, and the greatest change
6
30927
3334
Mais nous voilà, 20 ans plus tard, et le plus grand changement
00:34
in how we relate to computers is the iPad,
7
34261
2690
dans nos rapports avec les ordinateurs est l'iPad,
00:36
not HAL.
8
36951
2045
pas HAL.
00:38
The second game was a freestyle chess tournament
9
38996
2648
La deuxième partie était un tournoi d'échecs freestyle
00:41
in 2005, in which man and machine could enter together
10
41644
2969
en 2005, au cours duquel l'homme et la machine se sont rencontrés
00:44
as partners, rather than adversaries, if they so chose.
11
44613
4666
en tant que partenaires, plutôt qu'adversaires, si c'est ce qu'ils choisissent.
00:49
At first, the results were predictable.
12
49279
1851
Au début, les résultats étaient prévisibles.
00:51
Even a supercomputer was beaten by a grandmaster
13
51130
2497
Même un superordinateur a été battu par un grand maître
00:53
with a relatively weak laptop.
14
53627
2312
et un ordinateur portable relativement faiblard.
00:55
The surprise came at the end. Who won?
15
55939
2985
La surprise est venue à la fin. Qui a gagné ?
00:58
Not a grandmaster with a supercomputer,
16
58924
2776
Pas un grand maître avec un superordinateur,
01:01
but actually two American amateurs
17
61700
1493
mais en fait deux Américains amateurs
01:03
using three relatively weak laptops.
18
63193
3822
se servant de trois ordinateurs portables relativement faiblards.
01:07
Their ability to coach and manipulate their computers
19
67015
2596
Leur capacité à entraîner et manipuler leurs ordinateurs
01:09
to deeply explore specific positions
20
69611
2435
pour explorer en profondeur des positions spécifiques
01:12
effectively counteracted the superior chess knowledge
21
72046
2390
qui contrecarraient efficacement les connaissances supérieures des échecs
01:14
of the grandmasters and the superior computational power
22
74436
2609
des grands maîtres et la puissance de calcul supérieure
01:17
of other adversaries.
23
77045
1909
des autres adversaires.
01:18
This is an astonishing result: average men,
24
78954
2905
C'est un résultat étonnant : des hommes moyens,
01:21
average machines beating the best man, the best machine.
25
81859
4081
des machines moyennes qui battent le meilleur homme et la meilleure machine.
01:25
And anyways, isn't it supposed to be man versus machine?
26
85940
3199
D'ailleurs, est-ce que ce n'est pas censé être l'homme contre la machine ?
01:29
Instead, it's about cooperation, and the right type of cooperation.
27
89139
4152
Au lieu de ça, il s'agit de coopération, et du bon type de coopération.
01:33
We've been paying a lot of attention to Marvin Minsky's
28
93291
2857
Nous avons accordé beaucoup d'attention à la vision
01:36
vision for artificial intelligence over the last 50 years.
29
96148
3242
de Marvin Minsky sur l'intelligence artificielle ces 50 dernières années.
01:39
It's a sexy vision, for sure. Many have embraced it.
30
99390
2262
C'est une vision attirante, c'est sûr. Beaucoup l'ont adoptée.
01:41
It's become the dominant school of thought in computer science.
31
101652
2753
Elle est devenue l'école dominante de pensée en informatique.
01:44
But as we enter the era of big data, of network systems,
32
104405
3072
Mais alors que nous entrons dans l'ère des méga-données, des systèmes de réseaux,
01:47
of open platforms, and embedded technology,
33
107477
2698
des plates-formes ouvertes et de la technologie embarquée,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
34
110175
3392
j'aimerais suggérer qu'il est temps de réévaluer une version alternative
01:53
that was actually developed around the same time.
35
113567
3070
qui a été développée en fait à peu près à la même période.
01:56
I'm talking about J.C.R. Licklider's human-computer symbiosis,
36
116637
3332
Je parle de la symbiose homme-machine de J.C.R. Licklider,
01:59
perhaps better termed "intelligence augmentation," I.A.
37
119969
3808
peut-être mieux nommée "augmentation d'intelligence", A. I.
02:03
Licklider was a computer science titan who had a profound
38
123777
2640
Licklider était un titan de l'informatique qui a eu
02:06
effect on the development of technology and the Internet.
39
126417
3006
un effet profond sur le développement de la technologie et d'Internet.
02:09
His vision was to enable man and machine to cooperate
40
129423
2868
Sa vision était de permettre à l'homme et à la machine de coopérer
02:12
in making decisions, controlling complex situations
41
132291
3590
pour prendre des décisions, contrôler des situations complexes
02:15
without the inflexible dependence
42
135881
1770
sans dépendance inflexible
02:17
on predetermined programs.
43
137651
2533
à des programmes prédéterminés.
02:20
Note that word "cooperate."
44
140184
2498
Notez le mot "coopérer".
02:22
Licklider encourages us not to take a toaster
45
142682
2747
Licklider nous encourage à ne pas prendre un grille-pain
02:25
and make it Data from "Star Trek,"
46
145429
2284
pour en faire Data de Star Trek,
02:27
but to take a human and make her more capable.
47
147713
3535
mais à prendre un Humain et le rendre plus capable.
02:31
Humans are so amazing -- how we think,
48
151248
1911
Les Humains sont si extraordinaires -- notre façon de penser,
02:33
our non-linear approaches, our creativity,
49
153159
2618
nos approches non linéaires, notre créativité,
02:35
iterative hypotheses, all very difficult if possible at all
50
155777
2131
les hypothèses itératives, tout ça est difficile, voire impossible
02:37
for computers to do.
51
157908
1345
à faire pour des ordinateurs.
02:39
Licklider intuitively realized this, contemplating humans
52
159253
2452
Licklider a compris ça de manière intuitive, en observant les humains
02:41
setting the goals, formulating the hypotheses,
53
161705
2327
se fixer des objectifs, formuler des hypothèses,
02:44
determining the criteria, and performing the evaluation.
54
164032
3376
déterminer les critères et effectuer l'évaluation.
02:47
Of course, in other ways, humans are so limited.
55
167408
1775
Bien sûr, d'une autre manière, les humains sont tellement limités.
02:49
We're terrible at scale, computation and volume.
56
169183
3235
Nous sommes très mauvais avec l'échelle, le calcul et le volume.
02:52
We require high-end talent management
57
172418
1836
Nous avons besoin d'une gestion des compétences de haut niveau
02:54
to keep the rock band together and playing.
58
174254
2064
pour garder ensemble un groupe de rock pour qu'il continue à jouer.
02:56
Licklider foresaw computers doing all the routinizable work
59
176318
2204
Licklider a prévu que les ordinateurs feraient tout le travail de routine
02:58
that was required to prepare the way for insights and decision making.
60
178522
3276
nécessaire pour préparer la voie aux idées et à la prise de décision.
03:01
Silently, without much fanfare,
61
181798
2224
En silence, sans tambour ni trompette,
03:04
this approach has been compiling victories beyond chess.
62
184022
3354
cette approche accumule les victoires au-delà des échecs.
03:07
Protein folding, a topic that shares the incredible expansiveness of chess —
63
187376
3356
Le repliement des protéines, un sujet qui partage l'incroyable expansivité des échecs --
03:10
there are more ways of folding a protein than there are atoms in the universe.
64
190732
3042
il y a plus de façons de replier une protéine qu'il n'y a d'atomes dans l'univers.
03:13
This is a world-changing problem with huge implications
65
193774
2353
C'est un problème qui peut changer le monde, aux implications énormes
03:16
for our ability to understand and treat disease.
66
196127
2308
quant à notre capacité à comprendre et à traiter la maladie.
03:18
And for this task, supercomputer field brute force simply isn't enough.
67
198435
4248
Pour cette tâche, la force brute d'un superordinateur ne suffit pas.
03:22
Foldit, a game created by computer scientists,
68
202683
2384
Foldit, un jeu créé par des chercheurs en informatique,
03:25
illustrates the value of the approach.
69
205067
2502
illustre la valeur de l'approche.
03:27
Non-technical, non-biologist amateurs play a video game
70
207569
3041
Des amateurs qui ne sont ni techniciens, ni biologistes, jouent à un jeu vidéo
03:30
in which they visually rearrange the structure of the protein,
71
210610
3073
dans lequel ils réarrangent visuellement la structure de la protéine,
03:33
allowing the computer to manage the atomic forces
72
213683
1499
permettant à l'ordinateur de gérer les forces et les interactions atomiques
03:35
and interactions and identify structural issues.
73
215182
2957
et d'identifier les problèmes structurels.
03:38
This approach beat supercomputers 50 percent of the time
74
218139
3023
Cette approche a battu les superordinateurs 50 % du temps
03:41
and tied 30 percent of the time.
75
221162
2584
et a obtenu l'égalité 30 % du temps.
03:43
Foldit recently made a notable and major scientific discovery
76
223746
3137
Foldit a fait une découverte scientifique remarquable et majeure récemment
03:46
by deciphering the structure of the Mason-Pfizer monkey virus.
77
226883
3160
en déchiffrant la structure du virus simien de Mason-Pfizer.
03:50
A protease that had eluded determination for over 10 years
78
230043
3015
Une protéase qui avait échappé à la détermination pendant plus de 10 ans
03:53
was solved was by three players in a matter of days,
79
233058
2626
a été résolue par 3 joueurs en quelques jours,
03:55
perhaps the first major scientific advance
80
235684
2025
peut-être la première avancée scientifique majeure
03:57
to come from playing a video game.
81
237709
2323
issue d'une partie de jeu vidéo.
04:00
Last year, on the site of the Twin Towers,
82
240032
2181
L'an dernier, sur le site des Tours Jumelles,
04:02
the 9/11 memorial opened.
83
242213
1473
on a inauguré le Mémorial du 11 Septembre.
04:03
It displays the names of the thousands of victims
84
243686
2721
Il affiche les noms des milliers de victimes
04:06
using a beautiful concept called "meaningful adjacency."
85
246407
3063
en utilisant un beau concept appelé "adjacence significative".
04:09
It places the names next to each other based on their
86
249470
2166
Il place les noms les uns à côté des autres en fonction
04:11
relationships to one another: friends, families, coworkers.
87
251636
2213
de leurs relations : amis, familles, collègues de travail.
04:13
When you put it all together, it's quite a computational
88
253849
3028
Quand on les met tous ensemble, c'est un sacré défi de calcul :
04:16
challenge: 3,500 victims, 1,800 adjacency requests,
89
256877
4223
3500 victimes, 1800 requêtes d'adjacence,
04:21
the importance of the overall physical specifications
90
261100
3092
l'importance des spécifications physiques globales
04:24
and the final aesthetics.
91
264192
2137
et l'esthétique finale.
04:26
When first reported by the media, full credit for such a feat
92
266329
2615
Quand les médias en ont parlé pour la première fois,
04:28
was given to an algorithm from the New York City
93
268944
1892
on a donné tout le crédit d'un tel exploit à un algorithme
04:30
design firm Local Projects. The truth is a bit more nuanced.
94
270836
4001
de la boite de design new-yorkaise Local Projects. La vérité est un peu plus nuancée.
04:34
While an algorithm was used to develop the underlying framework,
95
274837
2871
Tandis qu'un algorithme a été utilisé pour développer un cadre sous-jacent,
04:37
humans used that framework to design the final result.
96
277708
3008
des humains ont utilisé ce cadre pour concevoir le résultat final.
04:40
So in this case, a computer had evaluated millions
97
280716
2225
Dans ce cas, un ordinateur avait évalué des millions
04:42
of possible layouts, managed a complex relational system,
98
282941
3335
d'agencements possibles, géré un système relationnel complexe,
04:46
and kept track of a very large set of measurements
99
286276
2414
et gardé trace d'un très grand nombre de mesures
04:48
and variables, allowing the humans to focus
100
288690
2410
et de variables, ce qui a permis aux humains de se concentrer
04:51
on design and compositional choices.
101
291100
2802
sur les choix de design et de composition.
04:53
So the more you look around you,
102
293902
1036
Plus vous regardez autour de vous,
04:54
the more you see Licklider's vision everywhere.
103
294938
1962
plus vous voyez la vision de Licklider partout.
04:56
Whether it's augmented reality in your iPhone or GPS in your car,
104
296900
3304
Que ce soit la réalité augmentée dans votre iPhone ou votre GPS dans votre voiture,
05:00
human-computer symbiosis is making us more capable.
105
300204
2970
la symbiose homme-machine nous rend plus capables.
05:03
So if you want to improve human-computer symbiosis,
106
303174
1655
Alors si vous voulez améliorer la symbiose homme-machine,
05:04
what can you do?
107
304829
1429
que pouvez-vous faire ?
05:06
You can start by designing the human into the process.
108
306258
2452
Vous pouvez commencer par intégrer l'humain dans le processus de design.
05:08
Instead of thinking about what a computer will do to solve the problem,
109
308710
2204
Au lieu de penser à ce qu'un ordinateur peut faire pour résoudre le problème,
05:10
design the solution around what the human will do as well.
110
310914
3869
concevez la solution autour de ce que l'humain fera aussi.
05:14
When you do this, you'll quickly realize that you spent
111
314783
1937
Quand vous ferez ça, vous vous rendrez vite compte que vous avez passé
05:16
all of your time on the interface between man and machine,
112
316720
2879
tout votre temps sur l'interface entre l'homme et la machine,
05:19
specifically on designing away the friction in the interaction.
113
319599
3099
particulièrement à gommer la friction dans l'interaction.
05:22
In fact, this friction is more important than the power
114
322698
2766
En fait, cette friction est plus importante que la puissance
05:25
of the man or the power of the machine
115
325464
2052
de l'homme ou la puissance de la machine
05:27
in determining overall capability.
116
327516
1931
dans la détermination de la capacité globale.
05:29
That's why two amateurs with a few laptops
117
329447
1977
C'est pourquoi deux amateurs avec quelques ordinateurs portables
05:31
handily beat a supercomputer and a grandmaster.
118
331424
2456
ont battu facilement un superordinateur et un grand maitre.
05:33
What Kasparov calls process is a byproduct of friction.
119
333880
3005
Ce que Kasparov appelle un processus est un dérivé de la friction.
05:36
The better the process, the less the friction.
120
336885
2401
Meilleur est le processus, moins il y a de friction.
05:39
And minimizing friction turns out to be the decisive variable.
121
339286
4256
Réduire la friction s'avère être la variable décisive.
05:43
Or take another example: big data.
122
343542
2243
Ou prenez un autre exemple : les méga-données.
05:45
Every interaction we have in the world is recorded
123
345785
1906
Chaque interaction dans le monde est enregistrée
05:47
by an ever growing array of sensors: your phone,
124
347691
3059
par un nombre sans cesse croissant de capteurs : votre téléphone,
05:50
your credit card, your computer. The result is big data,
125
350750
2373
votre carte de crédit, votre ordinateur. Le résultat, c'est les méga-données,
05:53
and it actually presents us with an opportunity
126
353123
1742
elles nous offrent en fait une occasion
05:54
to more deeply understand the human condition.
127
354865
2662
de bien mieux comprendre la condition humaine.
05:57
The major emphasis of most approaches to big data
128
357527
2305
La plupart des approches des méga-données se concentrent principalement
05:59
focus on, "How do I store this data? How do I search
129
359832
2215
sur "Comment stocker ces données ? Comment les chercher ?
06:02
this data? How do I process this data?"
130
362047
2276
Comment les traiter ?"
06:04
These are necessary but insufficient questions.
131
364323
2204
Ce sont des questions nécessaires mais insuffisantes.
06:06
The imperative is not to figure out how to compute,
132
366527
2471
L'indispensable n'est pas de comprendre comment calculer,
06:08
but what to compute. How do you impose human intuition
133
368998
2184
mais quoi calculer. Comment imposer l'intuition humaine
06:11
on data at this scale?
134
371182
1791
aux données à cette échelle ?
06:12
Again, we start by designing the human into the process.
135
372973
3499
Là encore, nous commençons par intégrer l'humain dans la conception du processus.
06:16
When PayPal was first starting as a business, their biggest
136
376472
2812
Quand PayPal débutait en tant qu'entreprise, leur plus gros problème
06:19
challenge was not, "How do I send money back and forth online?"
137
379284
2804
n'était pas : "Comment faire des transactions en ligne ?"
06:22
It was, "How do I do that without being defrauded by organized crime?"
138
382088
3872
C'était : " Comment le faire sans se faire escroquer par le crime organisé ?"
06:25
Why so challenging? Because while computers can learn
139
385960
2088
Pourquoi est-ce un tel problème ? Parce que tandis que les ordinateurs peuvent apprendre
06:28
to detect and identify fraud based on patterns,
140
388048
3144
à détecter et identifier des fraudes d'après des modèles,
06:31
they can't learn to do that based on patterns
141
391192
1479
ils ne peuvent pas apprendre à le faire d'après des modèles
06:32
they've never seen before, and organized crime
142
392671
2116
qu'ils n'ont encore jamais vus, et le crime organisé
06:34
has a lot in common with this audience: brilliant people,
143
394787
2709
a beaucoup en commun avec le public ici présent : des gens brillants,
06:37
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
144
397496
3640
un esprit d'entreprise aux ressources inépuisables -- (Rires)
06:41
and one huge and important difference: purpose.
145
401136
2712
avec une différence monumentale : un objectif.
06:43
And so while computers alone can catch all but the cleverest
146
403848
2832
Alors que les ordinateurs seuls peuvent attraper tous les fraudeurs
06:46
fraudsters, catching the cleverest is the difference
147
406680
2253
sauf les plus malins, attraper les plus malins fait la différence
06:48
between success and failure.
148
408933
2545
entre la réussite et l'échec.
06:51
There's a whole class of problems like this, ones with
149
411478
2221
Il y a tout un ensemble de problèmes comme celui-là,
06:53
adaptive adversaries. They rarely if ever present with a
150
413699
2575
avec des adversaires qui s'adaptent. Ils utilisent rarement, voire jamais
06:56
repeatable pattern that's discernable to computers.
151
416274
2736
un modèle répétitif que les ordinateurs peuvent discerner.
06:59
Instead, there's some inherent component of innovation or disruption,
152
419010
3993
Au lieu de ça, il y a une composante inhérente d'innovation ou de disruption,
07:03
and increasingly these problems are buried in big data.
153
423003
2735
et de plus en plus, ces problèmes sont enfouis dans les méga-données.
07:05
For example, terrorism. Terrorists are always adapting
154
425738
2500
Par exemple, le terrorisme. Les terroristes s'adaptent toujours
07:08
in minor and major ways to new circumstances, and despite
155
428238
2052
plus ou moins aux circonstances nouvelles, et en dépit de
07:10
what you might see on TV, these adaptations,
156
430290
3094
ce que vous voyez à la télé, ces adaptations,
07:13
and the detection of them, are fundamentally human.
157
433384
2293
et leur détection, sont fondamentalement humaines.
07:15
Computers don't detect novel patterns and new behaviors,
158
435677
3117
Les ordinateurs ne détectent pas les modèles et les comportements nouveaux
07:18
but humans do. Humans, using technology, testing hypotheses,
159
438794
3235
mais les humains, si. Les humains, en se servant de la technologie, testent des hypothèses,
07:22
searching for insight by asking machines to do things for them.
160
442029
4620
recherchent des indices en demandant aux machines de faire des choses pour eux.
07:26
Osama bin Laden was not caught by artificial intelligence.
161
446649
2320
Oussama Ben Laden n'a pas été attrapé grâce à l'intelligence artificielle.
07:28
He was caught by dedicated, resourceful, brilliant people
162
448969
2553
Il a été attrapé par des gens brillants, débrouillards et dévoués
07:31
in partnerships with various technologies.
163
451522
4269
en partenariat avec différentes technologies.
07:35
As appealing as it might sound, you cannot algorithmically
164
455791
2818
Pour aussi séduisant que cela semble, on ne peut pas
07:38
data mine your way to the answer.
165
458609
1601
trouver la réponse en fouillant des données avec des algorithmes.
07:40
There is no "Find Terrorist" button, and the more data
166
460210
2855
Il n'existe pas de bouton "Trouver le terroriste", et plus nous intégrons de données
07:43
we integrate from a vast variety of sources
167
463065
2302
à partir d'une grande variété de sources
07:45
across a wide variety of data formats from very
168
465367
2133
en passant par une grande variété de formats de données
07:47
disparate systems, the less effective data mining can be.
169
467500
3309
issues de systèmes très disparates, moins le traitement de données peut être efficace.
07:50
Instead, people will have to look at data
170
470809
2024
Au contraire, les gens devront examiner les données,
07:52
and search for insight, and as Licklider foresaw long ago,
171
472833
3456
et chercher à y voir clair, et comme Licklider l'a prévu il y a longtemps,
07:56
the key to great results here is the right type of cooperation,
172
476289
2685
la clé pour de grands résultats est le bon type de coopération.
07:58
and as Kasparov realized,
173
478974
1524
et comme Kasparov s'en est rendu compte,
08:00
that means minimizing friction at the interface.
174
480498
3031
ça signifie limiter la friction au niveau de l'interface.
08:03
Now this approach makes possible things like combing
175
483529
2758
Cette approche rend possible des choses comme
08:06
through all available data from very different sources,
176
486287
3386
le filtrage de toutes les données disponibles issues de sources très différentes,
08:09
identifying key relationships and putting them in one place,
177
489673
2792
l'identification de relations-clés et leur rassemblement en un seul endroit,
08:12
something that's been nearly impossible to do before.
178
492465
2928
ce qui était presque impossible avant.
08:15
To some, this has terrifying privacy and civil liberties
179
495393
1942
Pour certains, ça a des implications terrifiantes pour la vie privée
08:17
implications. To others it foretells of an era of greater
180
497335
3410
et les libertés civiles. Pour d'autres, ça prédit une ère de
08:20
privacy and civil liberties protections,
181
500745
1909
plus grande protection de la vie privée et des libertés civiles,
08:22
but privacy and civil liberties are of fundamental importance.
182
502654
2936
mais la vie privée et les libertés civiles ont une importance fondamentale.
08:25
That must be acknowledged, and they can't be swept aside,
183
505590
2193
On doit l'admettre, et on ne peut pas l'écarter,
08:27
even with the best of intents.
184
507783
2530
même avec les meilleures intentions.
08:30
So let's explore, through a couple of examples, the impact
185
510313
2518
Explorons donc, au travers de deux exemples, l'impact
08:32
that technologies built to drive human-computer symbiosis
186
512831
2406
que les technologies construites pour guider la symbiose homme-machine
08:35
have had in recent time.
187
515237
2919
ont eu récemment.
08:38
In October, 2007, U.S. and coalition forces raided
188
518156
3416
En octobre 2007, les forces américaines et celles de la coalition
08:41
an al Qaeda safe house in the city of Sinjar
189
521572
2416
ont fait un raid sur un refuge d'Al Qaïda dans la ville de Sinjar,
08:43
on the Syrian border of Iraq.
190
523988
1934
en Irak, à la frontière avec la Syrie.
08:45
They found a treasure trove of documents:
191
525922
2376
Ils ont trouvé un trésor de documents :
08:48
700 biographical sketches of foreign fighters.
192
528298
2335
700 esquisses biographiques de combattants étrangers.
08:50
These foreign fighters had left their families in the Gulf,
193
530633
2584
Ces combattants étrangers avaient laissé leurs familles dans le Golfe,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
194
533217
3146
le Levant et l'Amérique du Nord pour rejoindre Al Qaïda en Irak.
08:56
These records were human resource forms.
195
536363
1616
Ces dossiers étaient des formulaires de ressources humaines.
08:57
The foreign fighters filled them out as they joined the organization.
196
537979
2855
Les combattants étrangers les avaient remplis en s'engageant dans l'organisation.
09:00
It turns out that al Qaeda, too,
197
540834
1211
Il s'avère qu'Al Qaïda
09:02
is not without its bureaucracy. (Laughter)
198
542045
2597
a aussi sa petite bureaucratie. (RIres)
09:04
They answered questions like, "Who recruited you?"
199
544642
2098
Ils ont répondu à des questions comme "Qui vous a recruté ?"
09:06
"What's your hometown?" "What occupation do you seek?"
200
546740
2854
"De quelle ville venez-vous ?" "Quel poste recherchez-vous ?"
09:09
In that last question, a surprising insight was revealed.
201
549594
3169
Dans cette dernière question, une information surprenante est ressortie.
09:12
The vast majority of foreign fighters
202
552763
2400
La grande majorité des combattants étrangers
09:15
were seeking to become suicide bombers for martyrdom --
203
555163
2400
cherchaient à devenir des bombes humaines pour devenir des martyrs --
09:17
hugely important, since between 2003 and 2007, Iraq
204
557563
4338
extrêmement important, puisque, entre 2003 et 2007, l'Irak
09:21
had 1,382 suicide bombings, a major source of instability.
205
561901
4244
a connu 1382 attentats suicides, source majeure d'instabilité.
09:26
Analyzing this data was hard. The originals were sheets
206
566145
2058
Il était difficile d'analyser ces données. Les originaux étaient des feuilles
09:28
of paper in Arabic that had to be scanned and translated.
207
568203
2742
de papier en arabe qui devaient être scannées et traduites.
09:30
The friction in the process did not allow for meaningful
208
570945
2192
La friction dans le processus ne permettait pas
09:33
results in an operational time frame using humans, PDFs
209
573137
3350
d'obtenir des résultats significatifs dans une limite de temps opérationnelle
09:36
and tenacity alone.
210
576487
2218
en n'ayant recours qu'à des humains, des PDF et de la ténacité.
09:38
The researchers had to lever up their human minds
211
578705
1953
Les chercheurs ont dû faire appel à la technologie
09:40
with technology to dive deeper, to explore non-obvious
212
580658
2345
pour réfléchir plus profondément, pour explorer
09:43
hypotheses, and in fact, insights emerged.
213
583003
3218
les hypothèses qui n'étaient pas évidentes, et ainsi, des liens ont émergé.
09:46
Twenty percent of the foreign fighters were from Libya,
214
586221
2644
20 % des combattants étrangers venaient de Libye,
09:48
50 percent of those from a single town in Libya,
215
588865
2968
50 % d'entre eux d'une seule ville en Libye,
09:51
hugely important since prior statistics put that figure at
216
591833
2450
d'une importance énorme puisque les statistiques précédentes estimaient ce chiffre à 3 %.
09:54
three percent. It also helped to hone in on a figure
217
594283
2383
Ça a aussi contribué à cibler un personnage
09:56
of rising importance in al Qaeda, Abu Yahya al-Libi,
218
596666
2977
d'une importance grandissante au sein d'Al Qaïda, Abu Yahya al-Libi,
09:59
a senior cleric in the Libyan Islamic fighting group.
219
599643
2631
un religieux majeur dans le groupe de combattants islamiques libyens.
10:02
In March of 2007, he gave a speech, after which there was
220
602274
2664
En mars 2007, il a fait un discours, à la suite duquel
10:04
a surge in participation amongst Libyan foreign fighters.
221
604938
3466
il y a eu une poussée de participation chez les combattants étrangers libyens.
10:08
Perhaps most clever of all, though, and least obvious,
222
608404
3106
La chose la plus intelligente, cependant, et la moins évidente,
10:11
by flipping the data on its head, the researchers were
223
611510
2073
a été, en retournant les données, de permettre aux chercheurs
10:13
able to deeply explore the coordination networks in Syria
224
613583
2900
d'explorer profondément les réseaux de coordination en Syrie
10:16
that were ultimately responsible for receiving and
225
616483
2517
qui étaient au final en charge de recevoir
10:19
transporting the foreign fighters to the border.
226
619000
2464
et de transporter les combattants étrangers à la frontière.
10:21
These were networks of mercenaries, not ideologues,
227
621464
2633
C'étaient des réseaux de mercenaires, pas d'idéologues,
10:24
who were in the coordination business for profit.
228
624097
2398
qui étaient dans la coordination pour faire du profit.
10:26
For example, they charged Saudi foreign fighters
229
626495
1904
Par exemple, ils faisaient payer aux combattants étrangers saoudiens
10:28
substantially more than Libyans, money that would have
230
628399
2199
substantiellement plus qu'aux Libyens, de l'argent qui autrement
10:30
otherwise gone to al Qaeda.
231
630598
2320
serait allé à Al Qaïda.
10:32
Perhaps the adversary would disrupt their own network
232
632918
2045
L'adversaire modifierait peut-être son propre réseau
10:34
if they knew they cheating would-be jihadists.
233
634963
3035
s'il savait qu'ils escroquaient les aspirants jihadistes.
10:37
In January, 2010, a devastating 7.0 earthquake struck Haiti,
234
637998
3745
En janvier 2010, un tremblement de terre dévastateur a frappé Haïti,
10:41
third deadliest earthquake of all time, left one million people,
235
641743
2916
le 3ème plus mortel de tous les temps, qui a laissé un million de gens,
10:44
10 percent of the population, homeless.
236
644659
2584
10 % de la population, sans abri.
10:47
One seemingly small aspect of the overall relief effort
237
647243
3137
Un aspect apparemment minime de l'effort global d'aide
10:50
became increasingly important as the delivery of food
238
650380
2176
est devenu de plus en plus important quand on a commencé
10:52
and water started rolling.
239
652556
2160
à apporter de la nourriture et de l'eau.
10:54
January and February are the dry months in Haiti,
240
654716
1458
Janvier et février sont les mois secs en Haïti,
10:56
yet many of the camps had developed standing water.
241
656174
2942
pourtant des eaux stagnantes s'étaient accumulées dans beaucoup de camps.
10:59
The only institution with detailed knowledge of Haiti's
242
659116
2122
La seule institution qui avait une connaissance détaillée
11:01
floodplains had been leveled
243
661238
1297
des zones inondables d'Haïti avait été détruite
11:02
in the earthquake, leadership inside.
244
662535
3008
dans le tremblement de terre, avec leurs dirigeants à l'intérieur.
11:05
So the question is, which camps are at risk,
245
665543
2575
La question était donc de savoir quels étaient les camps à risque,
11:08
how many people are in these camps, what's the
246
668118
1921
combien de gens étaient dans ces camps,
11:10
timeline for flooding, and given very limited resources
247
670039
2311
quelle était la chronologie des inondations, et étant données les ressources
11:12
and infrastructure, how do we prioritize the relocation?
248
672350
3384
et l'infrastructure très limitées, comment établir les priorités de déplacement ?
11:15
The data was incredibly disparate. The U.S. Army had
249
675734
2344
Les données étaient incroyablement disparates. L'armée des États-Unis
11:18
detailed knowledge for only a small section of the country.
250
678078
2929
avait une connaissance détaillée d'une seule petite section du pays.
11:21
There was data online from a 2006 environmental risk
251
681007
2511
Il y avait des données en ligne qui dataient d'une conférence
11:23
conference, other geospatial data, none of it integrated.
252
683518
2664
sur l'environnement de 2006, d'autres données géospatiales, rien n'était intégré.
11:26
The human goal here was to identify camps for relocation
253
686182
2958
L'objectif humain ici était d'identifier les camps à utiliser
11:29
based on priority need.
254
689140
2395
selon l'urgence.
11:31
The computer had to integrate a vast amount of geospacial
255
691535
2440
L'ordinateur devait intégrer une grande quantité
11:33
information, social media data and relief organization
256
693975
2584
d'informations géospatiales, de données des médias sociaux
11:36
information to answer this question.
257
696559
3480
et des informations des organisations de secours pour répondre à cette question.
11:40
By implementing a superior process, what was otherwise
258
700039
2415
En implémentant un processus supérieur, ce qui autrement
11:42
a task for 40 people over three months became
259
702454
2608
était une tâche pour 40 personnes pendant 3 mois,
11:45
a simple job for three people in 40 hours,
260
705062
3176
c'est devenu un travail simple pour 3 personnes en 40 heures,
11:48
all victories for human-computer symbiosis.
261
708238
2628
tout ça à mettre au crédit de la symbiose homme-machine.
11:50
We're more than 50 years into Licklider's vision
262
710866
2054
Nous voici 50 ans après la vision d'avenir de Licklider
11:52
for the future, and the data suggests that we should be
263
712920
2242
et les données suggèrent que nous devrions être
11:55
quite excited about tackling this century's hardest problems,
264
715162
3030
très enthousiastes à l'idée de nous attaquer aux problèmes les plus difficiles de ce siècle,
11:58
man and machine in cooperation together.
265
718192
2947
l'homme et la machine coopérant ensemble.
12:01
Thank you. (Applause)
266
721139
2197
Merci. (Applaudissements)
12:03
(Applause)
267
723336
2505
(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