The wonderful and terrifying implications of computers that can learn | Jeremy Howard

Traducteur: Erwan Baconnier Relecteur: Hồng Khánh Lê

It used to be that if you wanted to get a computer to do something new,

Avant, si vous vouliez qu'un ordinateur fasse quelque chose de nouveau,

you would have to program it.

vous deviez le programmer.

Now, programming, for those of you here that haven't done it yourself,

La programmation, pour ceux d'entre vous qui n'en ont jamais fait,

requires laying out in excruciating detail

nécessite de décrire, à un niveau de détail effrayant,

every single step that you want the computer to do

chaque étape que vous voulez que l'ordinateur fasse

in order to achieve your goal.

pour atteindre votre but.

Now, if you want to do something that you don't know how to do yourself,

Mais si ce que vous voulez, vous ne savez pas le faire vous-même,

then this is going to be a great challenge.

la programmation devient un immense défi.

So this was the challenge faced by this man, Arthur Samuel.

C'est à ce défi que se confronta cet homme, Arthur Samuel.

In 1956, he wanted to get this computer

En 1956, il voulut que cet ordinateur

to be able to beat him at checkers.

soit capable de le battre au jeu de dames.

How can you write a program,

Comment écrire un programme,

lay out in excruciating detail, how to be better than you at checkers?

décrire, en d'effrayants détails, comment être meilleur que vous aux dames ?

So he came up with an idea:

Il eut une idée :

he had the computer play against itself thousands of times

faire jouer l'ordinateur contre lui-même des milliers de fois

and learn how to play checkers.

et lui faire apprendre à jouer aux dames.

And indeed it worked, and in fact, by 1962,

Ça a si bien fonctionné que dès 1962

this computer had beaten the Connecticut state champion.

l'ordinateur avait battu le champion du Connecticut.

So Arthur Samuel was the father of machine learning,

Arthur Samuel est le père de la machine apprenante,

and I have a great debt to him,

et j'ai une grande dette envers lui,

because I am a machine learning practitioner.

parce que je travaille dans ce secteur.

I was the president of Kaggle,

J'ai été président de Kaggle,

a community of over 200,000 machine learning practictioners.

une communauté de 200 000 praticiens de l'apprentissage automatique.

Kaggle puts up competitions

Kaggle met en place des compétitions

to try and get them to solve previously unsolved problems,

pour les amener à résoudre des problèmes jusque là non résolus,

and it's been successful hundreds of times.

et ça a été un succès des centaines de fois.

So from this vantage point, I was able to find out

De ce point de vue privilégié, j'ai pu découvrir

a lot about what machine learning can do in the past, can do today,

beaucoup sur ce que l'apprentissage automatique pouvait et peut faire,

and what it could do in the future.

et sur ce qu'il pourra faire demain.

Perhaps the first big success of machine learning commercially was Google.

Le premier grand succès commercial, c'est peut-être Google.

Google showed that it is possible to find information

Google a montré qu'il était possible de trouver des informations

by using a computer algorithm,

en utilisant un algorithme,

and this algorithm is based on machine learning.

et cet algorithme est basé sur l'apprentissage automatique.

Since that time, there have been many commercial successes of machine learning.

L'apprentissage automatique a depuis connu beaucoup d'autres succès commerciaux

Companies like Amazon and Netflix

Des sociétés comme Amazon ou Netflix

use machine learning to suggest products that you might like to buy,

l'utilisent pour suggérer des produits que vous pourriez vouloir acheter,

movies that you might like to watch.

des films que vous pourriez aimer voir.

Sometimes, it's almost creepy.

Parfois, c'en est presque effrayant.

Companies like LinkedIn and Facebook

Des entreprises comme LinkedIn et Facebook

sometimes will tell you about who your friends might be

vous disent parfois qui pourraient être vos amis

and you have no idea how it did it,

et vous ne savez pas comment elles font,

and this is because it's using the power of machine learning.

car elles utilisent le pouvoir de l'apprentissage automatique.

These are algorithms that have learned how to do this from data

Ces algorithmes ont appris à le faire à partir de données

rather than being programmed by hand.

plutôt que d'être programmés manuellement.

This is also how IBM was successful

De la même manière, IBM a pu faire en sorte

in getting Watson to beat the two world champions at "Jeopardy,"

que Watson batte les champions du monde de « Jeopardy »,

answering incredibly subtle and complex questions like this one.

en répondant à des questions très difficiles comme :

["The ancient 'Lion of Nimrud' went missing from this city's national museum in 2003 (along with a lot of other stuff)"]

« Le "Lion de Nimrud" a disparu en 2003 du musée de cette ville »

This is also why we are now able to see the first self-driving cars.

C'est aussi pourquoi nous voyons les premières voitures autonomes.

If you want to be able to tell the difference between, say,

Être capable de faire la différence entre, disons,

a tree and a pedestrian, well, that's pretty important.

un arbre et un piéton, est plutôt important.

We don't know how to write those programs by hand,

Nous ne savons pas écrire de tels programmes manuellement,

but with machine learning, this is now possible.

mais l'apprentissage automatique rend la chose possible.

And in fact, this car has driven over a million miles

Cette voiture a roulé plus de 1,6 millions de km

without any accidents on regular roads.

sur des routes ordinaires, sans le moindre accident.

So we now know that computers can learn,

Nous savons maintenant que les ordinateurs peuvent apprendre,

and computers can learn to do things

et apprendre à faire des choses

that we actually sometimes don't know how to do ourselves,

que nous ne savons pas toujours faire nous-mêmes,

or maybe can do them better than us.

ou qu'ils peuvent peut-être faire mieux que nous.

One of the most amazing examples I've seen of machine learning

Un des cas les plus étonnants d'apprentissage automatique que j'ai vu

happened on a project that I ran at Kaggle

s'est produit lors d'un projet de Kaggle,

where a team run by a guy called Geoffrey Hinton

où une équipe dirigée par Geoffrey Hinton,

from the University of Toronto

de l'Université de Toronto,

won a competition for automatic drug discovery.

a gagné un concours de découverte de la drogue.

Now, what was extraordinary here is not just that they beat

Ce qui est extraordinaire n'est pas juste qu'ils aient battu

all of the algorithms developed by Merck or the international academic community,

tous les algorithmes de Merck ou de la communauté universitaire internationale,

but nobody on the team had any background in chemistry or biology or life sciences,

mais que personne de l'équipe n'ait de formation en chimie ou biologie,

and they did it in two weeks.

et qu'ils l'aient fait en deux semaines.

How did they do this?

Comment ont-ils fait ?

They used an extraordinary algorithm called deep learning.

Avec un algorithme génial appelé apprentissage profond.

So important was this that in fact the success was covered

Ça a été si important que leur succès donna lieu

in The New York Times in a front page article a few weeks later.

à un article en une du New York Times quelques semaines plus tard.

This is Geoffrey Hinton here on the left-hand side.

Il s'agit de Geoffrey Hinton, là, à gauche, sur l'écran.

Deep learning is an algorithm inspired by how the human brain works,

L'apprentissage profond s'inspire du fonctionnement du cerveau :

and as a result it's an algorithm

c'est un algorithme qui n'a donc aucune limite théorique.

which has no theoretical limitations on what it can do.

The more data you give it and the more computation time you give it,

Plus vous lui donnez de données, et de temps de calcul,

the better it gets.

plus il devient meilleur.

The New York Times also showed in this article

Le New York Times montra aussi dans son article

another extraordinary result of deep learning

un autre résultat inouï de l'apprentissage profond,

which I'm going to show you now.

que je vais maintenant vous montrer.

It shows that computers can listen and understand.

Il montre que les ordinateurs sont capables d'écouter et comprendre.

(Video) Richard Rashid: Now, the last step

(Vidéo) Richard Rashid: La dernière étape

that I want to be able to take in this process

que je voudrais pouvoir atteindre,

is to actually speak to you in Chinese.

c'est de vous parler en chinois.

Now the key thing there is,

L'élément-clé ici, c'est

we've been able to take a large amount of information from many Chinese speakers

que nous avons pu collecter beaucoup de données auprès de nombreux sinophones

and produce a text-to-speech system

et produire un système de vocalisation

that takes Chinese text and converts it into Chinese language,

qui convertit du texte chinois en parole chinoise,

and then we've taken an hour or so of my own voice

puis nous avons pris environ une heure d'enregistrement de ma propre voix,

and we've used that to modulate

et nous l'avons utilisé pour moduler

the standard text-to-speech system so that it would sound like me.

le système de vocalisation, afin que la voix ressemble à la mienne.

Again, the result's not perfect.

Le résultat n'est pas parfait.

There are in fact quite a few errors.

Il y a un certain nombre d'erreurs.

(In Chinese)

(En chinois)

(Applause)

(Applaudissements)

There's much work to be done in this area.

Il y a encore beaucoup de travail à faire

(In Chinese)

(En chinois)

(Applause)

(Applaudissements)

Jeremy Howard: Well, that was at a machine learning conference in China.

J. H. : C'était une conférence en Chine sur l'apprentissage automatique.

It's not often, actually, at academic conferences

Il est rare, lors de conférences universitaires,

that you do hear spontaneous applause,

d'entendre des applaudissements spontanés,

although of course sometimes at TEDx conferences, feel free.

quoique cela arrive parfois aux conférences TEDx. N'hésitez pas.

Everything you saw there was happening with deep learning.

L'apprentissage profond était derrière tout ça.

(Applause) Thank you.

(Applaudissements) Merci.

The transcription in English was deep learning.

La transcription en anglais,

The translation to Chinese and the text in the top right, deep learning,

la traduction en chinois

and the construction of the voice was deep learning as well.

et la construction de la voix étaient tous de l'apprentissage profond.

So deep learning is this extraordinary thing.

L'apprentissage profond est cette chose extraordinaire.

It's a single algorithm that can seem to do almost anything,

C'est un seul algorithme qui semble pouvoir presque tout faire,

and I discovered that a year earlier, it had also learned to see.

et j'ai découvert qu'un an plus tôt, il avait aussi appris à voir.

In this obscure competition from Germany

Dans une obscure compétition en Allemagne,

called the German Traffic Sign Recognition Benchmark,

le « Test de Reconnaissance de Panneaux Routiers »,

deep learning had learned to recognize traffic signs like this one.

l'apprentissage profond a appris à reconnaître des panneaux,

Not only could it recognize the traffic signs

non seulement mieux que tous les autres algorithmes,

better than any other algorithm,

the leaderboard actually showed it was better than people,

mais également mieux que les humains -

about twice as good as people.

environ deux fois mieux :

So by 2011, we had the first example

dès 2011, nous avions un exemple

of computers that can see better than people.

d'ordinateurs pouvant voir mieux qu'un être humain.

Since that time, a lot has happened.

Depuis, beaucoup de choses se sont passées.

In 2012, Google announced that they had a deep learning algorithm

En 2012, Google a annoncé qu'un algorithme d'apprentissage profond,

watch YouTube videos

regardant des vidéos YouTube

and crunched the data on 16,000 computers for a month,

et analysant les données sur 16 000 ordinateurs pendant un mois,

and the computer independently learned about concepts such as people and cats

a pu apprendre, de lui-même, les concepts de « chat » ou encore d'« être humain »,

just by watching the videos.

juste en regardant ces vidéos.

This is much like the way that humans learn.

Les êtres humains apprennent de la même manière :

Humans don't learn by being told what they see,

on n'apprend pas une chose par explication,

but by learning for themselves what these things are.

mais on l'apprend par les perceptions individuelles.

Also in 2012, Geoffrey Hinton, who we saw earlier,

En 2012 également, Geoffrey Hinton, dont nous avons déjà parlé,

won the very popular ImageNet competition,

a gagné le très réputé concours « ImageNet »,

looking to try to figure out from one and a half million images

où il s'agit d'identifier, au sein d'un million et demi d'images,

what they're pictures of.

les images en question.

As of 2014, we're now down to a six percent error rate

En 2014, nous sommes tombés à un taux d'erreur de 6%

in image recognition.

en reconnaissance visuelle.

This is better than people, again.

C'est, de nouveau, mieux qu'un être humain.

So machines really are doing an extraordinarily good job of this,

Les machines font vraiment ici un travail extraordinaire,

and it is now being used in industry.

avec, désormais, des applications industrielles.

For example, Google announced last year

Par exemple, Google a annoncé l'an dernier

that they had mapped every single location in France in two hours,

qu'ils avaient cartographié l'ensemble des lieux de France en deux heures,

and the way they did it was that they fed street view images

en fournissant des images de Street View

into a deep learning algorithm to recognize and read street numbers.

à un algorithme d'apprentissage profond, pour qu'il reconnaisse les numéros de rue.

Imagine how long it would have taken before:

Imaginez le temps qu'il aurait fallu avant :

dozens of people, many years.

des dizaines de personnes, plusieurs années.

This is also happening in China.

C'est la même histoire en Chine.

Baidu is kind of the Chinese Google, I guess,

Baidu est, on peut dire, une sorte de Google chinois.

and what you see here in the top left

Ce que vous voyez en haut à gauche,

is an example of a picture that I uploaded to Baidu's deep learning system,

est une photo que j'ai chargée sur le système d'apprentissage profond de Baidu,

and underneath you can see that the system has understood what that picture is

et, dessous, vous voyez que le système a compris ce qui était sur la photo,

and found similar images.

et trouvé des images similaires.

The similar images actually have similar backgrounds,

Les images similaires ont le même arrière-plan,

similar directions of the faces,

la tête dans le même sens,

even some with their tongue out.

certaines même avec la langue sortie.

This is not clearly looking at the text of a web page.

Ce n'est pas une recherche sur le texte d'une page web.

All I uploaded was an image.

Je n'ai chargé qu'une image.

So we now have computers which really understand what they see

Les ordinateurs peuvent donc désormais vraiment comprendre ce qu'ils voient,

and can therefore search databases

et consulter une base de données

of hundreds of millions of images in real time.

de centaines de millions d'images en temps réel.

So what does it mean now that computers can see?

Quelles conséquences, maintenant que les ordinateurs peuvent voir ?

Well, it's not just that computers can see.

Les machines ne savent pas seulement voir.

In fact, deep learning has done more than that.

L'apprentissage profond va plus loin.

Complex, nuanced sentences like this one

Une phrase complexe et nuancée comme celle-ci,

are now understandable with deep learning algorithms.

est maintenant compréhensible par ces algorithmes.

As you can see here,

Comme vous pouvez le voir,

this Stanford-based system showing the red dot at the top

ce système de Stanford, avec le point rouge en haut,

has figured out that this sentence is expressing negative sentiment.

a compris que la phrase comportait un jugement négatif.

Deep learning now in fact is near human performance

L'apprentissage profond est désormais proche des performances humaines

at understanding what sentences are about and what it is saying about those things.

pour comprendre le sujet d'une phrase, et le jugement qui y est exprimé.

Also, deep learning has been used to read Chinese,

Il a aussi été utilisé pour lire le chinois,

again at about native Chinese speaker level.

à un niveau proche de celui d'un locuteur natif.

This algorithm developed out of Switzerland

Cet algorithme a été développé en Suisse

by people, none of whom speak or understand any Chinese.

par des personnes dont aucune ne parlait ni ne comprenait le chinois.

As I say, using deep learning

Utiliser l'apprentissage profond

is about the best system in the world for this,

constitue le meilleur système dans ce cas,

even compared to native human understanding.

même comparé à la compréhension humaine.

This is a system that we put together at my company

Il s'agit ici d'un système mis en place dans mon entreprise,

which shows putting all this stuff together.

qui regroupe tout ça.

These are pictures which have no text attached,

Ce sont des images qui ne sont pas liées à du texte,

and as I'm typing in here sentences,

et, alors que j'écris ici des phrases,

in real time it's understanding these pictures

en temps réel, le système comprend les images,

and figuring out what they're about

identifie leur sujet,

and finding pictures that are similar to the text that I'm writing.

et trouve des images correspondant au texte que j'écris.

So you can see, it's actually understanding my sentences

Il comprend véritablement mes phrases,

and actually understanding these pictures.

et comprend véritablement ces images.

I know that you've seen something like this on Google,

Je sais que vous voyez ça sur Google,

where you can type in things and it will show you pictures,

où l'on peut trouver des images en tapant un texte,

but actually what it's doing is it's searching the webpage for the text.

mais ce n'est qu'une recherche dans le texte de la page web.

This is very different from actually understanding the images.

C'est très différent de comprendre vraiment les images.

This is something that computers have only been able to do

C'est quelque chose que les ordinateurs n'ont pu faire

for the first time in the last few months.

pour la première fois que très récemment.

So we can see now that computers can not only see but they can also read,

Les ordinateurs peuvent donc non seulement voir, mais aussi lire,

and, of course, we've shown that they can understand what they hear.

et, bien sûr, nous avons montré qu'ils peuvent comprendre ce qu'ils entendent.

Perhaps not surprising now that I'm going to tell you they can write.

Pas très surprenant si je vous dis maintenant qu'ils peuvent écrire.

Here is some text that I generated using a deep learning algorithm yesterday.

A partir d'un algorithme d'apprentissage profond, j'ai généré ce texte hier.

And here is some text that an algorithm out of Stanford generated.

Ici, ce sont des textes générés par un algorithme de Stanford.

Each of these sentences was generated

Chacune de ces phrases a été générée

by a deep learning algorithm to describe each of those pictures.

par un algorithme d'apprentissage profond décrivant l'image au-dessus.

This algorithm before has never seen a man in a black shirt playing a guitar.

Cet algorithme n'avait jamais vu un homme habillé en noir jouant de la guitare.

It's seen a man before, it's seen black before,

Il avait vu déjà vu un homme, déjà vu du noir,

it's seen a guitar before,

déjà vu une guitare,

but it has independently generated this novel description of this picture.

mais a généré de manière autonome cette nouvelle description de cette photo.

We're still not quite at human performance here, but we're close.

Nous n'atteignons pas encore les performances humaines, mais presque.

In tests, humans prefer the computer-generated caption

Dans les tests réalisés, les personnes préfèrent la légende de l'ordinateur

one out of four times.

une fois sur quatre.

Now this system is now only two weeks old,

Ce système n'a que deux semaines,

so probably within the next year,

et l'on peut supposer que d'ici un an,

the computer algorithm will be well past human performance

l'algorithme aurait surpassé les performances humaines

at the rate things are going.

- au rythme où ça va.

So computers can also write.

Les ordinateurs peuvent donc aussi écrire.

So we put all this together and it leads to very exciting opportunities.

Si l'on rassemble tout ça, les perspectives deviennent prometteuses.

For example, in medicine,

Par exemple, en médecine,

a team in Boston announced that they had discovered

une équipe de Boston a annoncé qu'elle avait découvert

dozens of new clinically relevant features

des dizaines de nouveaux signes cliniques

of tumors which help doctors make a prognosis of a cancer.

de tumeurs, qui aident les docteurs à diagnostiquer un cancer.

Very similarly, in Stanford,

De façon très proche, à Stanford,

a group there announced that, looking at tissues under magnification,

une équipe a annoncé qu'en observant des tissus au microscope,

they've developed a machine learning-based system

ils ont développé un système de machine apprenante

which in fact is better than human pathologists

qui est vraiment meilleur qu'un pathologiste

at predicting survival rates for cancer sufferers.

pour prédire les taux de survie de personnes atteintes de cancer.

In both of these cases, not only were the predictions more accurate,

Dans ces deux cas, non seulement les prévisions étaient meilleures,

but they generated new insightful science.

mais elles ont aussi permis des découvertes majeures.

In the radiology case,

Dans l'exemple en radiologie,

they were new clinical indicators that humans can understand.

de nouveaux signes cliniques compréhensibles par l'homme.

In this pathology case,

Dans l'exemple en pathologie,

the computer system actually discovered that the cells around the cancer

le système informatique a découvert que les cellules autour du cancer

are as important as the cancer cells themselves

étaient aussi importantes que les cellules cancéreuses elles-mêmes

in making a diagnosis.

pour porter un diagnostic,

This is the opposite of what pathologists had been taught for decades.

à rebours de ce qui a été enseigné aux pathologistes pendant des décennies.

In each of those two cases, they were systems developed

Dans ces deux cas, les systèmes ont été développés

by a combination of medical experts and machine learning experts,

en associant experts médicaux et experts de l'apprentissage automatique,

but as of last year, we're now beyond that too.

mais, depuis l'an dernier, un nouveau cap a été franchi.

This is an example of identifying cancerous areas

Il s'agit ici d'un exemple d'identification de zones cancéreuses

of human tissue under a microscope.

d'un tissu humain au microscope.

The system being shown here can identify those areas more accurately,

Ce système peut identifier ces zones avec plus de précisions,

or about as accurately, as human pathologists,

ou, du moins, avec autant de précision qu'un pathologiste,

but was built entirely with deep learning using no medical expertise

mais a été entièrement créé par l'apprentissage profond créé

by people who have no background in the field.

par des personnes n'ayant pas de formation médicale.

Similarly, here, this neuron segmentation.

De même, pour cette classification de neurones.

We can now segment neurons about as accurately as humans can,

On peut désormais classer les neurones avec autant de précisions qu'un humain,

but this system was developed with deep learning

et ce système a été créé avec l'apprentissage profond,

using people with no previous background in medicine.

par des gens n'ayant pas de connaissance médicale antérieure.

So myself, as somebody with no previous background in medicine,

Moi-même, sans connaissance médicale antérieure,

I seem to be entirely well qualified to start a new medical company,

je semble être pleinement qualifié pour créer une entreprise dans la santé

which I did.

- ce que j'ai fait.

I was kind of terrified of doing it,

J'étais terrifié à cette idée,

but the theory seemed to suggest that it ought to be possible

mais, la théorie suggérait qu'il devait être possible

to do very useful medicine using just these data analytic techniques.

d'être utile dans ce secteur en ne maniant que ces moyens d'analyse de données.

And thankfully, the feedback has been fantastic,

Et, heureusement, les retours ont été fabuleux,

not just from the media but from the medical community,

ceux des médias, mais aussi ceux du corps médical,

who have been very supportive.

qui a été d'un grand soutien.

The theory is that we can take the middle part of the medical process

La théorie, c'est que l'on peut isoler la partie centrale du processus médical,

and turn that into data analysis as much as possible,

pour procéder, autant que possible, à des analyses de données,

leaving doctors to do what they're best at.

et laisser les médecins se consacrer sur leurs forces.

I want to give you an example.

Je veux vous donner un exemple.

It now takes us about 15 minutes to generate a new medical diagnostic test

Il nous faut désormais environ 15 minutes pour faire un nouveau diagnostic médical,

and I'll show you that in real time now,

et je vais vous le montrer en temps réel,

but I've compressed it down to three minutes by cutting some pieces out.

même si je l'ai réduit à trois minutes en supprimant certaines parties.

Rather than showing you creating a medical diagnostic test,

Plutôt que de vous montrer la création d'un diagnostic médical,

I'm going to show you a diagnostic test of car images,

je vais vous montrer un diagnostic d'images de voitures :

because that's something we can all understand.

c'est quelque chose que tout le monde comprend.

So here we're starting with about 1.5 million car images,

Nous commençons avec environ 1,5 million d'images de voitures,

and I want to create something that can split them into the angle

et ce que je veux, c'est les organiser selon l'angle selon lequel

of the photo that's being taken.

la photo a été prise.

So these images are entirely unlabeled, so I have to start from scratch.

Ces images ne sont pas cataloguées : je dois partir de zéro.

With our deep learning algorithm,

Notre algorithme d'apprentissage profond

it can automatically identify areas of structure in these images.

permet d'identifier les structures dans ces images.

So the nice thing is that the human and the computer can now work together.

L'être humain et l'ordinateur peuvent maintenant travailler ensemble.

So the human, as you can see here,

L'être humain, comme vous le voyez ici,

is telling the computer about areas of interest

indique à la machine les zones d'intérêt,

which it wants the computer then to try and use to improve its algorithm.

celles à lesquelles il veut qu'elle s'intéresse pour améliorer son algorithme.

Now, these deep learning systems actually are in 16,000-dimensional space,

Les systèmes d'apprentissage profond sont des espaces à 16 000 dimensions [sic],

so you can see here the computer rotating this through that space,

et vous pouvez voir ici l'ordinateur qui pivote au sein de cet espace,

trying to find new areas of structure.

pour trouver de nouvelles structures.

And when it does so successfully,

Quand il y arrive,

the human who is driving it can then point out the areas that are interesting.

l'être humain peut ensuite lui signaler les zones intéressantes.

So here, the computer has successfully found areas,

Ici, l'ordinateur a pu trouver une zone avec,

for example, angles.

par exemple, des angles.

So as we go through this process,

Au fur et à mesure,

we're gradually telling the computer more and more

nous en disons de plus en plus à l'ordinateur

about the kinds of structures we're looking for.

sur le type de structures que l'on recherche.

You can imagine in a diagnostic test

Imaginez un diagnostic médical,

this would be a pathologist identifying areas of pathosis, for example,

par exemple un pathologiste identifiant des zones malades,

or a radiologist indicating potentially troublesome nodules.

ou un radiologue montrant des nodules potentiellement inquiétants.

And sometimes it can be difficult for the algorithm.

Parfois, cela devient difficile pour l'algorithme.

In this case, it got kind of confused.

Ici, il s'est un peu emmêlé les pinceaux.

The fronts and the backs of the cars are all mixed up.

L'avant et l'arrière des voitures sont mêlés.

So here we have to be a bit more careful,

Nous devons faire un peu plus attention,

manually selecting these fronts as opposed to the backs,

et dissocier manuellement les avants des arrières,

then telling the computer that this is a type of group

puis dire à l'ordinateur que cette classification nous importe.

that we're interested in.

So we do that for a while, we skip over a little bit,

Nous continuons comme ça, et, un peu plus tard,

and then we train the machine learning algorithm

nous allons former l'algorithme

based on these couple of hundred things,

sur la base de ces classifications,

and we hope that it's gotten a lot better.

et espérer qu'il s'est amélioré.

You can see, it's now started to fade some of these pictures out,

Comme vous le voyez, il a commencé à estomper certaines photos,

showing us that it already is recognizing how to understand some of these itself.

montrant qu'il sait déjà comment comprendre certaines d'entre elles.

We can then use this concept of similar images,

Nous pouvons ensuite utiliser ce concept d'images similaires,

and using similar images, you can now see,

et, voir que, en s'en servant,

the computer at this point is able to entirely find just the fronts of cars.

l'ordinateur est désormais capable de trouver seulement les avants de voiture.

So at this point, the human can tell the computer,

A ce stade, l'être humain peut dire à l'ordinateur :

okay, yes, you've done a good job of that.

«Ok, tu t'en es bien sorti. »

Sometimes, of course, even at this point

Bien sûr, parfois, même à ce stade,

it's still difficult to separate out groups.

il est encore difficile de faire des groupes.

In this case, even after we let the computer try to rotate this for a while,

Ici, même après avoir laissé l'ordinateur pivoter pendant un moment,

we still find that the left sides and the right sides pictures

les photos de voitures vues de droite et celles vues de gauche sont

are all mixed up together.

encore toutes mêlées.

So we can again give the computer some hints,

Nous lui donnons de nouveau des indications,

and we say, okay, try and find a projection that separates out

puis lui disons de chercher une projection qui fait le tri

the left sides and the right sides as much as possible

entre les photos de droite et de gauche -

using this deep learning algorithm.

avec l'algorithme d'apprentissage profond.

And giving it that hint -- ah, okay, it's been successful.

Avec ces indications, nous avons réussi.

It's managed to find a way of thinking about these objects

Il a trouvé une manière de considérer ces objets qui en permet le tri.

that's separated out these together.

So you get the idea here.

Vous avez saisi l'idée.

This is a case not where the human is being replaced by a computer,

Nous ne somme pas ici dans une substitution de l'homme par la machine,

but where they're working together.

mais dans un travail conjoint.

What we're doing here is we're replacing something that used to take a team

Ce que nous faisons, c'est prendre quelque chose qui mobilisait une équipe

of five or six people about seven years

de cinq ou six personnes pendant sept ans

and replacing it with something that takes 15 minutes

et y substituer quelque chose qui prend 15 minutes à une seule personne.

for one person acting alone.

So this process takes about four or five iterations.

Cette méthode nécessite quatre ou cinq itérations,

You can see we now have 62 percent

et nous avons maintenant 62%

of our 1.5 million images classified correctly.

de nos 1,5 million d'images classifiées correctement.

And at this point, we can start to quite quickly

A ce stade, nous pouvons commencer à prendre

grab whole big sections,

des parties entières,

check through them to make sure that there's no mistakes.

et vérifier rapidement qu'il n'y a pas d'erreurs.

Where there are mistakes, we can let the computer know about them.

Quand il y a des erreurs, nous en informons l'ordinateur,

And using this kind of process for each of the different groups,

et, en utilisant cette méthode pour tous les groupes,

we are now up to an 80 percent success rate

nous en arrivons à un taux de réussite de 80%

in classifying the 1.5 million images.

dans la classification de ces images.

And at this point, it's just a case

A partir de là, il s'agit juste

of finding the small number that aren't classified correctly,

de trouver le petit nombre d'images mal classées,

and trying to understand why.

et à essayer de comprendre pourquoi.

And using that approach,

Avec cette approche,

by 15 minutes we get to 97 percent classification rates.

en 15 minutes, nous parvenons à un taux de classification de 97%.

So this kind of technique could allow us to fix a major problem,

Ce type de méthode pourrait nous permettre de régler un problème majeur :

which is that there's a lack of medical expertise in the world.

le manque d'expertise médicale dans le monde.

The World Economic Forum says that there's between a 10x and a 20x

Le Forum économique mondial estime qu'il faudrait 10 à 20 fois plus

shortage of physicians in the developing world,

de médecins dans les pays en voie de développement

and it would take about 300 years

et qu'il faudrait 300 ans

to train enough people to fix that problem.

pour former suffisamment de personnes et régler ce problème.

So imagine if we can help enhance their efficiency

Imaginez alors que nous puissions accroître leur productivité

using these deep learning approaches?

avec ces méthodes d'apprentissage profond.

So I'm very excited about the opportunities.

Les opportunités m'enchantent.

I'm also concerned about the problems.

Mais les dangers m’inquiètent.

The problem here is that every area in blue on this map

Le problème, c'est que dans tous les pays en bleu sur la carte,

is somewhere where services are over 80 percent of employment.

le secteur tertiaire représente plus de 80% de l'emploi.

What are services?

C'est quoi le secteur tertiaire ?

These are services.

C'est ça.

These are also the exact things that computers have just learned how to do.

Ce sont exactement ces choses que les ordinateurs viennent d'apprendre à faire.

So 80 percent of the world's employment in the developed world

80% des emplois dans les pays développés

is stuff that computers have just learned how to do.

consiste en ce qu'une machine sait désormais faire.

What does that mean?

Qu'est-ce que cela veut dire ?

Well, it'll be fine. They'll be replaced by other jobs.

Tout ira bien. D'autres emplois les remplaceront,

For example, there will be more jobs for data scientists.

par exemple, dans l'analyse de données.

Well, not really.

Pas vraiment.

It doesn't take data scientists very long to build these things.

Ce n'est pas long pour un analyste de données de construire ça.

For example, these four algorithms were all built by the same guy.

Par exemple, ces quatre algorithmes sont tous de la même personne.

So if you think, oh, it's all happened before,

Vous pensez peut-être que c'est du déjà-vu,

we've seen the results in the past of when new things come along

que nous connaissons les conséquences de l'arrivée de nouvelles choses,

and they get replaced by new jobs,

de nouveaux emplois qui remplacent les anciens.

what are these new jobs going to be?

Que seront ces nouveaux emplois ?

It's very hard for us to estimate this,

C'est très dur à estimer :

because human performance grows at this gradual rate,

l'amélioration des performances humaines est graduelle,

but we now have a system, deep learning,

tandis que ce système, l'apprentissage profond,

that we know actually grows in capability exponentially.

s'améliore de façon exponentielle.

And we're here.

Et nous en sommes là.

So currently, we see the things around us

En regardant autour de nous, nous pensons :

and we say, "Oh, computers are still pretty dumb." Right?

« Les machines sont toujours idiotes ». Pas vrai ?

But in five years' time, computers will be off this chart.

Mais d'ici cinq ans, elles seront bien plus haut dans la courbe.

So we need to be starting to think about this capability right now.

Nous devons commencer à penser dès maintenant à ces capacités futures.

We have seen this once before, of course.

Ce n'est pas la première fois, bien sûr.

In the Industrial Revolution,

Les machines de la Révolution Industrielle augmentèrent nos capacités.

we saw a step change in capability thanks to engines.

The thing is, though, that after a while, things flattened out.

Mais, au bout d'un moment, les choses se calmèrent.

There was social disruption,

Il y eut des troubles sociaux, mais

but once engines were used to generate power in all the situations,

une fois les machines utilisées pour la plupart des cas utiles,

things really settled down.

les choses s'apaisèrent.

The Machine Learning Revolution

La Révolution des Machines Apprenantes

is going to be very different from the Industrial Revolution,

sera très différente de la Révolution Industrielle,

because the Machine Learning Revolution, it never settles down.

parce que dans son cas, les choses ne se calmeront pas.

The better computers get at intellectual activities,

Plus les ordinateurs progressent dans les activités cérébrales,

the more they can build better computers to be better at intellectual capabilities,

plus ils peuvent créer de meilleurs ordinateurs, et progresser encore.

so this is going to be a kind of change

Nous sommes devant un type d'évolution

that the world has actually never experienced before,

que le monde n'a jamais expérimentée auparavant :

so your previous understanding of what's possible is different.

notre compréhension antérieure des possibles n'est pas adaptée.

This is already impacting us.

Nous en subissons déjà les impacts.

In the last 25 years, as capital productivity has increased,

Ces 25 dernières années, alors que la productivité du capital augmentait,

labor productivity has been flat, in fact even a little bit down.

la productivité du travail restait stable, était même légèrement en baisse.

So I want us to start having this discussion now.

Je voudrais lancer ce débat dès maintenant.

I know that when I often tell people about this situation,

Je sais d'expérience que lorsque je parle de ça aux gens,

people can be quite dismissive.

ils peuvent être sceptiques.

Well, computers can't really think,

Les machines ne peuvent pas penser,

they don't emote, they don't understand poetry,

elles n'ont pas d'émotions, ne comprennent pas la poésie.

we don't really understand how they work.

Nous ne comprenons pas comment elles fonctionnent.

So what?

Et alors ?

Computers right now can do the things

Elles peuvent dès maintenant faire ce pour quoi les hommes sont payés.

that humans spend most of their time being paid to do,

so now's the time to start thinking

C'est le moment de commencer

about how we're going to adjust our social structures and economic structures

à réfléchir à la façon d'ajuster nos structures sociales et économiques,

to be aware of this new reality.

d'être au fait de cette nouvelle réalité.

Thank you.

Merci.

(Applause)

(Applaudissements)