With Spatial Intelligence, AI Will Understand the Real World | Fei-Fei Li | TED

Traducteur: Elisabeth Buffard

Let me show you something.

Je vais vous montrer quelque chose.

To be precise,

Plus précisément,

I'm going to show you nothing.

je ne vais rien vous montrer.

This was the world 540 million years ago.

Voilà ce qu’était le monde il y a 540 millions d’années.

Pure, endless darkness.

Des ténèbres pures et infinies.

It wasn't dark due to a lack of light.

Il ne faisait pas nuit à cause du manque de lumière.

It was dark because of a lack of sight.

Il faisait nuit à cause de l’absence de vision.

Although sunshine did filter 1,000 meters

Bien que le soleil filtrait à 1 000 mètres

beneath the surface of ocean,

sous la surface de l'océan,

a light permeated from hydrothermal vents to seafloor,

une lumière diffusée par les cheminées hydrothermales

jusqu’au plancher océanique,

brimming with life,

débordant de vie,

there was not a single eye to be found in these ancient waters.

il n’y avait pas un seul œil dans ces eaux ancestrales.

No retinas, no corneas, no lenses.

Pas de rétines, pas de cornées, pas de lentilles.

So all this light, all this life went unseen.

Toute cette lumière, toute cette vie sont donc passées inaperçues.

There was a time that the very idea of seeing didn't exist.

Autrefois, l’idée même de voir n’existait pas.

It [had] simply never been done before.

Ça n’avait tout simplement jamais été fait auparavant.

Until it was.

Jusqu'à ce que ce soit le cas.

So for reasons we're only beginning to understand,

Pour des raisons que nous commençons à peine à comprendre,

trilobites, the first organisms that could sense light, emerged.

les trilobites, les premiers organismes capables de détecter la lumière,

sont apparus.

They're the first inhabitants of this reality that we take for granted.

Ce sont les premiers habitants

de cette réalité que nous tenons pour acquise.

First to discover that there is something other than oneself.

D’abord pour découvrir qu’il y a autre chose que soi-même.

A world of many selves.

Un monde où se côtoient de nombreuses personnes.

The ability to see is thought to have ushered in Cambrian explosion,

On pense que la capacité de voir a provoqué l’explosion cambrienne,

a period in which a huge variety of animal species

une période où une grande variété d’espèces animales

entered fossil records.

sont entrées dans les archives fossiles.

What began as a passive experience,

Ce qui a commencé comme une expérience passive,

the simple act of letting light in,

le simple fait de laisser entrer la lumière,

soon became far more active.

est vite devenu beaucoup plus actif.

The nervous system began to evolve.

Le système nerveux a commencé à évoluer.

Sight turning to insight.

La vue est devenue perspective.

Seeing became understanding.

Voir est devenu comprendre.

Understanding led to actions.

La compréhension a conduit à des actions.

And all these gave rise to intelligence.

Et tout ça a donné naissance à l’intelligence.

Today, we're no longer satisfied with just nature's gift of visual intelligence.

Aujourd’hui, nous ne nous contentons plus

du don de la nature qu’est l’intelligence visuelle.

Curiosity urges us to create machines to see just as intelligently as we can,

La curiosité nous pousse à créer des machines

capables de voir aussi intelligemment que possible,

if not better.

sinon mieux.

Nine years ago, on this stage,

Il y a neuf ans, sur cette scène,

I delivered an early progress report on computer vision,

j’ai présenté un premier rapport d’étape sur la vision par ordinateur,

a subfield of artificial intelligence.

un sous-domaine de l’intelligence artificielle.

Three powerful forces converged for the first time.

Trois forces puissantes convergeaient pour la première fois.

Aa family of algorithms called neural networks.

Une famille d'algorithmes appelés réseaux de neurones.

Fast, specialized hardware called graphic processing units,

Un matériel rapide et spécialisé appelé unités de traitement graphique

or GPUs.

ou GPU.

And big data.

Et le big data.

Like the 15 million images that my lab spent years curating called ImageNet.

Comme les 15 millions d’images

que mon laboratoire a passé des années à organiser, qu’on a appelé ImageNet.

Together, they ushered in the age of modern AI.

Ensemble, ils ont inauguré l'ère de l'IA moderne.

We've come a long way.

On a fait beaucoup de progrès.

Back then, just putting labels on images was a big breakthrough.

À l’époque, rien que mettre des étiquettes sur les images

était une avancée majeure.

But the speed and accuracy of these algorithms just improved rapidly.

Mais la rapidité et la précision de ces algorithmes

se sont améliorées rapidement.

The annual ImageNet challenge, led by my lab,

Le défi annuel ImageNet, organisé par mon laboratoire,

gauged the performance of this progress.

a permis d’évaluer les performances de ces progrès.

And on this plot, you're seeing the annual improvement

Sur ce graphique, vous voyez les modèles d’amélioration annuelle et d’étape.

and milestone models.

We went a step further

Nous sommes allés encore plus loin

and created algorithms that can segment objects

et avons créé des algorithmes capables de segmenter des objets

or predict the dynamic relationships among them

ou de prédire les relations dynamiques entre eux

in these works done by my students and collaborators.

dans ces travaux réalisés par mes étudiants et collaborateurs.

And there's more.

Et il y en a d'autres.

Recall last time I showed you the first computer-vision algorithm

Rappelez-vous quand je vous ai montré

le premier algorithme de vision par ordinateur

that can describe a photo in human natural language.

capable de décrire une photo en langage naturel humain.

That was work done with my brilliant former student, Andrej Karpathy.

Ce travail a été réalisé avec mon brillant ancien étudiant,

Andrej Karpathy.

At that time, I pushed my luck and said,

À l’époque, j’ai tenté ma chance et lui ai demandé :

"Andrej, can we make computers to do the reverse?"

« Peut-on fabriquer des ordinateurs pour faire l’inverse ? »

And Andrej said, "Ha ha, that's impossible."

Et Andrej a répondu : « Ah ah, c'est impossible. »

Well, as you can see from this post,

Comme vous pouvez le voir dans cet article,

recently the impossible has become possible.

l’impossible est récemment devenu possible.

That's thanks to a family of diffusion models

C'est grâce à une famille de modèles de diffusion

that powers today's generative AI algorithm,

qui alimente l'algorithme d'IA génératif actuel,

which can take human-prompted sentences

qui peut prendre des phrases soumises par l’homme

and turn them into photos and videos

et les transformer en photos et vidéos

of something that's entirely new.

de quelque chose d'entièrement nouveau.

Many of you have seen the recent impressive results of Sora by OpenAI.

Beaucoup d’entre vous ont vu les impressionnants résultats récents

de Sora par OpenAI.

But even without the enormous number of GPUs,

Mais même sans le nombre énorme de GPU,

my student and our collaborators

mon étudiant et nos collaborateurs

have developed a generative video model called Walt

ont développé un modèle vidéo génératif appelé Walt

months before Sora.

des mois avant Sora.

And you're seeing some of these results.

Et vous pouvez voir certains de ces résultats.

There is room for improvement.

Des améliorations sont possibles.

I mean, look at that cat's eye

Regardez l’œil de ce chat

and the way it goes under the wave without ever getting wet.

et la façon dont il passe sous la vague sans jamais se mouiller.

What a cat-astrophe.

Quelle chat-astrophe.

(Laughter)

(Rires)

And if past is prologue,

Et si le passé n'est qu'un prologue,

we will learn from these mistakes and create a future we imagine.

nous apprendrons de ces erreurs et créerons un futur que nous imaginerons.

And in this future,

Et dans ce futur,

we want AI to do everything it can for us,

nous voulons que l’IA fasse tout ce qu’elle peut pour nous

or to help us.

ou pour nous aider.

For years I have been saying

Ça fait des années que je dis

that taking a picture is not the same as seeing and understanding.

que prendre une photo n'est pas la même chose que voir et comprendre.

Today, I would like to add to that.

Aujourd’hui, je voudrais ajouter quelque chose.

Simply seeing is not enough.

Il ne suffit pas de voir.

Seeing is for doing and learning.

Voir, c'est faire et apprendre.

When we act upon this world in 3D space and time,

Lorsque nous agissons sur ce monde dans un espace et un temps en 3D,

we learn, and we learn to see and do better.

nous apprenons, nous apprenons à voir et à faire mieux.

Nature has created this virtuous cycle of seeing and doing

La nature a créé ce cercle vertueux de voir et d’agir

powered by “spatial intelligence.”

grâce à « l'intelligence spatiale ».

To illustrate to you what your spatial intelligence is doing constantly,

Pour vous illustrer ce que fait constamment votre intelligence spatiale,

look at this picture.

regardez cette image.

Raise your hand if you feel like you want to do something.

Levez la main si vous avez envie de faire quelque chose.

(Laughter)

(Rires)

In the last split of a second,

Dans la dernière fraction de seconde,

your brain looked at the geometry of this glass,

votre cerveau a examiné la géométrie de ce verre,

its place in 3D space,

sa place dans l'espace 3D,

its relationship with the table, the cat

sa relation avec la table, le chat

and everything else.

et tout le reste.

And you can predict what's going to happen next.

Et vous pouvez prédire ce qui va se passer ensuite.

The urge to act is innate to all beings with spatial intelligence,

L’envie d’agir est innée

chez tous les êtres dotés d’une intelligence spatiale,

which links perception with action.

qui lie la perception à l'action.

And if we want to advance AI beyond its current capabilities,

Et si nous voulons faire progresser l’IA au-delà de ses capacités actuelles,

we want more than AI that can see and talk.

nous voulons plus qu'une IA capable de voir et de parler.

We want AI that can do.

Nous voulons une IA capable de le faire.

Indeed, we're making exciting progress.

En effet, nous réalisons des progrès remarquables.

The recent milestones in spatial intelligence

L'une des avancées récentes en matière d'intelligence spatiale

is teaching computers to see, learn, do

est d’apprendre aux ordinateurs à voir, à apprendre, à faire

and learn to see and do better.

et à apprendre à voir et à faire mieux.

This is not easy.

Ce n'est pas facile.

It took nature millions of years to evolve spatial intelligence,

La nature a mis des millions d’années à développer l’intelligence spatiale,

which depends on the eye taking light,

qui dépend de l'œil qui capte la lumière,

project 2D images on the retina

projette des images 2D sur la rétine

and the brain to translate these data into 3D information.

et le cerveau pour traduire ces données en informations 3D.

Only recently, a group of researchers from Google

Ce n’est que récemment qu’un groupe de chercheurs de Google

are able to develop an algorithm to take a bunch of photos

a pu développer un algorithme permettant de prendre un tas de photos

and translate that into 3D space,

et de les traduire dans un espace 3D,

like the examples we're showing here.

comme dans les exemples que nous montrons ici.

My student and our collaborators have taken a step further

Mon étudiant et nos collaborateurs sont allés encore plus loin

and created an algorithm that takes one input image

et ont créé un algorithme qui prend une image d'entrée

and turn that into 3D shape.

et la transforme en forme 3D.

Here are more examples.

Voici d'autres exemples.

Recall, we talked about computer programs that can take a human sentence

Rappelez-vous, on a parlé de programmes informatiques

qui peuvent prendre une phrase humaine

and turn it into videos.

et la transformer en vidéos.

A group of researchers in University of Michigan

Un groupe de chercheurs de l'Université du Michigan

have figured out a way to translate that line of sentence

a trouvé un moyen de traduire cette ligne de phrase

into 3D room layout, like shown here.

en une disposition 3D de la pièce, comme illustré ici.

And my colleagues at Stanford and their students

Mes collègues de Stanford et leurs étudiants

have developed an algorithm that takes one image

ont développé un algorithme qui prend une image

and generates infinitely plausible spaces

et génère des espaces infiniment plausibles

for viewers to explore.

que les spectateurs peuvent explorer.

These are prototypes of the first budding signs of a future possibility.

Ce sont des prototypes des premiers signes d’une possibilité future.

One in which the human race can take our entire world

Un monde dans lequel la race humaine peut prendre notre monde entier

and translate it into digital forms

et le traduire sous des formes numériques

and model the richness and nuances.

et en modéliser la richesse et les nuances.

What nature did to us implicitly in our individual minds,

Ce que la nature nous a fait implicitement dans nos esprits individuels,

spatial intelligence technology can hope to do

la technologie de l’intelligence spatiale peut espérer le faire

for our collective consciousness.

pour notre conscience collective.

As the progress of spatial intelligence accelerates,

Alors que les progrès de l'intelligence spatiale s'accélèrent,

a new era in this virtuous cycle is taking place in front of our eyes.

une nouvelle ère de ce cercle vertueux s’ouvre devant nos yeux.

This back and forth is catalyzing robotic learning,

Ce va-et-vient catalyse l'apprentissage robotique,

a key component for any embodied intelligence system

un élément clé de tout système d’intelligence incarné

that needs to understand and interact with the 3D world.

qui a besoin de comprendre le monde 3D et d’interagir avec celui-ci.

A decade ago,

Il y a dix ans,

ImageNet from my lab

ImageNet, depuis mon laboratoire,

enabled a database of millions of high-quality photos

a créé une base de données contenant des millions de photos de haute qualité

to help train computers to see.

pour aider à entraîner les ordinateurs à voir.

Today, we're doing the same with behaviors and actions

Aujourd’hui, nous faisons de même avec les comportements et les actions

to train computers and robots how to act in the 3D world.

pour apprendre aux ordinateurs et aux robots à agir dans le monde 3D.

But instead of collecting static images,

Mais au lieu de collecter des images statiques,

we develop simulation environments powered by 3D spatial models

nous développons des environnements de simulation

alimentés par des modèles spatiaux 3D

so that the computers can have infinite varieties of possibilities

afin que les ordinateurs puissent avoir une infinité de possibilités

to learn to act.

pour apprendre à agir.

And you're just seeing a small number of examples

Et vous ne voyez que quelques exemples

to teach our robots

d’enseignement à nos robots

dans le cadre d’un projet dirigé par mon laboratoire appelé Behavior.

in a project led by my lab called Behavior.

We’re also making exciting progress in robotic language intelligence.

Nous faisons aussi des progrès passionnants

dans l’intelligence robotique du langage.

Using large language model-based input,

En utilisant une saisie basée sur un grand modèle de langue,

my students and our collaborators are among the first teams

mes étudiants et nos collaborateurs font partie des premières équipes

that can show a robotic arm performing a variety of tasks

à pouvoir montrer un bras robotique effectuant diverses tâches

based on verbal instructions,

en fonction d’instructions verbales,

like opening this drawer or unplugging a charged phone.

comme ouvrir ce tiroir ou débrancher un téléphone chargé.

Or making sandwiches, using bread, lettuce, tomatoes

Ou faire des sandwichs, avec du pain, de la laitue,

and even putting a napkin for the user.

des tomates et même mettre une serviette pour l’utilisateur.

Typically I would like a little more for my sandwich,

D’habitude, j’en voudrais un peu plus pour mon sandwich,

but this is a good start.

mais c'est un bon début.

(Laughter)

(Rires)

In that primordial ocean, in our ancient times,

Dans cet océan primordial, autrefois,

the ability to see and perceive one's environment

la capacité de voir et de percevoir son environnement

kicked off the Cambrian explosion of interactions with other life forms.

a donné le coup d’envoi à l’explosion cambrienne

des interactions avec d’autres formes de vie.

Today, that light is reaching the digital minds.

Aujourd'hui, cette lumière atteint les esprits numériques.

Spatial intelligence is allowing machines

L'intelligence spatiale permet

to interact not only with one another,

aux machines d’interagir non seulement entre elles,

but with humans, and with 3D worlds,

mais aussi avec les humains et avec des mondes 3D,

real or virtual.

réels ou virtuels.

And as that future is taking shape,

Et au fur et à mesure que cet avenir prend forme,

it will have a profound impact to many lives.

il aura un impact profond sur de nombreuses vies.

Let's take health care as an example.

Prenons l'exemple des soins de santé.

For the past decade,

Au cours de la dernière décennie,

my lab has been taking some of the first steps

mon laboratoire a fait certaines des premiers pas

in applying AI to tackle challenges that impact patient outcome

pour recourir à l’IA pour traiter les problèmes

qui ont une incidence sur les résultats des patients

and medical staff burnout.

et sur l'épuisement du personnel médical.

Together with our collaborators from Stanford School of Medicine

Avec nos collaborateurs de la faculté de médecine de Stanford

and partnering hospitals,

et des hôpitaux partenaires,

we're piloting smart sensors

nous testons des capteurs intelligents

capables de détecter les cliniciens qui entrent dans les chambres des patients

that can detect clinicians going into patient rooms

without properly washing their hands.

sans se laver correctement les mains.

Or keep track of surgical instruments.

Ou d’assurer le suivi des instruments chirurgicaux.

Or alert care teams when a patient is at physical risk,

Ou d’alerter les équipes soignantes en cas de risque physique pour un patient,

such as falling.

par exemple un risque de chute.

We consider these techniques a form of ambient intelligence,

Nous considérons ces techniques comme une forme d’intelligence ambiante,

like extra pairs of eyes that do make a difference.

comme des paires d’yeux supplémentaires qui font la différence.

But I would like more interactive help for our patients, clinicians

Mais j’aimerais ’une aide plus interactive pour nos patients, nos cliniciens

and caretakers, who desperately also need an extra pair of hands.

et nos soignants, qui ont désespérément besoin

d’une paire de mains supplémentaire.

Imagine an autonomous robot transporting medical supplies

Imaginez un robot autonome transportant des fournitures médicales

while caretakers focus on our patients

pendant que les soignants se concentrent sur nos patients

or augmented reality, guiding surgeons to do safer, faster

ou la réalité augmentée, guidant les chirurgiens pour qu’ils effectuent

and less invasive operations.

et des opérations plus rapides, plus sûres et moins invasives.

Or imagine patients with severe paralysis controlling robots with their thoughts.

Ou imaginez des patients atteints de paralysie sévère

contrôlant des robots par la pensée.

That's right, brainwaves, to perform everyday tasks

C’est ça, des ondes cérébrales, pour effectuer des tâches quotidiennes

that you and I take for granted.

que vous et moi tenons pour acquises.

You're seeing a glimpse of that future in this pilot study from my lab recently.

Cette étude pilote menée récemment dans mon laboratoire

donne un aperçu de cet avenir.

In this video, the robotic arm is cooking a Japanese sukiyaki meal

Dans cette vidéo, le bras robotique prépare un sukiyaki japonais

controlled only by the brain electrical signal,

contrôlé uniquement par le signal électrique du cerveau,

non-invasively collected through an EEG cap.

collecté de manière non invasive via un bonnet EEG.

(Applause)

(Applaudissements)

Thank you.

Merci.

The emergence of vision half a billion years ago

L’émergence de la vision il y a un demi-milliard d’années

turned a world of darkness upside down.

a bouleversé un monde de ténèbres.

It set off the most profound evolutionary process:

Elle a déclenché le processus évolutif le plus profond :

the development of intelligence in the animal world.

le développement de l'intelligence dans le monde animal.

AI's breathtaking progress in the last decade is just as astounding.

Les progrès époustouflants de l’IA ces dix dernières années

sont tout aussi étonnants.

But I believe the full potential of this digital Cambrian explosion

Mais je pense que le plein potentiel de cette explosion numérique cambrienne

won't be fully realized until we power our computers and robots

ne sera pas pleinement atteint

tant que nous n’alimenterons pas nos ordinateurs et nos robots

with spatial intelligence,

à l’intelligence spatiale,

just like what nature did to all of us.

comme ce que la nature a fait pour nous tous.

It’s an exciting time to teach our digital companion

C’est une période passionnante pour enseigner à notre compagnon numérique

to learn to reason

à apprendre à raisonner

and to interact with this beautiful 3D space we call home,

et à interagir avec ce magnifique espace 3D que nous appelons notre maison,

and also create many more new worlds that we can all explore.

ainsi qu'à créer de nombreux autres mondes que nous pouvons tous explorer.

To realize this future won't be easy.

Il ne sera pas facile de réaliser cet avenir.

It requires all of us to take thoughtful steps

Ça nous oblige tous à prendre des mesures réfléchies

and develop technologies that always put humans in the center.

et à développer des technologies qui placent toujours l’humain au centre.

But if we do this right,

Mais si nous faisons bien les choses,

the computers and robots powered by spatial intelligence

les ordinateurs et les robots alimentés par l’intelligence spatiale

will not only be useful tools

seront non seulement des outils utiles,

but also trusted partners

mais aussi des partenaires de confiance

to enhance and augment our productivity and humanity

pour améliorer et accroître notre productivité et notre humanité

while respecting our individual dignity

tout en respectant notre dignité individuelle

and lifting our collective prosperity.

et en améliorant notre prospérité collective.

What excites me the most in the future

Ce qui m'enthousiasme le plus à l'avenir,

is a future in which that AI grows more perceptive,

c’est un avenir dans lequel cette IA deviendra plus perspicace,

insightful and spatially aware,

plus perspicace et plus consciente de l’espace,

and they join us on our quest

et elle se joindra à nous dans notre quête

to always pursue a better way to make a better world.

visant à toujours trouver de meilleurs moyens de créer un monde meilleur.

Thank you.

Merci

(Applause)

(Applaudissements)