TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar : L'avènement de la coopération homme-machine
Filmed:
Readability: 6.3
947,418 views
La force de calcul brute ne peut pas résoudre à elle seule les problèmes du monde. Innovateur dans l'exploitation des données, Shyam Sankar explique pourquoi la résolution des grands problèmes (comme d'arrêter des terroristes ou d'identifier d'énormes tendances cachées) ne dépend pas de l'élaboration du bon algorithme, mais plutôt de la bonne relation symbiotique entre la créativité humaine et le calcul.
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
Double-click the English transcript below to play the video.
00:16
I'd like to tell you about two games of chess.
0
512
2556
J'aimerais vous parler de deux parties d'échecs.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
La première a eu lieu en 1997, et dans cette partie,
Garry Kasparov,
Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
un humain, a perdu contre Deep Blue, une machine.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Pour beaucoup, ce fut l'aube d'une ère nouvelle,
00:28
one where man would be dominated by machine.
4
12888
2779
où l'homme serait dominé par la machine.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Mais nous voilà, 20 ans plus tard,
et le plus grand changement
et le plus grand changement
00:34
in how we relate to computers is the iPad,
6
19001
2690
dans nos rapports avec les ordinateurs est l'iPad,
00:37
not HAL.
7
21691
2045
pas HAL.
00:39
The second game was a freestyle chess tournament
8
23736
2648
La deuxième partie était un tournoi d'échecs freestyle
00:42
in 2005, in which man and machine could enter together
9
26384
2969
en 2005, au cours duquel l'homme et la machine
se sont rencontrés
se sont rencontrés
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
en tant que partenaires, plutôt qu'adversaires,
si c'est ce qu'ils choisissent.
si c'est ce qu'ils choisissent.
00:49
At first, the results were predictable.
11
34019
1851
Au début, les résultats étaient prévisibles.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Même un superordinateur a été battu par un grand maître
00:54
with a relatively weak laptop.
13
38367
2312
et un ordinateur portable relativement faiblard.
00:56
The surprise came at the end. Who won?
14
40679
2985
La surprise est venue à la fin. Qui a gagné ?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Pas un grand maître avec un superordinateur,
01:02
but actually two American amateurs
16
46440
1493
mais en fait deux Américains amateurs
01:03
using three relatively weak laptops.
17
47933
3822
se servant de trois ordinateurs portables
relativement faiblards.
relativement faiblards.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Leur capacité à entraîner et manipuler leurs ordinateurs
01:10
to deeply explore specific positions
19
54351
2435
pour explorer en profondeur des positions spécifiques
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
qui contrecarraient efficacement les connaissances
supérieures des échecs
supérieures des échecs
01:15
of the grandmasters and the superior computational power
21
59176
2609
des grands maîtres et la puissance de calcul supérieure
01:17
of other adversaries.
22
61785
1909
des autres adversaires.
01:19
This is an astonishing result: average men,
23
63694
2905
C'est un résultat étonnant : des hommes moyens,
01:22
average machines beating the best man, the best machine.
24
66599
4081
des machines moyennes qui battent le meilleur homme et la meilleure machine.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
D'ailleurs, est-ce que ce n'est pas censé être
l'homme contre la machine ?
l'homme contre la machine ?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Au lieu de ça, il s'agit de coopération,
et du bon type de coopération.
et du bon type de coopération.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
Nous avons accordé beaucoup d'attention à la vision
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
de Marvin Minsky sur l'intelligence artificielle
ces 50 dernières années.
ces 50 dernières années.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
C'est une vision attirante, c'est sûr. Beaucoup l'ont adoptée.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Elle est devenue l'école dominante de pensée
en informatique.
en informatique.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Mais alors que nous entrons dans l'ère des méga-données, des systèmes de réseaux,
01:48
of open platforms, and embedded technology,
32
92217
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
33
94915
3392
j'aimerais suggérer qu'il est temps de réévaluer
une version alternative
une version alternative
01:54
that was actually developed around the same time.
34
98307
3070
qui a été développée en fait
à peu près à la même période.
à peu près à la même période.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Je parle de la symbiose homme-machine de J.C.R. Licklider,
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
peut-être mieux nommée "augmentation d'intelligence", A. I.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider était un titan de l'informatique qui a eu
02:07
effect on the development of technology and the Internet.
38
111157
3006
un effet profond sur le développement
de la technologie et d'Internet.
de la technologie et d'Internet.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Sa vision était de permettre à l'homme et
à la machine de coopérer
à la machine de coopérer
02:12
in making decisions, controlling complex situations
40
117031
3590
pour prendre des décisions, contrôler
des situations complexes
des situations complexes
02:16
without the inflexible dependence
41
120621
1770
sans dépendance inflexible
02:18
on predetermined programs.
42
122391
2533
à des programmes prédéterminés.
02:20
Note that word "cooperate."
43
124924
2498
Notez le mot "coopérer".
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Licklider nous encourage à ne pas prendre un grille-pain
02:26
and make it Data from "Star Trek,"
45
130169
2284
pour en faire Data de Star Trek,
02:28
but to take a human and make her more capable.
46
132453
3535
mais à prendre un Humain et le rendre plus capable.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Les Humains sont si extraordinaires -- notre façon de penser,
02:33
our non-linear approaches, our creativity,
48
137899
2618
nos approches non linéaires, notre créativité,
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
les hypothèses itératives, tout ça est difficile,
voire impossible
voire impossible
02:38
for computers to do.
50
142648
1345
à faire pour des ordinateurs.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider a compris ça de manière intuitive,
en observant les humains
en observant les humains
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
se fixer des objectifs, formuler des hypothèses,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
déterminer les critères et effectuer l'évaluation.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Bien sûr, d'une autre manière, les humains sont tellement limités.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Nous sommes très mauvais avec l'échelle,
le calcul et le volume.
le calcul et le volume.
02:53
We require high-end talent management
56
157158
1836
Nous avons besoin d'une gestion des compétences
de haut niveau
de haut niveau
02:54
to keep the rock band together and playing.
57
158994
2064
pour garder ensemble un groupe de rock
pour qu'il continue à jouer.
pour qu'il continue à jouer.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider a prévu que les ordinateurs feraient
tout le travail de routine
tout le travail de routine
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
nécessaire pour préparer la voie aux idées et à la prise de décision.
03:02
Silently, without much fanfare,
60
166538
2224
En silence, sans tambour ni trompette,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
cette approche accumule les victoires au-delà des échecs.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Le repliement des protéines, un sujet qui partage
l'incroyable expansivité des échecs --
l'incroyable expansivité des échecs --
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
il y a plus de façons de replier une protéine
qu'il n'y a d'atomes dans l'univers.
qu'il n'y a d'atomes dans l'univers.
03:14
This is a world-changing problem with huge implications
64
178514
2353
C'est un problème qui peut changer le monde,
aux implications énormes
aux implications énormes
03:16
for our ability to understand and treat disease.
65
180867
2308
quant à notre capacité à comprendre et à traiter la maladie.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
Pour cette tâche, la force brute
d'un superordinateur ne suffit pas.
d'un superordinateur ne suffit pas.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Foldit, un jeu créé par des chercheurs en informatique,
03:25
illustrates the value of the approach.
68
189807
2502
illustre la valeur de l'approche.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Des amateurs qui ne sont ni techniciens,
ni biologistes, jouent à un jeu vidéo
ni biologistes, jouent à un jeu vidéo
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
dans lequel ils réarrangent visuellement
la structure de la protéine,
la structure de la protéine,
03:34
allowing the computer to manage the atomic forces
71
198423
1499
permettant à l'ordinateur de gérer les forces
et les interactions atomiques
et les interactions atomiques
03:35
and interactions and identify structural issues.
72
199922
2957
et d'identifier les problèmes structurels.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Cette approche a battu les superordinateurs 50 % du temps
03:41
and tied 30 percent of the time.
74
205902
2584
et a obtenu l'égalité 30 % du temps.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Foldit a fait une découverte scientifique
remarquable et majeure récemment
remarquable et majeure récemment
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
en déchiffrant la structure du virus simien de Mason-Pfizer.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Une protéase qui avait échappé à la détermination
pendant plus de 10 ans
pendant plus de 10 ans
03:53
was solved was by three players in a matter of days,
78
217798
2626
a été résolue par 3 joueurs en quelques jours,
03:56
perhaps the first major scientific advance
79
220424
2025
peut-être la première avancée scientifique majeure
03:58
to come from playing a video game.
80
222449
2323
issue d'une partie de jeu vidéo.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
L'an dernier, sur le site des Tours Jumelles,
04:02
the 9/11 memorial opened.
82
226953
1473
on a inauguré le Mémorial du 11 Septembre.
04:04
It displays the names of the thousands of victims
83
228426
2721
Il affiche les noms des milliers de victimes
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
en utilisant un beau concept appelé
"adjacence significative".
"adjacence significative".
04:10
It places the names next to each other based on their
85
234210
2166
Il place les noms les uns à côté des autres en fonction
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
de leurs relations : amis, familles, collègues de travail.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Quand on les met tous ensemble, c'est un sacré défi de calcul :
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3500 victimes, 1800 requêtes d'adjacence,
04:21
the importance of the overall physical specifications
89
245840
3092
l'importance des spécifications physiques globales
04:24
and the final aesthetics.
90
248932
2137
et l'esthétique finale.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Quand les médias en ont parlé pour la première fois,
04:29
was given to an algorithm from the New York City
92
253684
1892
on a donné tout le crédit d'un tel exploit à un algorithme
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
de la boite de design new-yorkaise Local Projects.
La vérité est un peu plus nuancée.
La vérité est un peu plus nuancée.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Tandis qu'un algorithme a été utilisé pour développer
un cadre sous-jacent,
un cadre sous-jacent,
04:38
humans used that framework to design the final result.
95
262448
3008
des humains ont utilisé ce cadre pour concevoir le résultat final.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
Dans ce cas, un ordinateur avait évalué des millions
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
d'agencements possibles, géré un système relationnel complexe,
04:46
and kept track of a very large set of measurements
98
271016
2414
et gardé trace d'un très grand nombre de mesures
04:49
and variables, allowing the humans to focus
99
273430
2410
et de variables, ce qui a permis aux humains de se concentrer
04:51
on design and compositional choices.
100
275840
2802
sur les choix de design et de composition.
04:54
So the more you look around you,
101
278642
1036
Plus vous regardez autour de vous,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
plus vous voyez la vision de Licklider partout.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Que ce soit la réalité augmentée dans votre iPhone
ou votre GPS dans votre voiture,
ou votre GPS dans votre voiture,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
la symbiose homme-machine nous rend plus capables.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Alors si vous voulez améliorer la symbiose homme-machine,
05:05
what can you do?
106
289569
1429
que pouvez-vous faire ?
05:06
You can start by designing the human into the process.
107
290998
2452
Vous pouvez commencer par intégrer l'humain dans le processus de design.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Au lieu de penser à ce qu'un ordinateur peut faire
pour résoudre le problème,
pour résoudre le problème,
05:11
design the solution around what the human will do as well.
109
295654
3869
concevez la solution autour de ce que l'humain fera aussi.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Quand vous ferez ça, vous vous rendrez vite compte
que vous avez passé
que vous avez passé
05:17
all of your time on the interface between man and machine,
111
301460
2879
tout votre temps sur l'interface entre l'homme et la machine,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
particulièrement à gommer la friction dans l'interaction.
05:23
In fact, this friction is more important than the power
113
307438
2766
En fait, cette friction est plus importante que la puissance
05:26
of the man or the power of the machine
114
310204
2052
de l'homme ou la puissance de la machine
05:28
in determining overall capability.
115
312256
1931
dans la détermination de la capacité globale.
05:30
That's why two amateurs with a few laptops
116
314187
1977
C'est pourquoi deux amateurs avec
quelques ordinateurs portables
quelques ordinateurs portables
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
ont battu facilement un superordinateur et un grand maitre.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Ce que Kasparov appelle un processus est un dérivé
de la friction.
de la friction.
05:37
The better the process, the less the friction.
119
321625
2401
Meilleur est le processus, moins il y a de friction.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
Réduire la friction s'avère être la variable décisive.
05:44
Or take another example: big data.
121
328282
2243
Ou prenez un autre exemple : les méga-données.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Chaque interaction dans le monde est enregistrée
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
par un nombre sans cesse croissant de capteurs : votre téléphone,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
votre carte de crédit, votre ordinateur. Le résultat, c'est les méga-données,
05:53
and it actually presents us with an opportunity
125
337863
1742
elles nous offrent en fait une occasion
05:55
to more deeply understand the human condition.
126
339605
2662
de bien mieux comprendre la condition humaine.
05:58
The major emphasis of most approaches to big data
127
342267
2305
La plupart des approches des méga-données se concentrent principalement
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
sur "Comment stocker ces données ? Comment les chercher ?
06:02
this data? How do I process this data?"
129
346787
2276
Comment les traiter ?"
06:04
These are necessary but insufficient questions.
130
349063
2204
Ce sont des questions nécessaires mais insuffisantes.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
L'indispensable n'est pas de comprendre
comment calculer,
comment calculer,
06:09
but what to compute. How do you impose human intuition
132
353738
2184
mais quoi calculer. Comment imposer l'intuition humaine
06:11
on data at this scale?
133
355922
1791
aux données à cette échelle ?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Là encore, nous commençons par intégrer l'humain
dans la conception du processus.
dans la conception du processus.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Quand PayPal débutait en tant qu'entreprise,
leur plus gros problème
leur plus gros problème
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
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?"
137
366828
3872
C'était : " Comment le faire sans se faire escroquer
par le crime organisé ?"
par le crime organisé ?"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Pourquoi est-ce un tel problème ? Parce que tandis
que les ordinateurs peuvent apprendre
que les ordinateurs peuvent apprendre
06:28
to detect and identify fraud based on patterns,
139
372788
3144
à détecter et identifier des fraudes d'après des modèles,
06:31
they can't learn to do that based on patterns
140
375932
1479
ils ne peuvent pas apprendre à le faire d'après des modèles
06:33
they've never seen before, and organized crime
141
377411
2116
qu'ils n'ont encore jamais vus, et le crime organisé
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
a beaucoup en commun avec le public ici présent :
des gens brillants,
des gens brillants,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
un esprit d'entreprise aux ressources inépuisables -- (Rires)
06:41
and one huge and important difference: purpose.
144
385876
2712
avec une différence monumentale : un objectif.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
Alors que les ordinateurs seuls peuvent attraper tous les fraudeurs
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
sauf les plus malins, attraper les plus malins
fait la différence
fait la différence
06:49
between success and failure.
147
393673
2545
entre la réussite et l'échec.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Il y a tout un ensemble de problèmes comme celui-là,
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
avec des adversaires qui s'adaptent. Ils utilisent rarement, voire jamais
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
un modèle répétitif que les ordinateurs
peuvent discerner.
peuvent discerner.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Au lieu de ça, il y a une composante inhérente
d'innovation ou de disruption,
d'innovation ou de disruption,
07:03
and increasingly these problems are buried in big data.
152
407743
2735
et de plus en plus, ces problèmes sont enfouis dans les méga-données.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Par exemple, le terrorisme. Les terroristes s'adaptent toujours
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
plus ou moins aux circonstances nouvelles, et en dépit de
07:10
what you might see on TV, these adaptations,
155
415030
3094
ce que vous voyez à la télé, ces adaptations,
07:14
and the detection of them, are fundamentally human.
156
418124
2293
et leur détection, sont fondamentalement humaines.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Les ordinateurs ne détectent pas les modèles et les comportements nouveaux
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
mais les humains, si. Les humains, en se servant
de la technologie, testent des hypothèses,
de la technologie, testent des hypothèses,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
recherchent des indices en demandant aux machines
de faire des choses pour eux.
de faire des choses pour eux.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Oussama Ben Laden n'a pas été attrapé
grâce à l'intelligence artificielle.
grâce à l'intelligence artificielle.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Il a été attrapé par des gens brillants, débrouillards et dévoués
07:32
in partnerships with various technologies.
162
436262
4269
en partenariat avec différentes technologies.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Pour aussi séduisant que cela semble,
on ne peut pas
on ne peut pas
07:39
data mine your way to the answer.
164
443349
1601
trouver la réponse en fouillant des données avec des algorithmes.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
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
166
447805
2302
à partir d'une grande variété de sources
07:46
across a wide variety of data formats from very
167
450107
2133
en passant par une grande variété de formats de données
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
issues de systèmes très disparates, moins le traitement de données peut être efficace.
07:51
Instead, people will have to look at data
169
455549
2024
Au contraire, les gens devront examiner les données,
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
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,
171
461029
2685
la clé pour de grands résultats est le bon type de coopération.
07:59
and as Kasparov realized,
172
463714
1524
et comme Kasparov s'en est rendu compte,
08:01
that means minimizing friction at the interface.
173
465238
3031
ça signifie limiter la friction au niveau de l'interface.
08:04
Now this approach makes possible things like combing
174
468269
2758
Cette approche rend possible des choses comme
08:06
through all available data from very different sources,
175
471027
3386
le filtrage de toutes les données disponibles issues de sources très différentes,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
l'identification de relations-clés et leur rassemblement en un seul endroit,
08:13
something that's been nearly impossible to do before.
177
477205
2928
ce qui était presque impossible avant.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Pour certains, ça a des implications terrifiantes
pour la vie privée
pour la vie privée
08:17
implications. To others it foretells of an era of greater
179
482075
3410
et les libertés civiles. Pour d'autres, ça prédit une ère de
08:21
privacy and civil liberties protections,
180
485485
1909
plus grande protection de la vie privée et des libertés civiles,
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
mais la vie privée et les libertés civiles ont une importance fondamentale.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
On doit l'admettre, et on ne peut pas l'écarter,
08:28
even with the best of intents.
183
492523
2530
même avec les meilleures intentions.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Explorons donc, au travers de deux exemples, l'impact
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
que les technologies construites pour guider la symbiose homme-machine
08:35
have had in recent time.
186
499977
2919
ont eu récemment.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
En octobre 2007, les forces américaines et celles de la coalition
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
ont fait un raid sur un refuge d'Al Qaïda dans la ville de Sinjar,
08:44
on the Syrian border of Iraq.
189
508728
1934
en Irak, à la frontière avec la Syrie.
08:46
They found a treasure trove of documents:
190
510662
2376
Ils ont trouvé un trésor de documents :
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 esquisses biographiques de combattants étrangers.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Ces combattants étrangers avaient laissé leurs familles dans le Golfe,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
le Levant et l'Amérique du Nord pour rejoindre Al Qaïda en Irak.
08:57
These records were human resource forms.
194
521103
1616
Ces dossiers étaient des formulaires de ressources humaines.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Les combattants étrangers les avaient remplis en s'engageant dans l'organisation.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Il s'avère qu'Al Qaïda
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
a aussi sa petite bureaucratie. (RIres)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Ils ont répondu à des questions comme "Qui vous a recruté ?"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"De quelle ville venez-vous ?" "Quel poste recherchez-vous ?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Dans cette dernière question, une information
surprenante est ressortie.
surprenante est ressortie.
09:13
The vast majority of foreign fighters
201
537503
2400
La grande majorité des combattants étrangers
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
cherchaient à devenir des bombes humaines
pour devenir des martyrs --
pour devenir des martyrs --
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
extrêmement important, puisque, entre 2003 et 2007, l'Irak
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
a connu 1382 attentats suicides,
source majeure d'instabilité.
source majeure d'instabilité.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Il était difficile d'analyser ces données.
Les originaux étaient des feuilles
Les originaux étaient des feuilles
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
de papier en arabe qui devaient être scannées et traduites.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
La friction dans le processus ne permettait pas
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
d'obtenir des résultats significatifs
dans une limite de temps opérationnelle
dans une limite de temps opérationnelle
09:37
and tenacity alone.
209
561227
2218
en n'ayant recours qu'à des humains,
des PDF et de la ténacité.
des PDF et de la ténacité.
09:39
The researchers had to lever up their human minds
210
563445
1953
Les chercheurs ont dû faire appel à la technologie
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
pour réfléchir plus profondément, pour explorer
09:43
hypotheses, and in fact, insights emerged.
212
567743
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,
213
570961
2644
20 % des combattants étrangers venaient de Libye,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50 % d'entre eux d'une seule ville en Libye,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
d'une importance énorme puisque les statistiques
précédentes estimaient ce chiffre à 3 %.
précédentes estimaient ce chiffre à 3 %.
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
Ça a aussi contribué à cibler un personnage
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
d'une importance grandissante au sein d'Al Qaïda,
Abu Yahya al-Libi,
Abu Yahya al-Libi,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
un religieux majeur dans le groupe
de combattants islamiques libyens.
de combattants islamiques libyens.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
En mars 2007, il a fait un discours, à la suite duquel
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
il y a eu une poussée de participation
chez les combattants étrangers libyens.
chez les combattants étrangers libyens.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
La chose la plus intelligente, cependant, et la moins évidente,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
a été, en retournant les données, de permettre aux chercheurs
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
d'explorer profondément
les réseaux de coordination en Syrie
les réseaux de coordination en Syrie
10:17
that were ultimately responsible for receiving and
224
601223
2517
qui étaient au final en charge de recevoir
10:19
transporting the foreign fighters to the border.
225
603740
2464
et de transporter les combattants étrangers à la frontière.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
C'étaient des réseaux de mercenaires, pas d'idéologues,
10:24
who were in the coordination business for profit.
227
608837
2398
qui étaient dans la coordination pour faire du profit.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Par exemple, ils faisaient payer
aux combattants étrangers saoudiens
aux combattants étrangers saoudiens
10:29
substantially more than Libyans, money that would have
229
613139
2199
substantiellement plus qu'aux Libyens,
de l'argent qui autrement
de l'argent qui autrement
10:31
otherwise gone to al Qaeda.
230
615338
2320
serait allé à Al Qaïda.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
L'adversaire modifierait peut-être son propre réseau
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
s'il savait qu'ils escroquaient les aspirants jihadistes.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
En janvier 2010, un tremblement de terre dévastateur a frappé Haïti,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
le 3ème plus mortel de tous les temps, qui a laissé un million de gens,
10:45
10 percent of the population, homeless.
235
629399
2584
10 % de la population, sans abri.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Un aspect apparemment minime de l'effort global d'aide
10:51
became increasingly important as the delivery of food
237
635120
2176
est devenu de plus en plus important quand on a commencé
10:53
and water started rolling.
238
637296
2160
à apporter de la nourriture et de l'eau.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Janvier et février sont les mois secs en Haïti,
10:56
yet many of the camps had developed standing water.
240
640914
2942
pourtant des eaux stagnantes s'étaient accumulées
dans beaucoup de camps.
dans beaucoup de camps.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
La seule institution qui avait une connaissance détaillée
11:01
floodplains had been leveled
242
645978
1297
des zones inondables d'Haïti avait été détruite
11:03
in the earthquake, leadership inside.
243
647275
3008
dans le tremblement de terre, avec leurs dirigeants à l'intérieur.
11:06
So the question is, which camps are at risk,
244
650283
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
245
652858
1921
combien de gens étaient dans ces camps,
11:10
timeline for flooding, and given very limited resources
246
654779
2311
quelle était la chronologie des inondations, et étant données les ressources
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
et l'infrastructure très limitées, comment établir
les priorités de déplacement ?
les priorités de déplacement ?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Les données étaient incroyablement disparates. L'armée des États-Unis
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
avait une connaissance détaillée d'une seule petite section du pays.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
Il y avait des données en ligne qui dataient d'une conférence
11:24
conference, other geospatial data, none of it integrated.
251
668258
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
252
670922
2958
L'objectif humain ici était d'identifier les camps à utiliser
11:29
based on priority need.
253
673880
2395
selon l'urgence.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
L'ordinateur devait intégrer une grande quantité
11:34
information, social media data and relief organization
255
678715
2584
d'informations géospatiales, de données des médias sociaux
11:37
information to answer this question.
256
681299
3480
et des informations des organisations de secours
pour répondre à cette question.
pour répondre à cette question.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
En implémentant un processus supérieur, ce qui autrement
11:43
a task for 40 people over three months became
258
687194
2608
était une tâche pour 40 personnes pendant 3 mois,
11:45
a simple job for three people in 40 hours,
259
689802
3176
c'est devenu un travail simple pour 3 personnes en 40 heures,
11:48
all victories for human-computer symbiosis.
260
692978
2628
tout ça à mettre au crédit de la symbiose homme-machine.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Nous voici 50 ans après la vision d'avenir de Licklider
11:53
for the future, and the data suggests that we should be
262
697660
2242
et les données suggèrent que nous devrions être
11:55
quite excited about tackling this century's hardest problems,
263
699902
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.
264
702932
2947
l'homme et la machine coopérant ensemble.
12:01
Thank you. (Applause)
265
705879
2197
Merci. (Applaudissements)
12:03
(Applause)
266
708076
2505
(Applaudissements)
ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence AgentAn advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.
Why you should listen
Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.
As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.
Shyam Sankar | Speaker | TED.com