ABOUT THE SPEAKER
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity.

Why you should listen

Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.

Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.

Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility. 

Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.

Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.

More profile about the speaker
Maurice Conti | Speaker | TED.com
TEDxPortland

Maurice Conti: The incredible inventions of intuitive AI

Maurice Conti: Les inventions incroyables de l'intelligence artificielle intuitive

Filmed:
6,173,221 views

Que se passe-t-il quand on dote un outil de conception d’un système nerveux central ? Des ordinateurs qui améliorent notre capacité à la réflexion et à l’imagination, et des systèmes robotiques capables de concevoir (et construire) des modèles radicalement nouveaux de ponts, voitures, drones et bien d’autres artéfacts encore... tout cela tout seuls. Venez plonger dans l'âge augmenté avec le futurologue Maurice Conti et découvrez un avenir où robots et humains travailleront ensemble pour accomplir ce dont ils seraient tout seuls incapables. *Cette présentation a été donnée lors d'un évènement TEDx organisé indépendamment des conférences TED. Pour en savoir plus, rendez-vous sur http://ted.com/tedx*
- Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio

Double-click the English transcript below to play the video.

00:12
How manybeaucoup of you are creativesCreatives,
0
735
2289
Combien d'entre vous sont des créateurs,
00:15
designersconcepteurs, engineersingénieurs,
entrepreneursentrepreneurs, artistsartistes,
1
3048
3624
des stylistes, des ingénieurs,
des entrepreneurs, des artistes,
00:18
or maybe you just have
a really biggros imaginationimagination?
2
6696
2387
ou ont tout simplement
beaucoup d'imagination ?
00:21
ShowVoir l’établissement of handsmains? (CheersA bientôt)
3
9107
1848
Levez la main ? (Acclamation)
00:22
That's mostles plus of you.
4
10979
1181
La plupart d'entre vous.
00:25
I have some newsnouvelles for us creativesCreatives.
5
13334
2294
J'ai des nouvelles pour nous,
les créateurs.
00:28
Over the coursecours of the nextprochain 20 yearsannées,
6
16714
2573
Au cours des vingt prochaines années,
00:33
more will changechangement around
the way we do our work
7
21471
2973
il y aura plus de changements
dans nos modes de travail
00:37
than has happenedarrivé in the last 2,000.
8
25382
2157
que dans les 2 000 ans précédents.
00:40
In factfait, I think we're at the dawnAube
of a newNouveau ageâge in humanHumain historyhistoire.
9
28511
4628
Je pense qu'on est à l'aube d'une
nouvelle ère de l'histoire de l'humanité.
00:45
Now, there have been fourquatre majorMajeur historicalhistorique
erasenchères électroniques inversées defineddéfini by the way we work.
10
33645
4761
Il y a eu quatre âges historiques majeurs
définis par nos modes de travail.
00:51
The Hunter-GathererChasseurs-cueilleurs AgeAge
lasteda duré severalnombreuses millionmillion yearsannées.
11
39404
3275
L'âge des chasseurs-cueilleurs a duré
plusieurs millions d'années.
00:55
And then the AgriculturalAgricole AgeAge
lasteda duré severalnombreuses thousandmille yearsannées.
12
43163
3576
Puis l'âge agricole a duré
plusieurs milliers d'années.
00:59
The IndustrialIndustriel AgeAge lasteda duré
a couplecouple of centuriesdes siècles.
13
47195
3490
L'âge industriel s'est étendu
sur deux siècles.
01:02
And now the InformationInformations AgeAge
has lasteda duré just a fewpeu decadesdécennies.
14
50709
4287
Et maintenant l'âge de l'information
n'a duré que quelques décennies.
01:07
And now todayaujourd'hui, we're on the cuspcuspide
of our nextprochain great eraère as a speciesespèce.
15
55020
5220
Et nous sommes à l'aube de notre prochain
grand âge en tant qu'espèce.
01:13
WelcomeBienvenue to the AugmentedAugmentée AgeAge.
16
61296
2680
Bienvenus dans l'âge augmenté.
01:16
In this newNouveau eraère, your naturalNaturel humanHumain
capabilitiescapacités are going to be augmentedaugmenté
17
64000
3693
Dans cette nouvelle ère, vos capacités
humaines naturelles seront augmentées
01:19
by computationalcalcul systemssystèmes
that help you think,
18
67717
3068
par des systèmes informatiques
qui vous aideront à penser,
01:22
roboticrobotique systemssystèmes that help you make,
19
70809
2186
des systèmes robotiques qui aideront
à construire,
01:25
and a digitalnumérique nervousnerveux systemsystème
20
73019
1648
et un système nerveux central
01:26
that connectsse connecte you to the worldmonde
farloin beyondau-delà your naturalNaturel sensessens.
21
74691
3690
qui vous reliera à un monde qui excède
celui de vos sens naturels.
01:31
Let's startdébut with cognitivecognitif augmentationaugmentation.
22
79437
1942
Commençons par l'augmentation cognitive.
01:33
How manybeaucoup of you are augmentedaugmenté cyborgscyborgs?
23
81403
2200
Combien d'entre vous
sont des cyborgs augmentés ?
01:36
(LaughterRires)
24
84133
2650
(Rires)
01:38
I would actuallyréellement arguese disputer
that we're alreadydéjà augmentedaugmenté.
25
86807
2821
Je soutiendrais en fait que
nous sommes déjà augmentés.
01:42
ImagineImaginez you're at a partyfête,
26
90288
1504
Disons que vous êtes à une fête
01:43
and somebodyquelqu'un asksdemande you a questionquestion
that you don't know the answerrépondre to.
27
91816
3520
et qu'on vous pose une question
à laquelle vous ne pouvez pas répondre.
01:47
If you have one of these,
in a fewpeu secondssecondes, you can know the answerrépondre.
28
95360
3760
Si vous avez ça, en quelques secondes,
vous avez la réponse.
01:51
But this is just a primitiveprimitif beginningdébut.
29
99869
2299
Mais c'est là un balbutiement primitif.
01:54
Even SiriSiri is just a passivepassif tooloutil.
30
102863
3331
Même Siri n'est qu'un outil passif.
01:58
In factfait, for the last
three-and-a-halftrois-et-un-moitié millionmillion yearsannées,
31
106660
3381
En vérité, pendant trois millions
et demi d'années,
02:02
the toolsoutils that we'venous avons had
have been completelycomplètement passivepassif.
32
110065
3109
nos outils ont été complètement passifs.
02:06
They do exactlyexactement what we tell them
and nothing more.
33
114203
3655
Ils se contentent de faire ce qu'on leur
dit de faire et rien de plus.
02:09
Our very first tooloutil only cutCouper
where we struckfrappé it.
34
117882
3101
Notre premier outil ne faisait que
couper là où on frappait.
02:13
The chiselciseau only carvesCarves
where the artistartiste pointspoints it.
35
121822
3040
Le ciseau ne sculpte que
là où l'artiste l'applique.
02:17
And even our mostles plus advancedAvancée toolsoutils
do nothing withoutsans pour autant our explicitexplicite directiondirection.
36
125343
5641
Et même nos outils les plus avancés
ne font rien sans instructions explicites.
02:23
In factfait, to daterendez-vous amoureux, and this
is something that frustratesfrustre me,
37
131008
3181
En fait, jusqu'à maintenant,
et ça m'énerve vraiment,
02:26
we'venous avons always been limitedlimité
38
134213
1448
nous avons toujours été limités
02:27
by this need to manuallymanuellement
pushpousser our willsles testaments into our toolsoutils --
39
135685
3501
par ce besoin de mettre nos désirs
dans nos outils à la main,
02:31
like, manualManuel,
literallyLittéralement usingen utilisant our handsmains,
40
139210
2297
je veux dire, manuellement,
en utilisant nos mains,
02:33
even with computersdes ordinateurs.
41
141531
1428
même avec les ordinateurs.
02:36
But I'm more like ScottyScotty in "StarStar TrekTrek."
42
144072
2463
Je suis plus comme Scotty
dans « Star Trek ».
02:38
(LaughterRires)
43
146559
1850
(Rires)
02:40
I want to have a conversationconversation
with a computerordinateur.
44
148433
2146
Je veux pouvoir parler avec un ordinateur.
02:42
I want to say, "ComputerOrdinateur,
let's designconception a carvoiture,"
45
150603
2970
Je veux dire « Ordinateur, concevons
une voiture »
02:45
and the computerordinateur showsmontre me a carvoiture.
46
153597
1539
et il me montrerait une voiture.
02:47
And I say, "No, more fast-lookingrecherche rapide,
and lessMoins GermanAllemand,"
47
155160
2608
Et je dirais : « D'allure plus rapide
et moins allemande »
02:49
and bangcoup, the computerordinateur showsmontre me an optionoption.
48
157792
2163
et l'ordinateur me montre
un choix possible.
02:51
(LaughterRires)
49
159979
1865
(Rires)
02:54
That conversationconversation mightpourrait be
a little waysfaçons off,
50
162208
2306
Cette conversation n'est pas
pour maintenant
02:56
probablyProbablement lessMoins than manybeaucoup of us think,
51
164538
2665
et sans doute pour plus tôt
qu'on ne croit,
02:59
but right now,
52
167227
1763
mais c'est maintenant
03:01
we're workingtravail on it.
53
169014
1151
que nous y travaillons.
03:02
ToolsOutils are makingfabrication this leapsaut
from beingétant passivepassif to beingétant generativegénératif.
54
170189
4033
Les outils sont en train de passer
de la passivité à la capacité de création.
03:06
GenerativeGénérative designconception toolsoutils
use a computerordinateur and algorithmsalgorithmes
55
174831
3308
Les outils de conception générative
utilisent ordinateur et algorithmes
03:10
to synthesizesynthétiser geometrygéométrie
56
178163
2608
pour synthétiser la géométrie
03:12
to come up with newNouveau designsconceptions
all by themselvesse.
57
180795
2754
et inventer de nouvelles conceptions
tout seuls.
03:15
All it needsBesoins are your goalsbuts
and your constraintscontraintes.
58
183996
2748
Il leur faut seulement
vos buts et vos restrictions.
03:18
I'll give you an exampleExemple.
59
186768
1408
Je vous donne un exemple.
03:20
In the caseCas of this aerialAerial dronedrone chassischâssis,
60
188200
2788
Pour le châssis de ce drone,
03:23
all you would need to do
is tell it something like,
61
191012
2626
tout ce que vous devez faire
c'est lui dire, en gros,
03:25
it has fourquatre propellershélices,
62
193662
1273
il faut quatre hélices,
03:26
you want it to be
as lightweightpoids léger as possiblepossible,
63
194959
2131
et qu'il soit le plus léger possible,
03:29
and you need it to be
aerodynamicallyaérodynamique efficientefficace.
64
197114
2270
et qu'il soit aérodynamique.
03:31
Then what the computerordinateur does
is it exploresexplore the entiretout solutionSolution spaceespace:
65
199408
4914
Ensuite, l'ordinateur examine
toutes les possibilités :
03:36
everychaque singleunique possibilitypossibilité that solvesrésout
and meetsrencontre your criteriaCritères --
66
204346
3927
chaque possibilité qui répond
à vos critères
03:40
millionsdes millions of them.
67
208297
1442
et il y en a des millions.
03:41
It takes biggros computersdes ordinateurs to do this.
68
209763
1975
L'ordinateur doit être énorme pour ça.
03:43
But it comesvient back to us with designsconceptions
69
211762
1955
Mais il nous présente des conceptions
03:45
that we, by ourselvesnous-mêmes,
never could'veaurait pu imaginedimaginé.
70
213741
3143
que nous n'aurions jamais pu imaginer
sans lui.
03:49
And the computer'sde l’ordinateur comingvenir up
with this stuffdes trucs all by itselfse --
71
217326
2912
Et l'ordinateur trouve tout ça tout seul.
03:52
no one ever drewa dessiné anything,
72
220262
1678
Personne n'a rien dessiné,
03:53
and it startedcommencé completelycomplètement from scratchrayure.
73
221964
2086
et il a fait tout ça à partir de rien.
03:57
And by the way, it's no accidentaccident
74
225038
2387
Au fait, ce n'est pas un hasard
03:59
that the dronedrone bodycorps looksregards just like
the pelvisbassin of a flyingen volant squirrelécureuil.
75
227449
3481
si le drone ressemble au pelvis
d'un écureuil volant.
04:03
(LaughterRires)
76
231287
2007
(Rires)
04:06
It's because the algorithmsalgorithmes
are designedconçu to work
77
234040
2302
C'est que les algorithmes sont conçus
pour se comporter comme l'évolution.
04:08
the sameMême way evolutionévolution does.
78
236366
1637
04:10
What's excitingpassionnant is we're startingdépart
to see this technologyLa technologie
79
238715
2660
Et c'est génial qu'on commence à voir
cette technologie
04:13
out in the realréal worldmonde.
80
241399
1159
dans la vraie vie.
04:14
We'veNous avons been workingtravail with AirbusAirbus
for a couplecouple of yearsannées
81
242582
2452
Cela fait deux ans
qu'on travaille avec Airbus
04:17
on this conceptconcept planeavion for the futureavenir.
82
245058
1909
sur cette idée d'avion du futur.
04:18
It's a waysfaçons out still.
83
246991
2070
Il faudra encore du temps.
04:21
But just recentlyrécemment we used
a generative-designconception générative AIAI
84
249085
3780
Mais récemment nous avons utilisé
un robot de conception générative
04:24
to come up with this.
85
252889
1807
pour créer ceci.
04:27
This is a 3D-printedD-imprimé cabincabine partitionpartition
that's been designedconçu by a computerordinateur.
86
255609
5153
Cette cloison pour cabine imprimée en 3D
a été conçue par un ordinateur.
04:32
It's strongerplus forte than the originaloriginal
yetencore halfmoitié the weightpoids,
87
260786
2824
Elle est plus solide que la cloison
initiale et pèse moitié moins.
04:35
and it will be flyingen volant
in the AirbusAirbus A320 laterplus tard this yearan.
88
263634
3146
Elle sera utilisée en vol dans
l'Airbus A320 cette année.
04:39
So computersdes ordinateurs can now generateGénérer;
89
267405
1559
Les ordinateurs peuvent créer.
04:40
they can come up with theirleur ownposséder solutionssolutions
to our well-definedbien défini problemsproblèmes.
90
268988
4595
Ils peuvent apporter des solutions
à nos problèmes bien définis.
04:46
But they're not intuitiveintuitif.
91
274677
1310
Mais ils ne sont pas intuitifs.
04:48
They still have to startdébut from scratchrayure
everychaque singleunique time,
92
276011
3086
Ils doivent recommencer du début
à chaque fois
04:51
and that's because they never learnapprendre.
93
279121
2565
parce qu'ils n'apprennent jamais.
04:54
UnlikeÀ la différence MaggieMaggie.
94
282368
1766
Pas comme Maggie.
04:56
(LaughterRires)
95
284158
1581
(Rires)
04:57
Maggie'sMaggie actuallyréellement smarterplus intelligent
than our mostles plus advancedAvancée designconception toolsoutils.
96
285763
3297
Elle est plus intelligente que nos outils
de conception les plus avancés.
05:01
What do I mean by that?
97
289467
1440
C'est-à-dire ?
05:02
If her ownerpropriétaire pickspics up that leashlaisse,
98
290931
1590
Quand son maître prend sa laisse,
05:04
MaggieMaggie knowssait with a fairjuste
degreedegré of certaintycertitude
99
292545
2068
Maggie estime assez justement
05:06
it's time to go for a walkmarche.
100
294637
1404
qu'elle va en promenade.
05:08
And how did she learnapprendre?
101
296065
1185
Comment a-t-elle appris ?
05:09
Well, everychaque time the ownerpropriétaire pickedchoisi up
the leashlaisse, they wentest allé for a walkmarche.
102
297274
3324
Chaque fois qu'il a pris sa laisse,
la promenade a suivi.
05:12
And MaggieMaggie did threeTrois things:
103
300622
1878
Et Maggie a fait trois choses :
05:14
she had to payPayer attentionattention,
104
302524
1869
elle a fait attention,
05:16
she had to rememberrappelles toi what happenedarrivé
105
304417
2082
elle s'est rappelée ce qui s'est passé
05:18
and she had to retainconserver and createcréer
a patternmodèle in her mindesprit.
106
306523
4017
et elle a retenu cette succession
d'événements.
05:23
InterestinglyIl est intéressant, that's exactlyexactement what
107
311429
2095
Tiens, tiens, c'est exactement ce que
05:25
computerordinateur scientistsscientifiques
have been tryingen essayant to get AIsSIA to do
108
313548
2523
les spécialistes tentent d'inculquer
aux robots intelligents
05:28
for the last 60 or so yearsannées.
109
316095
1859
depuis 60 ans.
05:30
Back in 1952,
110
318683
1349
En 1952,
05:32
they builtconstruit this computerordinateur
that could playjouer Tic-Tac-ToeTIC-TAC-TOE.
111
320056
3801
ils ont construit cet ordinateur
qui pouvait jouer au morpion.
05:37
BigGros dealtraiter.
112
325081
1160
Super.
05:39
Then 45 yearsannées laterplus tard, in 1997,
113
327029
3000
Et puis en 1997, 45 ans plus tard,
05:42
DeepProfond BlueBleu beatsBeats KasparovKasparov at chesséchecs.
114
330053
2472
Deep Blue a battu Kasparov aux échecs.
05:46
2011, WatsonWatson beatsBeats these two
humanshumains at JeopardyJeopardy,
115
334046
4968
En 2011, Watson a battu deux humains
à Jeopardy,
05:51
whichlequel is much harderPlus fort for a computerordinateur
to playjouer than chesséchecs is.
116
339038
2928
ce qui est bien plus dur que les échecs
pour un ordinateur.
05:53
In factfait, ratherplutôt than workingtravail
from predefinedprédéfinis recipesrecettes,
117
341990
3812
Plutôt que d'utiliser des recettes
prédéfinies,
05:57
WatsonWatson had to use reasoningraisonnement
to overcomesurmonter his humanHumain opponentsadversaires.
118
345826
3323
Watson a dû réfléchir rationnellement
pour gagner.
06:02
And then a couplecouple of weekssemaines agodepuis,
119
350393
2439
Et il y a deux semaines,
06:04
DeepMind'sDe DeepMind AlphaGoAlphaGo beatsBeats
the world'smonde bestmeilleur humanHumain at Go,
120
352856
4262
AlphaGo de DeepMind a battu
les meilleurs joueurs de go humains
06:09
whichlequel is the mostles plus difficultdifficile
gameJeu that we have.
121
357142
2212
et le go est le jeu le plus difficile.
06:11
In factfait, in Go, there are more
possiblepossible movesse déplace
122
359378
2896
Il y a plus de mouvements possibles
au jeu de go
06:14
than there are atomsatomes in the universeunivers.
123
362298
2024
que d'atomes dans l'univers.
06:18
So in ordercommande to wingagner,
124
366210
1826
Donc pour gagner,
06:20
what AlphaGoAlphaGo had to do
was developdévelopper intuitionintuition.
125
368060
2618
AlphaGo a dû développer son intuition.
06:23
And in factfait, at some pointspoints,
AlphaGo'sDe AlphaGo programmersprogrammeurs didn't understandcomprendre
126
371098
4110
Et en fait, à certains moments,
ses programmeurs n'ont pas compris
06:27
why AlphaGoAlphaGo was doing what it was doing.
127
375232
2286
les raisons derrière ses choix.
06:31
And things are movingen mouvement really fastvite.
128
379451
1660
Et tout va très vite.
06:33
I mean, considerconsidérer --
in the spaceespace of a humanHumain lifetimedurée de vie,
129
381135
3227
Pensez donc... au cours d'une vie humaine,
06:36
computersdes ordinateurs have gonedisparu from a child'sde l’enfant gameJeu
130
384386
2233
les ordinateurs, des jeux pour enfants,
06:39
to what's recognizedreconnu as the pinnaclesommet
of strategicstratégique thought.
131
387920
3048
sont passés à la pointe
de la réflexion stratégique.
06:43
What's basicallyen gros happeningévénement
132
391999
2417
Ce qui se produit en gros,
06:46
is computersdes ordinateurs are going
from beingétant like SpockSpock
133
394440
3310
c'est que les ordinateurs,
qui étaient comme Spock,
06:49
to beingétant a lot more like KirkKirk.
134
397774
1949
deviennent Kirk.
06:51
(LaughterRires)
135
399747
3618
(Rires)
06:55
Right? From purepur logiclogique to intuitionintuition.
136
403389
3424
Pas vrai ? De la logique pure
à l'intuition.
07:00
Would you crosstraverser this bridgepont?
137
408184
1743
Ça vous dirait de traverser ce pont ?
07:02
MostPlupart of you are sayingen disant, "Oh, hellenfer no!"
138
410609
2323
Vous avez l'air de dire
« Ça va pas, non ? »
07:04
(LaughterRires)
139
412956
1308
(Rires)
07:06
And you arrivedarrivée at that decisiondécision
in a splitDivisé secondseconde.
140
414288
2657
Et vous avez décidé ça en
une fraction de seconde.
07:08
You just sortTrier of knewa connu
that bridgepont was unsafenon sécurisé.
141
416969
2428
Vous saviez que le pont était dangereux.
07:11
And that's exactlyexactement the kindgentil of intuitionintuition
142
419421
1989
Et c'est exactement ce genre d'intuition
07:13
that our deep-learningDeep-apprentissage systemssystèmes
are startingdépart to developdévelopper right now.
143
421434
3568
que nos systèmes d'apprentissage avancé
développent en ce moment.
07:17
Very soonbientôt, you'lltu vas literallyLittéralement be ablecapable
144
425722
1707
Bientôt, vous pourrez
07:19
to showmontrer something you've madefabriqué,
you've designedconçu,
145
427453
2206
montrer quelque chose que vous avez conçu
07:21
to a computerordinateur,
146
429683
1153
à un ordinateur,
07:22
and it will look at it and say,
147
430860
1489
et il le regardera et dira :
07:24
"Sorry, homiehomie, that'llça va never work.
You have to try again."
148
432373
2823
« Désolé, mon pote, ça ne marchera jamais.
Essaie encore. »
07:27
Or you could askdemander it if people
are going to like your nextprochain songchant,
149
435854
3070
Ou vous pourrez lui demander si le
public aimera votre prochaine chanson
07:31
or your nextprochain flavorsaveur of icela glace creamcrème.
150
439773
2063
ou votre nouveau parfum de glace.
07:35
Or, much more importantlyimportant,
151
443549
2579
Ou, plus crucial encore,
07:38
you could work with a computerordinateur
to solverésoudre a problemproblème
152
446152
2364
on peut travailler ensemble
à résoudre un problème
07:40
that we'venous avons never facedface à before.
153
448540
1637
encore jamais abordé.
07:42
For instanceexemple, climateclimat changechangement.
154
450201
1401
Comme le changement climatique.
07:43
We're not doing a very
good jobemploi on our ownposséder,
155
451626
2020
Nous ne sommes pas très efficaces seuls
07:45
we could certainlycertainement use
all the help we can get.
156
453670
2245
et nous allons avoir besoin d'aide.
07:47
That's what I'm talkingparlant about,
157
455939
1458
C'est ce que je veux dire,
07:49
technologyLa technologie amplifyingamplifier
our cognitivecognitif abilitiescapacités
158
457421
2555
la technologie amplifie
nos capacités cognitives
07:52
so we can imagineimaginer and designconception things
that were simplysimplement out of our reachatteindre
159
460000
3552
de sorte que nous pouvons imaginer
et concevoir des choses impossibles
07:55
as plainplaine oldvieux un-augmentednon augmentée humanshumains.
160
463576
2559
avec nos capacités d'humains
non augmentés.
07:59
So what about makingfabrication
all of this crazyfou newNouveau stuffdes trucs
161
467984
2941
Et que dire de la production
de ces produits fous
08:02
that we're going to inventinventer and designconception?
162
470949
2441
que nous allons inventer et concevoir ?
08:05
I think the eraère of humanHumain augmentationaugmentation
is as much about the physicalphysique worldmonde
163
473952
4093
Je pense que l'ère de l'humain augmenté
concerne tout autant le monde physique
08:10
as it is about the virtualvirtuel,
intellectualintellectuel realmdomaine.
164
478069
3065
que le monde virtuel et intellectuel.
08:13
How will technologyLa technologie augmentaugmenter us?
165
481833
1921
Comment la technologie va-t-elle
nous augmenter ?
08:16
In the physicalphysique worldmonde, roboticrobotique systemssystèmes.
166
484261
2473
Dans le monde physique,
par les systèmes robotiques.
08:19
OK, there's certainlycertainement a fearpeur
167
487620
1736
Bon, il y a cette peur
08:21
that robotsdes robots are going to take
jobsemplois away from humanshumains,
168
489380
2488
des robots qui prendraient les jobs
des humains
08:23
and that is truevrai in certaincertain sectorssecteurs.
169
491892
1830
et c'est le cas dans certains secteurs.
08:26
But I'm much more interestedintéressé in this ideaidée
170
494174
2878
Mais ce qui m'intéresse plus, c'est l'idée
08:29
that humanshumains and robotsdes robots workingtravail togetherensemble
are going to augmentaugmenter eachchaque other,
171
497076
5010
que robots et humains travaillant ensemble
vont s'augmenter les uns les autres
08:34
and startdébut to inhabithabiter a newNouveau spaceespace.
172
502110
2058
et occuper un nouvel espace.
08:36
This is our appliedappliqué researchrecherche lablaboratoire
in SanSan FranciscoFrancisco,
173
504192
2362
Voici notre labo de recherche appliquée
à San Francisco
08:38
where one of our areaszones of focusconcentrer
is advancedAvancée roboticsrobotique,
174
506578
3142
où l'un de nos domaines de recherche
est la robotique avancée
08:41
specificallyPlus précisément, human-robothomme-robot collaborationcollaboration.
175
509744
2511
et plus précisément la collaboration
humain/robot.
08:45
And this is BishopÉvêque, one of our robotsdes robots.
176
513034
2759
Et voici Bishop, l'un de nos robots.
08:47
As an experimentexpérience, we setensemble it up
177
515817
1789
Dans une expérience, il devait
08:49
to help a personla personne workingtravail in constructionconstruction
doing repetitiverépétitif tasksles tâches --
178
517630
3460
aider une personne à faire des tâches
de construction répétitives
08:53
tasksles tâches like cuttingCoupe out holesdes trous for outletspoints de vente
or lightlumière switchesinterrupteurs in drywallcloison sèche.
179
521984
4194
comme faire des trous pour des prises
dans des plaques de plâtre.
08:58
(LaughterRires)
180
526202
2466
(Rires)
09:01
So, Bishop'sBishop humanHumain partnerpartenaire
can tell what to do in plainplaine EnglishAnglais
181
529877
3111
Son partenaire humain peut lui dire quoi
faire dans un anglais simple
09:05
and with simplesimple gesturesgestes,
182
533012
1305
avec des gestes simples,
09:06
kindgentil of like talkingparlant to a dogchien,
183
534341
1447
comme s'il parlait à un chien.
09:07
and then BishopÉvêque executesexécute
on those instructionsinstructions
184
535812
2143
Et puis Bishop suit les instructions
09:09
with perfectparfait precisionprécision.
185
537979
1892
avec une précision parfaite.
09:11
We're usingen utilisant the humanHumain
for what the humanHumain is good at:
186
539895
2989
On utilise chez l'humain
ce qu'il a d'efficace :
vigilance, perception et
prise de décision.
09:14
awarenessconscience, perceptionla perception and decisiondécision makingfabrication.
187
542908
2333
09:17
And we're usingen utilisant the robotrobot
for what it's good at:
188
545265
2240
Et chez le robot,
ce qu'il maîtrise mieux :
09:19
precisionprécision and repetitivenessrépétitivité.
189
547529
1748
la précision et la répétition.
09:22
Here'sVoici anotherun autre coolcool projectprojet
that BishopÉvêque workedtravaillé on.
190
550252
2367
Voici un autre projet sympa avec Bishop.
09:24
The goalobjectif of this projectprojet,
whichlequel we calledappelé the HIVELA RUCHE,
191
552643
3075
Le but du projet, qu'on a appelé le HIVE,
09:27
was to prototypeprototype the experienceexpérience
of humanshumains, computersdes ordinateurs and robotsdes robots
192
555742
3851
était de voir ce qui se passe
quand humains, ordinateurs et robots
09:31
all workingtravail togetherensemble to solverésoudre
a highlytrès complexcomplexe designconception problemproblème.
193
559617
3220
travaillent ensemble à résoudre un
problème de conception complexe.
09:35
The humanshumains actedagi as laborla main d'oeuvre.
194
563793
1451
Les humains étaient la main d'œuvre
09:37
They cruisednavigué around the constructionconstruction sitesite,
they manipulatedmanipulé the bamboobambou --
195
565268
3473
sur le site de construction,
manipulaient le bambou,
09:40
whichlequel, by the way,
because it's a non-isomorphicnon-isomorphe materialMatériel,
196
568765
2756
le bambou qui est d'ailleurs,
étant non isomorphe,
09:43
is supersuper harddifficile for robotsdes robots to dealtraiter with.
197
571545
1874
très compliqué pour les robots.
09:45
But then the robotsdes robots
did this fiberfibre windingbobinage,
198
573443
2022
Les robots ont fait
cet enroulement de fibres
09:47
whichlequel was almostpresque impossibleimpossible
for a humanHumain to do.
199
575489
2451
presqu'impossible à faire pour un humain.
09:49
And then we had an AIAI
that was controllingcontrôler everything.
200
577964
3621
Et une machine d'intelligence artificielle
contrôlait le tout.
09:53
It was tellingrécit the humanshumains what to do,
tellingrécit the robotsdes robots what to do
201
581609
3290
Elle disait aux humains quoi faire,
et aux robots,
09:56
and keepingen gardant trackPiste of thousandsmilliers
of individualindividuel componentsComposants.
202
584923
2915
et surveillait des milliers de
composants individuels.
09:59
What's interestingintéressant is,
203
587862
1180
Et surtout,
10:01
buildingbâtiment this pavilionpavillon
was simplysimplement not possiblepossible
204
589066
3141
construire ce pavillon était impossible
10:04
withoutsans pour autant humanHumain, robotrobot and AIAI
augmentingaugmenter eachchaque other.
205
592231
4524
sans qu'humains, robots et machines
intelligentes ne s'augmentent.
10:09
OK, I'll sharepartager one more projectprojet.
This one'sson a little bitbit crazyfou.
206
597890
3320
Bon, je vais parler d'un autre projet.
Celui-là est un peu fou.
10:13
We're workingtravail with Amsterdam-basedBasée à Amsterdam artistartiste
JorisJoris LaarmanLaarman and his teaméquipe at MXMX3D
207
601234
4468
Nous travaillons avec Joris Laarman,
artiste d'Amsterdam, et son équipe à MX3D
10:17
to generativelyuse designconception
and roboticallyrobot printimpression
208
605726
2878
pour concevoir de manière générative
et imprimer avec la robotique
10:20
the world'smonde first autonomouslyde manière autonome
manufacturedfabriqués bridgepont.
209
608628
2995
le premier pont construit
de façon autonome.
10:24
So, JorisJoris and an AIAI are designingconception
this thing right now, as we speakparler,
210
612315
3685
Joris et une intelligence artificielle
le conçoivent en ce moment
10:28
in AmsterdamAmsterdam.
211
616024
1172
à Amsterdam.
10:29
And when they're doneterminé,
we're going to hitfrappé "Go,"
212
617220
2321
Quand ils auront fini, on appuiera
sur « lancement »
10:31
and robotsdes robots will startdébut 3D printingimpression
in stainlessen acier inoxydable steelacier,
213
619565
3311
et les robots se mettront à imprimer
en 3D et en inox.
10:34
and then they're going to keep printingimpression,
withoutsans pour autant humanHumain interventionintervention,
214
622900
3283
Et ils imprimeront toujours et encore
sans intervention humaine
10:38
untiljusqu'à the bridgepont is finishedfini.
215
626207
1558
jusqu'à ce que le pont soit construit.
10:41
So, as computersdes ordinateurs are going
to augmentaugmenter our abilitycapacité
216
629099
2928
Les ordinateurs vont augmenter
notre capacité
10:44
to imagineimaginer and designconception newNouveau stuffdes trucs,
217
632051
2150
à imaginer et concevoir des nouveautés,
10:46
roboticrobotique systemssystèmes are going to help us
buildconstruire and make things
218
634225
2895
et les systèmes robotiques vont nous aider
à fabriquer des choses
10:49
that we'venous avons never been ablecapable to make before.
219
637144
2084
que nous n'avons jamais pu fabriquer.
10:52
But what about our abilitycapacité
to sensesens and controlcontrôle these things?
220
640347
4160
Qu'en est-il de notre capacité à percevoir
et contrôler tout ça ?
10:56
What about a nervousnerveux systemsystème
for the things that we make?
221
644531
4031
Et si les choses que nous fabriquons
avaient un système nerveux central ?
11:00
Our nervousnerveux systemsystème,
the humanHumain nervousnerveux systemsystème,
222
648586
2512
Notre système nerveux d'humains
11:03
tellsraconte us everything
that's going on around us.
223
651122
2311
nous dit tout ce qu'il se passe
autour de nous.
11:06
But the nervousnerveux systemsystème of the things
we make is rudimentaryrudimentaire at bestmeilleur.
224
654186
3684
Mais le système nerveux des choses
que nous fabriquons est rudimentaire.
11:09
For instanceexemple, a carvoiture doesn't tell
the city'sla ville publicpublic workstravaux departmentdépartement
225
657894
3563
Par exemple, une voiture ne dit pas
au service municipal des voiries
11:13
that it just hitfrappé a potholenid de poule at the cornercoin
of BroadwayBroadway and MorrisonMorrison.
226
661481
3130
qu'elle a roulé sur un nid-de-poule.
11:16
A buildingbâtiment doesn't tell its designersconcepteurs
227
664635
2032
Un bâtiment ne dit pas à ses concepteurs
11:18
whetherqu'il s'agisse or not the people insideà l'intérieur
like beingétant there,
228
666691
2684
si les gens à l'intérieur aiment y être
11:21
and the toyjouet manufacturerfabricant doesn't know
229
669399
3010
et le fabricant de jouets ne sait pas
11:24
if a toyjouet is actuallyréellement beingétant playedjoué with --
230
672433
2007
si on joue vraiment avec ce jouet,
11:26
how and where and whetherqu'il s'agisse
or not it's any funamusement.
231
674464
2539
ni comment ni où et si c'est sympa.
11:29
Look, I'm sure that the designersconcepteurs
imaginedimaginé this lifestylemode de vie for BarbieBarbie
232
677620
3814
Je suis sûr que ses concepteurs
avaient ça en tête pour Barbie
11:33
when they designedconçu her.
233
681458
1224
quand ils l'ont conçue.
11:34
(LaughterRires)
234
682706
1447
(Rires)
11:36
But what if it turnsse tourne out that Barbie'sDe Barbie
actuallyréellement really lonelysolitaire?
235
684177
2906
Et si Barbie était en fait très seule ?
11:39
(LaughterRires)
236
687107
3147
(Rires)
11:43
If the designersconcepteurs had knownconnu
237
691266
1288
Si les concepteurs savaient
11:44
what was really happeningévénement
in the realréal worldmonde
238
692578
2107
ce qu'il se passe vraiment dans la vie
11:46
with theirleur designsconceptions -- the roadroute,
the buildingbâtiment, BarbieBarbie --
239
694709
2583
pour leurs créations (la route,
le bâtiment, Barbie),
11:49
they could'veaurait pu used that knowledgeconnaissance
to createcréer an experienceexpérience
240
697316
2694
ils pourraient utiliser ce savoir
et créer une expérience
11:52
that was better for the userutilisateur.
241
700034
1400
optimale pour l'utilisateur.
11:53
What's missingmanquant is a nervousnerveux systemsystème
242
701458
1791
Il manque un système nerveux central
11:55
connectingde liaison us to all of the things
that we designconception, make and use.
243
703273
3709
qui nous connecte à tout ce que
l'on conçoit, fabrique et utilise.
11:59
What if all of you had that kindgentil
of informationinformation flowingécoulement to you
244
707915
3555
Et si nous avions tous ce genre
d'informations provenant
12:03
from the things you createcréer
in the realréal worldmonde?
245
711494
2183
des choses que nous créons dans la vie ?
12:07
With all of the stuffdes trucs we make,
246
715432
1451
Pour vendre ce qu'on fabrique,
12:08
we spenddépenser a tremendousénorme amountmontant
of moneyargent and energyénergie --
247
716907
2435
nous dépensons des montagnes
d'argent et d'énergie
12:11
in factfait, last yearan,
about two trillionbillion dollarsdollars --
248
719366
2376
(deux mille milliards
de dollars l'an passé)
12:13
convincingconvaincant people to buyacheter
the things we'venous avons madefabriqué.
249
721766
2854
à convaincre les gens
d'acheter nos produits.
12:16
But if you had this connectionconnexion
to the things that you designconception and createcréer
250
724644
3388
Si on avait cette connexion avec
les choses qu'on invente
12:20
after they're out in the realréal worldmonde,
251
728056
1727
une fois qu'ils sont dans le monde,
12:21
after they'veils ont been soldvendu
or launchedlancé or whateverpeu importe,
252
729807
3614
après leur achat ou leur mise en vente,
12:25
we could actuallyréellement changechangement that,
253
733445
1620
nous pourrions changer ça
12:27
and go from makingfabrication people want our stuffdes trucs,
254
735089
3047
et au lieu de convaincre les gens
d'acheter nos produits,
12:30
to just makingfabrication stuffdes trucs that people
want in the first placeendroit.
255
738160
3434
nous produirions ce que les gens veulent.
12:33
The good newsnouvelles is, we're workingtravail
on digitalnumérique nervousnerveux systemssystèmes
256
741618
2787
Bonne nouvelle : nous travaillons
sur des systèmes nerveux digitaux
12:36
that connectrelier us to the things we designconception.
257
744429
2801
qui nous connectent à nos créations.
12:40
We're workingtravail on one projectprojet
258
748365
1627
Nous travaillons sur un projet
12:42
with a couplecouple of guys down in LosLos AngelesAngeles
calledappelé the BanditoBandito BrothersFrères
259
750016
3712
avec des gens de Los Angeles,
les Bandito Brothers,
12:45
and theirleur teaméquipe.
260
753752
1407
et leur équipe.
12:47
And one of the things these guys do
is buildconstruire insaneinsensé carsdes voitures
261
755183
3433
Ils construisent notamment
des voitures de fou
12:50
that do absolutelyabsolument insaneinsensé things.
262
758640
2873
qu font des trucs de fou.
12:54
These guys are crazyfou --
263
762905
1450
Ces mecs sont fous
12:56
(LaughterRires)
264
764379
1036
(Rires)
12:57
in the bestmeilleur way.
265
765439
1403
dans le bon sens du terme.
13:00
And what we're doing with them
266
768993
1763
Voilà ce qu'on fait avec eux :
13:02
is takingprise a traditionaltraditionnel race-carvoiture de course chassischâssis
267
770780
2440
on donne au châssis d'une voiture
de course classique
13:05
and givingdonnant it a nervousnerveux systemsystème.
268
773244
1585
un système nerveux.
13:06
So we instrumentedinstrumenté it
with dozensdouzaines of sensorscapteurs,
269
774853
3058
On l'a appareillé avec des dizaines
de capteurs,
13:09
put a world-classclasse mondiale driverchauffeur behindderrière the wheelroue,
270
777935
2635
on a mis un pilote d'élite au volant,
13:12
tooka pris it out to the desertdésert
and drovea conduit the hellenfer out of it for a weekla semaine.
271
780594
3357
et on l'a conduite à fond dans le désert
pendant une semaine.
13:15
And the car'sdes voitures nervousnerveux systemsystème
capturedcapturé everything
272
783975
2491
Et son système nerveux a tout retenu
13:18
that was happeningévénement to the carvoiture.
273
786490
1482
de ce qui arrivait.
13:19
We capturedcapturé fourquatre billionmilliard dataLes données pointspoints;
274
787996
2621
On a capturé quatre milliards de données
13:22
all of the forcesles forces
that it was subjectedsoumis to.
275
790641
2310
sur les forces auxquelles
elle était soumise.
13:24
And then we did something crazyfou.
276
792975
1659
Et puis on a fait un truc fou.
13:27
We tooka pris all of that dataLes données,
277
795268
1500
On a mis toutes ces données
13:28
and pluggedbranché it into a generative-designconception générative AIAI
we call "DreamcatcherDreamcatcher."
278
796792
3736
dans une intelligence artificielle de
conception générative, Dreamcatcher.
13:33
So what do get when you give
a designconception tooloutil a nervousnerveux systemsystème,
279
801270
3964
Qu'obtient-on quand on donne à un outil
de conception un système nerveux
13:37
and you askdemander it to buildconstruire you
the ultimateultime carvoiture chassischâssis?
280
805258
2882
et qu'on lui dit de construire
le châssis de voiture ultime ?
13:40
You get this.
281
808723
1973
Ça.
13:44
This is something that a humanHumain
could never have designedconçu.
282
812293
3713
Voilà quelque chose qu'un humain
n'aurait jamais pu concevoir.
13:48
ExceptSauf a humanHumain did designconception this,
283
816707
1888
Mais un humain l'a pourtant conçu,
13:50
but it was a humanHumain that was augmentedaugmenté
by a generative-designconception générative AIAI,
284
818619
4309
un humain augmenté par une intelligence
artificielle de conception générative,
13:54
a digitalnumérique nervousnerveux systemsystème
285
822952
1231
un système nerveux digital
13:56
and robotsdes robots that can actuallyréellement
fabricatefabriquer something like this.
286
824207
3005
et des robots qui peuvent construire ça.
13:59
So if this is the futureavenir,
the AugmentedAugmentée AgeAge,
287
827680
3595
Si l'avenir est là, dans l'âge augmenté,
14:03
and we're going to be augmentedaugmenté
cognitivelycognitivement, physicallyphysiquement and perceptuallyperceptuellement,
288
831299
4261
et que nos capacités cognitives, physiques
et perceptives sont augmentées,
14:07
what will that look like?
289
835584
1408
à quoi cela ressemblera ?
14:09
What is this wonderlandpays des merveilles going to be like?
290
837576
3321
Comment sera cet âge d'or ?
14:12
I think we're going to see a worldmonde
291
840921
1709
Je pense que notre monde
14:14
where we're movingen mouvement
from things that are fabricatedfabriqué
292
842654
3068
va passer des choses qu'on fabrique
14:17
to things that are farmedd’élevage.
293
845746
1445
aux choses qu'on cultive.
14:20
Where we're movingen mouvement from things
that are constructedconstruit
294
848159
3453
On passera des choses qu'on construit
14:23
to that whichlequel is growncultivé.
295
851636
1704
à celles qu'on fait pousser.
14:26
We're going to movebouge toi from beingétant isolatedisolé
296
854134
2188
On passera de l'isolement
14:28
to beingétant connectedconnecté.
297
856346
1610
à la connexion.
14:30
And we'llbien movebouge toi away from extractionextraction
298
858634
2411
Et on abandonnera l'extraction
14:33
to embraceembrasse aggregationagrégation.
299
861069
1873
au bénéfice de l'agrégation.
14:35
I alsoaussi think we'llbien shiftdécalage
from cravingenvie obedienceobéissance from our things
300
863967
3767
Je pense qu'on passera aussi du besoin
de voir nos objets nous obéir
14:39
to valuingvalorisation de autonomyautonomie.
301
867758
1641
à l'appréciation de l'autonomie.
14:42
ThanksMerci to our augmentedaugmenté capabilitiescapacités,
302
870510
1905
Grâce à nos capacités augmentées,
14:44
our worldmonde is going to changechangement dramaticallydramatiquement.
303
872439
2377
notre monde va être transformé.
14:47
We're going to have a worldmonde
with more varietyvariété, more connectednessconnexité,
304
875576
3246
Nous aurons un monde plus varié,
plus connecté,
14:50
more dynamismdynamisme, more complexitycomplexité,
305
878846
2287
plus dynamique, plus complexe,
14:53
more adaptabilitycapacité d’adaptation and, of coursecours,
306
881157
2318
plus flexible et bien sûr,
14:55
more beautybeauté.
307
883499
1217
plus beau.
14:57
The shapeforme of things to come
308
885231
1564
Ce qui nous attend
14:58
will be unlikecontrairement à anything
we'venous avons ever seenvu before.
309
886819
2290
ne ressemblera à rien de ce qui a précédé.
15:01
Why?
310
889133
1159
Pourquoi ?
15:02
Because what will be shapingmise en forme those things
is this newNouveau partnershipPartenariat
311
890316
3755
Parce que toutes ces choses seront
façonnées par cette collaboration nouvelle
15:06
betweenentre technologyLa technologie, naturela nature and humanityhumanité.
312
894095
3670
entre technologie, nature et humanité.
15:11
That, to me, is a futureavenir
well worthvaut looking forwardvers l'avant to.
313
899279
3804
Pour moi, c'est là un avenir
qui vaut bien la peine d'être vu.
15:15
Thank you all so much.
314
903107
1271
Merci beaucoup à vous.
15:16
(ApplauseApplaudissements)
315
904402
5669
(Applaudissements)
Translated by America Aguilera
Reviewed by Aksay Lackoo

▲Back to top

ABOUT THE SPEAKER
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity.

Why you should listen

Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.

Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.

Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility. 

Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.

Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.

More profile about the speaker
Maurice Conti | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee