TED2018
Kai-Fu Lee: How AI can save our humanity
Kai-Fu Lee: Comment l'IA peut sauver l'humanité
Filmed:
Readability: 4.7
3,583,197 views
L'IA est en train de transformer notre monde de façon radicale, mais il est une chose qu'elle ne peut pas faire : aimer. Dans une présentation visionnaire, l’ingénieur en informatique Ka-Fu Lee nous montre en détail comment les Etats-Unis et la Chine conduisent la révolution de l'apprentissage profond. Il partage avec nous un programme visionnaire dans lequel les humains s'épanouissent grâce à la compassion et à la créativité dans le monde des IA. « l'IA est un heureux hasard » Affirme-t-il « L'IA existe pour nous libérer des travaux routiniers et nous rappeler ce qui fait de nous des êtres humains. »
Kai-Fu Lee - Investor, computer scientist
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about
how AI and mankind can coexist,
how AI and mankind can coexist,
0
640
4536
Je vais parler de la façon dont
l'IA et l'humanité peuvent coexister,
l'IA et l'humanité peuvent coexister,
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
mais avant ça, nous devons nous
interroger sur nos valeurs humaines.
interroger sur nos valeurs humaines.
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
Laissez-moi commencer par une confession :
Mes erreurs dans mon échelle des valeurs.
Mes erreurs dans mon échelle des valeurs.
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
C'était le 16 décembre 1991,
il est 11 heures.
il est 11 heures.
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
J'étais sur le point de devenir père
pour la première fois.
pour la première fois.
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
Ma femme, Shen-Ling,
était sur un lit de l'hôpital
était sur un lit de l'hôpital
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
avec déjà 12 heures de travail
éprouvant.
éprouvant.
00:40
I sat by her bedside
7
28280
2296
J'étais assis auprès d'elle
00:42
but looked anxiously at my watch,
8
30600
2376
mais je regardais ma montre avec anxiété.
00:45
and I knew something that she didn't.
9
33000
1800
Je savais quelque chose
qu'elle ne savait pas.
qu'elle ne savait pas.
00:47
I knew that if in one hour,
10
35440
1800
Je savais que si dans une heure,
00:50
our child didn't come,
11
38360
1936
notre enfant n'était pas arrivé,
00:52
I was going to leave her there
12
40320
1936
j'allais la laisser là
00:54
and go back to work
13
42280
1656
pour retourner au travail
00:55
and make a presentation about AI
14
43960
2576
et faire mon exposé sur l'IA
00:58
to my boss, Apple's CEO.
15
46560
2200
à mon chef, le PDG d'Apple.
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
Heureusement, ma fille est née à 11h30.
01:07
(Laughter)
17
55080
1936
(Rire)
01:09
(Applause)
18
57040
1936
(Applaudissements)
01:11
sparing me from doing the unthinkable,
19
59000
4336
M'évitant de commettre l'irréparable,
01:15
and to this day, I am so sorry
20
63360
2496
et aujourd'hui, je me sens toujours penaud
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
d'avoir laissé ma conscience
professionnelle prendre le pas
professionnelle prendre le pas
sur l'amour de ma famille.
01:22
(Applause)
22
70560
5736
(Applaudissements)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
Ma présentation sur IA, toutefois,
s'est fort bien déroulée.
s'est fort bien déroulée.
01:30
(Laughter)
24
78960
2736
(Rires)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
Apple a aimé mon travail
et a décidé de le communiquer
et a décidé de le communiquer
01:36
at TED1992,
26
84880
2696
lors de TED 1992,
01:39
26 years ago on this very stage.
27
87600
3016
il y a 26 ans, sur cette même estrade.
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
Je croyais avoir fait une de plus grandes
et importantes découvertes sur l'IA,
et importantes découvertes sur l'IA,
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
tout comme le Wall Street Journal
qui le publia le lendemain.
qui le publia le lendemain.
01:51
But as far as discoveries went,
30
99440
2536
Mais aussi importante
que cette découverte fut,
que cette découverte fut,
01:54
it turned out,
31
102000
1336
il s'est avéré que je n'avais découvert
ni l'Inde, ni l'Amérique,
ni l'Inde, ni l'Amérique,
01:55
I didn't discover India, or America.
32
103360
2776
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
mais peut être une petite île
au large du Portugal.
au large du Portugal.
02:02
But the AI era of discovery continued,
34
110720
3256
Mais le temps des découvertes
continuait pour l'IA,
continuait pour l'IA,
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
et toujours plus de scientifiques
s'y consacraient.
s'y consacraient.
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
Il y a 10 ans,
la grande découverte sur l'IA
la grande découverte sur l'IA
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
a été faite par trois
chercheurs américains.
chercheurs américains.
C'est l'apprentissage profond,
ou « Deep Learning. »
ou « Deep Learning. »
02:15
and it's known as deep learning.
38
123080
1600
02:17
Deep learning is a technology
that can take a huge amount of data
that can take a huge amount of data
39
125400
3696
Le « Deep Learning » est une technologie
qui avale une grande quantité de données
qui avale une grande quantité de données
02:21
within one single domain
40
129120
1736
sur un seul domaine
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
et apprend à faire des prédictions
avec une exactitude surhumaine.
avec une exactitude surhumaine.
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
Par exemple, si on montre
à ce réseau de neurones
à ce réseau de neurones
02:30
a massive number of food photos,
43
138640
2816
une énorme quantité de photos
de nourritures
de nourritures
02:33
it can recognize food
44
141480
1576
il pourra reconnaître les aliments
02:35
such as hot dog or no hot dog.
45
143080
3296
pour les classer en « hot dog »
ou « pas hot dog. »
ou « pas hot dog. »
02:38
(Applause)
46
146400
3136
(Applaudissements)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
Ou si on lui donne pleins d'images,
de vidéos et de données de capteurs
de vidéos et de données de capteurs
02:46
from driving on the highway,
48
154600
2536
récoltées en conduisant
sur la voie rapide,
sur la voie rapide,
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
il va véritablement savoir conduire
une voiture aussi bien qu'un humain
une voiture aussi bien qu'un humain
02:53
on the highway.
50
161360
1656
sur la voie rapide.
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
Et que se passerait-il si on montrait à
ce réseau d'apprentissage profond
ce réseau d'apprentissage profond
02:57
all the speeches made by President Trump?
52
165880
2400
tous les discours
fait par le président Trump ?
fait par le président Trump ?
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
Alors, ce président Trump
artificiellement intelligent,
artificiellement intelligent,
03:05
actually the network --
54
173600
2216
en fait, le réseau,
03:07
(Laughter)
55
175840
1656
(Rires)
03:09
can --
56
177520
1216
pourrait...
03:10
(Applause)
57
178760
4056
(Applaudissements)
03:14
You like double oxymorons, huh?
58
182840
2336
Vous aimez les doubles oxymores, non ?
03:17
(Laughter)
59
185200
3856
(Rires)
03:21
(Applause)
60
189080
6096
(Applaudissements)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
Donc ce réseau, si on lui demande
de faire un discours sur l'IA
de faire un discours sur l'IA
03:32
he, or it, might say --
62
200480
2640
il pourrait dire...
(Enregistrement) Donald Trump :
« C'est super
« C'est super
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
de bâtir un monde meilleur
avec l'intelligence artificielle. »
avec l'intelligence artificielle. »
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
Kai-Fu-Lee : Et dans une autre langue ?
03:43
DT: (Speaking Chinese)
66
211400
1816
DT: (parle en chinois)
03:45
(Laughter)
67
213240
1496
(Rires)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
KFL:
Vous ne saviez pas qu'il parlait chinois ?
Vous ne saviez pas qu'il parlait chinois ?
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
Donc, l'apprentissage profond est
au centre des découvertes sur l'IA,
au centre des découvertes sur l'IA,
03:55
and that's led by the US.
70
223160
1816
et les USA sont à la pointe.
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
Mais nous sommes désormais
dans l'étape de mise en œuvre,
dans l'étape de mise en œuvre,
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
et l'important c'est l'exécution,
la qualité, la vitesse et les données.
la qualité, la vitesse et les données.
04:05
And that's where China comes in.
73
233840
2096
Et c'est ici qu'intervient la Chine.
04:07
Chinese entrepreneurs,
74
235960
1576
Les entrepreneurs chinois
que je finance
en tant que capital-risqueur,
en tant que capital-risqueur,
04:09
who I fund as a venture capitalist,
75
237560
1896
sont de travailleurs exceptionnels,
04:11
are incredible workers,
76
239480
1736
d'une conscience professionnelle
hallucinante.
hallucinante.
04:13
amazing work ethic.
77
241240
1936
04:15
My example in the delivery room is nothing
compared to how hard people work in China.
compared to how hard people work in China.
78
243200
5296
Mon exemple dans la salle d'accouchement,
n'est rien comparé
aux travailleurs chinois.
aux travailleurs chinois.
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
Par exemple, une startup a un slogan
sur l'équilibre travail/vie personnelle
sur l'équilibre travail/vie personnelle
04:24
"Come work for us because we are 996."
80
252240
3696
« Rejoignez nous, car on fait du 996. »
Qu'est ce que ça veut dire ?
04:27
And what does that mean?
81
255960
1256
04:29
It means the work hours
of 9am to 9pm, six days a week.
of 9am to 9pm, six days a week.
82
257240
4400
Ça veut dire travailler de 9h du matin
à 9h du soir, six jours par semaine.
à 9h du soir, six jours par semaine.
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
À relativiser avec les autres
startups qui font du 997.
startups qui font du 997.
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
La qualité des produits chinois
n'a pas cessé d'augmenter
n'a pas cessé d'augmenter
04:42
in the past decade,
85
270440
1696
durant la dernière décennie,
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
et cela grâce au milieu
hyper concurrentiel.
hyper concurrentiel.
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
Dans la Silicon Valley, les entrepreneurs
rivalisent d'une façon très fair play,
rivalisent d'une façon très fair play,
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
un peu comme dans ces guerres antiques,
dans lesquelles chaque côté
dans lesquelles chaque côté
se tirait dessus à tour de rôle.
04:58
to fire at each other.
89
286600
1256
04:59
(Laughter)
90
287880
1056
(Rires)
05:00
But in the Chinese environment,
91
288960
2016
Mais dans le milieu chinois,
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
c'est un vrai combat à mort
de gladiateurs.
de gladiateurs.
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
Dans un milieu si dur, les entrepreneurs
apprennent à grandir très rapidement,
apprennent à grandir très rapidement,
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
ils apprennent à améliorer leurs produits
à la vitesse de l'éclair,
à la vitesse de l'éclair,
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
et apprennent à parfaire
leurs business models
leurs business models
jusqu'à ce qu'ils deviennent
inattaquables.
inattaquables.
05:19
until they're impregnable.
96
307360
1400
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
Et par conséquent, les grands produits
chinois comme WeChat et Weibo
chinois comme WeChat et Weibo
05:25
are arguably better
98
313280
1416
sont sans doute meilleurs
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
que leurs équivalents américains,
Facebook et Twitter.
Facebook et Twitter.
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
Le marché chinois embrasse ce changement,
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
son accélération
et les changements de paradigme.
et les changements de paradigme.
05:38
As an example, if any of you go to China,
102
326080
2096
Par exemple,
si l'un d'entre vous va en Chine,
si l'un d'entre vous va en Chine,
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
vous allez voir que les paiements se font
presque sans espèces ni carte de crédit,
presque sans espèces ni carte de crédit,
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
parce que cette chose dont on parle tous,
le paiement par téléphone,
le paiement par téléphone,
05:47
has become the reality in China.
105
335000
2416
est devenue une réalité en Chine.
05:49
In the last year,
106
337440
1296
L'année dernière,
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
18,800 milliards de dollars américains
ont été échangés via l'internet mobile,
ont été échangés via l'internet mobile,
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
et cela grâce à
des technologies très robustes
des technologies très robustes
qui le soutiennent.
05:59
built behind it.
109
347680
1256
06:00
It's even bigger than the China GDP.
110
348960
2440
C'est même une somme plus importante
que le PIB chinois.
que le PIB chinois.
Et cette technologie, comment
peut-elle être supérieure au PIB ?
peut-elle être supérieure au PIB ?
06:04
And this technology, you can say,
how can it be bigger than the GDP?
how can it be bigger than the GDP?
111
352120
3616
Parce qu'elle comprend
toutes les transactions :
toutes les transactions :
06:07
Because it includes all transactions:
112
355760
1976
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
Vente en gros, par filière,
au détail, en ligne, hors ligne,
au détail, en ligne, hors ligne,
06:13
going into a shopping mall
or going into a farmers market like this.
or going into a farmers market like this.
114
361560
5056
dans un centre commercial
ou dans un marché agricole comme celui-ci.
ou dans un marché agricole comme celui-ci.
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
Cette technologie est utilisée
par 700 millions d'individus
par 700 millions d'individus
pour payer tout le monde,
pas seulement les marchants,
pas seulement les marchants,
06:22
to pay each other, not just merchants,
116
370040
2056
06:24
so it's peer to peer,
117
372120
1416
c'est donc du « peer to peer, »
06:25
and it's almost transaction-fee-free.
118
373560
2680
c'est quasiment
sans frais de transaction,
sans frais de transaction,
06:29
And it's instantaneous,
119
377720
2376
c'est instantané,
06:32
and it's used everywhere.
120
380120
1440
et utilisé partout.
06:34
And finally, the China market is enormous.
121
382320
3376
Enfin, le marché chinois est gigantesque.
06:37
This market is large,
122
385720
1976
Le marché est considérable,
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
ce qui permet aux entrepreneurs d'avoir
plus d'utilisateurs, plus de revenus,
plus d'utilisateurs, plus de revenus,
06:44
more investment, but most importantly,
124
392240
2336
plus d'investissements, mais surtout,
06:46
it gives the entrepreneurs a chance
to collect a huge amount of data
to collect a huge amount of data
125
394600
4536
ça donne aux entrepreneurs l'occasion de
récolter une énorme quantité de données
récolter une énorme quantité de données
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
qui sont la nourriture du cerveau
qu'est l'intelligence artificielle.
qu'est l'intelligence artificielle.
06:54
So as a result, the Chinese AI companies
127
402960
2936
En conséquence,
les entreprises chinoises d'IA
les entreprises chinoises d'IA
06:57
have leaped ahead
128
405920
1736
ont fait un bon en avant tel
que les entreprises de plus grande valeur
06:59
so that today, the most valuable companies
129
407680
3096
07:02
in computer vision, speech recognition,
130
410800
2616
en vision artificielle,
reconnaissance vocale,
reconnaissance vocale,
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
synthèse vocale,
traduction artificielle et en drones
traduction artificielle et en drones
07:08
are all Chinese companies.
132
416880
1920
sont toutes des entreprises chinoises.
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
Donc, avec les USA en pointe
dans le domaines des découvertes
dans le domaines des découvertes
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
et la Chine qui mène
dans le domaine de mise en œuvre,
dans le domaine de mise en œuvre,
07:17
we are now in an amazing age
135
425800
2256
nous arrivons maintenant
dans une ère fantastique
dans une ère fantastique
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
où les deux moteurs
de deux superpuissances
de deux superpuissances
07:23
are working together
137
431360
1680
marchent de concert
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
pour conduire la plus rapide
révolution technologique
révolution technologique
07:29
that we have ever seen as humans.
139
437640
2360
que nous ayons vu en tant qu'humains.
07:32
And this will bring tremendous wealth,
140
440640
2496
Et cela va amener une richesse incroyable
et sans précédent :
et sans précédent :
07:35
unprecedented wealth:
141
443160
1776
16.000 milliards de dollars, d'après PwC,
07:36
16 trillion dollars, according to PwC,
142
444960
3896
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
en termes de PIB additionnel
pour le PIB mondial de 2030.
pour le PIB mondial de 2030.
07:46
It will also bring immense challenges
144
454280
2616
Cela apporte également
d'immenses défis
d'immenses défis
07:48
in terms of potential job replacements.
145
456920
3576
en termes de remplacement d'emplois.
07:52
Whereas in the Industrial Age
146
460520
2160
Alors que la révolution industrielle
07:55
it created more jobs
147
463880
1536
a crée davantage d'emplois
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
car le travail artisanal a été décomposé
en emplois sur des chaînes d'assemblage,
en emplois sur des chaînes d'assemblage,
08:03
so more jobs were created.
149
471240
1976
donc plus d'emplois étaient créés.
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
Mais l'IA remplace complètement
les emplois individuels
les emplois individuels
08:10
in the assembly line with robots.
151
478200
2256
de la chaîne d'assemblage avec des robots.
08:12
And it's not just in factories,
152
480480
1936
Et ce ne sont pas que les usines,
08:14
but truckers, drivers
153
482440
2056
mais aussi les routiers, les conducteurs
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
et même des emplois comme
la télévente, le service client
la télévente, le service client
08:20
and hematologists as well as radiologists
155
488640
2976
et les hématologistes,
aussi bien que les radiologues
aussi bien que les radiologues
08:23
over the next 15 years
156
491640
2096
qui vont être progressivement remplacés
08:25
are going to be gradually replaced
157
493760
2536
sur les 15 prochaines années
08:28
by artificial intelligence.
158
496320
1440
par l'intelligence artificielle.
08:30
And only the creative jobs --
159
498360
2056
Seuls les job créatifs --
08:32
(Laughter)
160
500440
1976
(Rires)
08:34
I have to make myself safe, right?
161
502440
2200
Je dois me protéger, n'est ce pas ?
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
Réellement, les emplois créatifs
sont ceux qui sont préservés,
sont ceux qui sont préservés,
08:41
because AI can optimize but not create.
163
509960
3040
car l'IA peut optimiser mais pas créer.
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
Mais ce qui est plus grave
que la perte d'emplois
que la perte d'emplois
08:49
is the loss of meaning,
165
517559
1777
c'est la perte de sens.
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
Car l'éthique du travail
dans l'ère industrielle
dans l'ère industrielle
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
nous a fait croire que le travail
était notre raison d'exister,
était notre raison d'exister,
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
que c'est le travail qui
donnait du sens à nos vies.
donnait du sens à nos vies.
09:03
And I was a prime and willing victim
to that type of workaholic thinking.
to that type of workaholic thinking.
169
531120
6296
Et j'ai été une victime consentante de ce
raisonnement type des accros au travail.
raisonnement type des accros au travail.
09:09
I worked incredibly hard.
170
537440
1616
J'ai travaillé si dur.
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
C'est pourquoi j'ai faillit abandonner
ma femme en salle d'accouchement,
ma femme en salle d'accouchement,
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
c'est pourquoi je travaillais en 996
aux côtés de mes entrepreneurs.
aux côtés de mes entrepreneurs.
09:18
And that obsession that I had with work
173
546880
4416
Et cette obsession
que j'avais avec le travail
que j'avais avec le travail
09:23
ended abruptly a few years ago
174
551320
3056
s'est terminée brusquement
il y a quelques années
il y a quelques années
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
quand on m'a diagnostiqué
avec un lymphome au stade 4.
avec un lymphome au stade 4.
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
Ce PETscan montre plus 20 tumeurs malignes
09:35
jumping out like fireballs,
177
563640
2176
qui sautent comme des boules de feu,
09:37
melting away my ambition.
178
565840
2576
réduisant à néant mes ambitions.
09:40
But more importantly,
179
568440
1456
Mais plus important,
09:41
it helped me reexamine my life.
180
569920
2736
cela m'a aidé à
prendre du recul sur ma vie.
prendre du recul sur ma vie.
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
Savoir que je n'avais peut être
plus que quelques mois à vivre
plus que quelques mois à vivre
09:47
caused me to see how foolish it was
182
575800
2936
m'a montré la folie
09:50
for me to base my entire self-worth
183
578760
3576
de fonder mon entière confiance en moi
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
sur combien dur je travaillais
et sur les résultat d'un travail acharné.
et sur les résultat d'un travail acharné.
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
Mes priorités était complètement décalées.
10:02
I neglected my family.
186
590320
1600
Je négligeais ma famille.
10:05
My father had passed away,
187
593000
1416
Mon père était mort,
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
et je n'avais jamais pris le temps
de lui dire que je l'aimais.
de lui dire que je l'aimais.
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
Ma mère était sénile
et ne me reconnaissait plus,
et ne me reconnaissait plus,
10:13
and my children had grown up.
190
601880
1920
et mes enfants avaient grandi.
10:16
During my chemotherapy,
191
604400
1656
Pendant ma chimiothérapie,
10:18
I read a book by Bronnie Ware
192
606080
2456
j'ai lu un livre de Bronnie Ware
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
qui parlait des souhaits et des regrets
des gens sur leur lit de mort.
des gens sur leur lit de mort.
10:26
She found that facing death,
194
614080
2256
Elle avait vu que face à la mort,
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
personne ne regrettait de n'avoir pas
travaillé suffisamment dur dans leur vie.
travaillé suffisamment dur dans leur vie.
10:32
They only regretted that they didn't
spend enough time with their loved ones
spend enough time with their loved ones
196
620880
5176
Ils regrettaient seulement de n'avoir pas
passé assez de temps avec les êtres chers
passé assez de temps avec les êtres chers
10:38
and that they didn't spread their love.
197
626080
2760
et de ne pas avoir donné leur amour.
10:42
So I am fortunately today in remission.
198
630400
4536
Aujourd'hui je suis
heureusement en rémission.
heureusement en rémission.
10:46
(Applause)
199
634960
6856
(Applaudissements)
10:53
So I can be back at TED again
200
641840
1976
Donc je peux être de retour à TED
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
pour partager avec vous
mon changement d'habitude.
mon changement d'habitude.
10:59
I now only work 965 --
202
647240
2760
Maintenant,
je ne travaille plus qu'en 965.
je ne travaille plus qu'en 965.
11:03
occasionally 996, but usually 965.
203
651200
3976
-- Parfois 996 mais normalement 965. --
11:07
I moved closer to my mother,
204
655200
1896
J'ai déménagé
pour me rapprocher de ma mère,
pour me rapprocher de ma mère,
11:09
my wife usually travels with me,
205
657120
2456
ma femme m'accompagne
dans mes déplacements,
dans mes déplacements,
11:11
and when my kids have vacation,
if they don't come home, I go to them.
if they don't come home, I go to them.
206
659600
3816
et quand mes enfants sont en vacances,
s'ils ne viennent pas, je les rejoins.
s'ils ne viennent pas, je les rejoins.
11:15
So it's a new form of life
207
663440
2456
Donc c'est une nouvelle forme de vie
11:17
that helped me recognize
208
665920
1816
qui m'aide à reconnaître
11:19
how important it is that love is for me,
209
667760
3176
l'importance qu'a cet amour pour moi,
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
et avoir vu la mort en face
m'a aidé à changer de vie,
m'a aidé à changer de vie,
11:26
but it also helped me see a new way
211
674400
2456
mais cela m'a aussi aidé à voir
11:28
of how AI should impact mankind
212
676880
3776
comment l'IA pouvait influencer
l'humanité d'une nouvelle façon
l'humanité d'une nouvelle façon
11:32
and work and coexist with mankind,
213
680680
2480
et que le travail pouvait
coexister avec l'humanité,
coexister avec l'humanité,
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
que réellement, l'IA va supprimer
beaucoup d'emplois routiniers,
beaucoup d'emplois routiniers,
11:41
but routine jobs are not what we're about.
215
689200
3656
mais on n'est pas fait
pour des jobs routiniers.
pour des jobs routiniers.
11:44
Why we exist is love.
216
692880
2256
On existe pour l'amour.
11:47
When we hold our newborn baby,
217
695160
2096
Quand nous tenons notre nouveau-né,
11:49
love at first sight,
218
697280
1496
l'amour au premier regard,
11:50
or when we help someone in need,
219
698800
1776
ou quand nous aidons
une personne dans le besoin,
une personne dans le besoin,
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
Les humains ont cette capacité unique
à donner et recevoir de l'amour,
à donner et recevoir de l'amour,
11:56
and that's what differentiates us from AI.
221
704880
2800
et c'est ce qui nous différencie de l'IA.
12:00
Despite what science fiction may portray,
222
708800
2696
Quoique puisse dire la science fiction.
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
Je peux vous dire avec expérience
que l'IA n'a pas d'amour.
que l'IA n'a pas d'amour.
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
Quand AlphaGo a battu
le champion du monde Ke Jie,
le champion du monde Ke Jie,
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
pendant que Ke Jie pleurait
et aimait le jeu de Go,
et aimait le jeu de Go,
12:13
AlphaGo felt no happiness from winning
226
721960
3176
AlphaGo ne ressentait
aucun bonheur d'avoir gagné
aucun bonheur d'avoir gagné
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
et certainement aucun désir
d'embrasser un être aimé.
d'embrasser un être aimé.
12:23
So how do we differentiate ourselves
228
731600
2656
Donc comment nous différencions-nous
12:26
as humans in the age of AI?
229
734280
2536
en tant qu'humains dans l'ère de l'IA ?
12:28
We talked about the axis of creativity,
230
736840
3096
Nous avons parlé des axes de créativité,
12:31
and certainly that is one possibility,
231
739960
2856
et c'est certainement une possibilité,
12:34
and now we introduce a new axis
232
742840
2296
et maintenant, introduisons un nouvel axe
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
que nous appelons la compassion,
l'amour, l'empathie.
l'amour, l'empathie.
12:40
Those are things that AI cannot do.
234
748800
2576
Ce sont des choses étrangères à l'IA.
12:43
So as AI takes away the routine jobs,
235
751400
2816
Tandis que l'IA va remplacer
les emplois routiniers,
les emplois routiniers,
12:46
I like to think we can, we should
and we must create jobs of compassion.
and we must create jobs of compassion.
236
754240
4960
Je me plais à penser que nous pouvons et
devons créer des emplois de compassion.
devons créer des emplois de compassion.
12:51
You might ask how many of those there are,
237
759800
2336
Vous pourriez demander
combien de tels emplois existent,
combien de tels emplois existent,
12:54
but I would ask you:
238
762160
1616
et je vous demanderais :
12:55
Do you not think that we are going
to need a lot of social workers
to need a lot of social workers
239
763800
3816
Ne pensez-vous pas que nous allons avoir
besoin de beaucoup de travailleurs sociaux
besoin de beaucoup de travailleurs sociaux
12:59
to help us make this transition?
240
767640
1600
pour nous aider à faire cette transition ?
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
Ne pensez-vous pas que nous avons besoin
de beaucoup de soignants
de beaucoup de soignants
13:05
to give more medical care to more people?
242
773240
2696
pour donner plus d'attention médicale
à plus de gens ?
à plus de gens ?
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
Ne pensez-vous pas qu'on va avoir besoin
de 10 fois plus d'enseignants
de 10 fois plus d'enseignants
13:11
to help our children find their way
244
779240
2776
pour aider nos enfant à trouver leur voie
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
pour aller, vivre et devenir
dans ce nouveau monde ?
dans ce nouveau monde ?
13:17
And with all the newfound wealth,
246
785320
2440
Et qu'avec toute cette nouvelle richesse,
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
nous devrions non seulement transformer
les travaux d'amour en carrières
les travaux d'amour en carrières
13:24
and let elderly accompaniment
248
792360
2696
mais faire en sorte que
l'accompagnement des personnes âgées
l'accompagnement des personnes âgées
13:27
or homeschooling become careers also?
249
795080
3496
ou que faire l'école à la maison
deviennent également des carrières ?
deviennent également des carrières ?
13:30
(Applause)
250
798600
5280
(Applaudissements)
13:36
This graph is surely not perfect,
251
804800
2256
Ce graphique n'est surement pas parfait,
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
mais il montre quatre façons
dont on peut travailler avec l'IA.
dont on peut travailler avec l'IA.
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
l'IA va faire disparaître
les tâches routinières
les tâches routinières
13:46
and in due time, we will be thankful.
254
814240
2040
et le temps passant,
nous en seront reconnaissant.
nous en seront reconnaissant.
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
L'IA va devenir un outil formidable
pour les créatifs
pour les créatifs
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
et les scientifique, artistes,
musiciens et écrivains
musiciens et écrivains
13:55
can be even more creative.
257
823800
1600
seront encore plus créatifs.
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
l'IA va travailler avec les humains
comme un outil analytique
comme un outil analytique
14:03
that humans can wrap their warmth around
259
831520
2696
auquel les humains pourront
ajouter de la chaleur
ajouter de la chaleur
pour les métier nécessitant
de la compassion.
de la compassion.
14:06
for the high-compassion jobs.
260
834240
1896
14:08
And we can always differentiate ourselves
261
836160
2656
Et nous pourrons toujours
nous différencier
nous différencier
14:10
with the uniquely capable jobs
262
838840
1816
avec les métiers uniques
14:12
that are both compassionate and creative,
263
840680
3616
qui font appel à la compassion
et à la créativité,
et à la créativité,
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
en s'appuyant sur l'irremplaçabilité
de nos cerveaux et nos cœurs.
de nos cerveaux et nos cœurs.
14:21
So there you have it:
265
849520
1296
Ainsi, nous y sommes :
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
Le programme de coexistence
des humains et de l'IA.
des humains et de l'IA.
14:27
AI is serendipity.
267
855400
1816
l'IA est un heureux hasard.
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
Elle est là pour nous libérer
des taches routinières,
des taches routinières,
14:32
and it is here to remind us
what it is that makes us human.
what it is that makes us human.
269
860240
3680
et elle est là pour nous rappeler
ce qui fait de nous des hommes.
ce qui fait de nous des hommes.
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
Alors choisissons d'accueillir l'IA
et de nous aimer les uns les autres.
et de nous aimer les uns les autres.
14:40
Thank you.
271
868440
1216
Merci.
14:41
(Applause)
272
869680
6160
(Applaudissements)
ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientistAt Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies.
Why you should listen
Dr. Kai-Fu Lee has a unique perspective on the global technology industry, having worked extensively between the US and China, and has been in artificial intelligence research, development and investment for more than 30 years. He is one of China's top technology investors, undertaking early pioneering work in the field of artificial intelligence and working with multiple US technology giants.
Lee is the Chairman and CEO of Sinovation Ventures, managing a $1.7 billion dual-currency investment fund. Sinovation is a leading technology-savvy investment firm focusing on developing Chinese high-tech companies. Lee also serves as president of the Sinovation Ventures Artificial Intelligence Institute.
Prior to founding Sinovation in 2009, Lee was the President of Google China. Previously, he held executive positions at Microsoft, SGI and Apple. He is a Fellow of the Institute of Electrical and Electronics Engineers (IEEE), and he was Vice Chairman of the Committee of 100 and named one of the 100 most influential people in the world by TIME Magazine. He is the author of seven best-selling books in Chinese, launching his new book AI Superpowers internationally in fall 2018, and has over 50 million followers on social media.
In the field of artificial intelligence, Lee founded Microsoft Research China, which was named as the hottest research lab by MIT Technology Review. Later renamed Microsoft Research Asia, this institute has trained the great majority of AI leaders in China, including CTOs or AI heads at Baidu, Tencent, Alibaba, Lenovo, Huawei and Haier. While with Apple, Lee led AI projects in speech and natural language, which appeared on Good Morning America on ABC Television and the front page of The Wall Street Journal. He has authored 10 US patents, and more than 100 journal and conference papers.
Kai-Fu Lee | Speaker | TED.com