ABOUT THE SPEAKER
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.

Why you should listen

Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.

Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.

Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.

More profile about the speaker
Matt Beane | Speaker | TED.com
TED Salon Zebra Technologies

Matt Beane: How do we learn to work with intelligent machines?

Matt Beane: Comment apprenons-nous à travailler avec les machines intelligentes ?

Filmed:
1,770,815 views

Le chemin vers la connaissance a été le même pendant des milliers d'années, partout dans le monde : une formation auprès d'un expert, en réalisant des tâches d'abord petites et simples avant de progresser vers des tâches plus compliquées et risquées. Mais maintenant, nous utilisons l'Intelligence Artificielle d'une façon qui contrarie ce chemin, et sacrifie l'apprentissage au profit de notre soif de productivité, nous alerte l'ethnographe de l'organisation Matt Beane. Que pouvons-nous y faire ? Beane partage son modèle qui oppose le modèle actuel à un système partagé d'apprentissage, amélioré grâce aux machines et qui profite des capacités incroyables des IA tout en optimisant nos connaissances .
- Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio

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

00:13
It’s 6:30 in the morningMatin,
0
1292
1875
Il est 6h30 du matin.
00:15
and KristenKristen is wheelingWheeling
her prostateprostate patientpatient into the OR.
1
3583
4875
Kristen pousse son patient
jusqu'au bloc opératoire.
00:21
She's a residentrésident, a surgeonchirurgien in trainingentraînement.
2
9500
2250
Kristen est résidente en chirurgie,
c'est une interne.
00:24
It’s her jobemploi to learnapprendre.
3
12333
2167
Son travail, c'est d'apprendre.
00:27
TodayAujourd'hui, she’s really hopingen espérant to do
some of the nerve-sparingnerf d’épargne,
4
15292
3351
Elle espère réaliser une prostatectomie
conservant les nerfs.
00:30
extremelyextrêmement delicatedélicat dissectiondissection
that can preservepréserver erectileérectile functionfonction.
5
18667
3875
Une opération extrêmement délicate
liée aux fonctions érectiles.
00:35
That'llQui va be up to the attendingassister surgeonchirurgien,
thoughbien que, but he's not there yetencore.
6
23500
3338
C'est le chirurgien en chef
qui en décidera, quand il arrivera.
00:39
She and the teaméquipe put the patientpatient underen dessous de,
7
27625
2393
Elle anesthésie le patient
à l'aide de son équipe,
00:42
and she leadspistes the initialinitiale eight-inchhuit pouces
incisionincision in the lowerinférieur abdomenabdomen.
8
30042
3708
et elle fait la première incision
de 4 cm sous l'abdomen.
00:47
OnceFois she’s got that clampedSerré back,
she tellsraconte the nurseinfirmière to call the attendingassister.
9
35042
3586
Elle demande ensuite à l'infirmière
d'appeler le chirurgien.
00:51
He arrivesarrive, gownsrobes de chambre up,
10
39583
2292
Il entre, les manches remontées,
00:54
And from there on in, theirleur fourquatre handsmains
are mostlyla plupart in that patientpatient --
11
42458
5792
et à partir de là, leurs quatre mains
sont dédiées au patient.
01:00
with him guidingguidage
but KristinKristin leadingde premier plan the way.
12
48708
2917
Le chirurgien guide mais Kristen agit.
01:04
When the prostatesprostates out (and, yes,
he let KristenKristen do a little nervenerf sparingépargnant),
13
52875
4643
Une fois la prostate sortie et
Kristen ayant pu travailler sur les nerfs,
01:09
he ripsdéchirures off his scrubsdésincrustants.
14
57542
1226
il retire ses gants,
01:10
He startsdéparts to do paperworkformalités administratives.
15
58792
1375
et entame la paperasse.
01:12
KristenKristen closesse ferme the patientpatient by 8:15,
16
60833
5375
Kristen recoud le patient vers 8h15
01:18
with a juniorJunior residentrésident
looking over her shoulderépaule.
17
66583
2435
avec un externe
qui l'observe attentivement.
01:21
And she letspermet him do
the finalfinal lineligne of suturesSutures.
18
69042
3083
Et elle laisse ce dernier se charger
des dernières sutures.
01:24
KristenKristen feelsse sent great.
19
72833
3042
Kristen est aux anges.
01:28
PatientPatient’s going to be fine,
20
76250
1559
Le patient va aller mieux.
01:29
and no doubtdoute she’s a better surgeonchirurgien
than she was at 6:30.
21
77833
3167
Et elle est bien meilleure chirurgienne
qu'elle ne l'était à 6:30.
01:34
Now this is extremeextrême work.
22
82208
2834
Il s'agit là d'un travail extrême.
01:37
But KristinKristin’s learningapprentissage to do her jobemploi
the way that mostles plus of us do:
23
85417
3833
Mais Kristen est en train d'être formée
d'une manière somme toute commune :
01:41
watchingen train de regarder an expertexpert for a bitbit,
24
89625
1893
en observant un expert pendant un temps,
01:43
gettingobtenir involvedimpliqué in easyfacile,
safesûr partsles pièces of the work
25
91542
3142
participant à des tâches
simples et faciles,
et en progressant vers
des tâches plus complexes
01:46
and progressingprogresse to riskierplus risqués
and harderPlus fort tasksles tâches
26
94708
2185
01:48
as they guideguider and decidedécider she’s readyprêt.
27
96917
2333
jusqu'à ce qu'elle soit fin prête.
01:52
My wholeentier life I’veve been fascinatedfasciné
by this kindgentil of learningapprentissage.
28
100042
2892
J'ai toujours été fasciné
par ce type d'apprentissage.
Ça semble basique,
faisant partie de ce qui nous rend humain.
01:54
It feelsse sent elementalélémentaire,
partpartie of what makesfait du us humanHumain.
29
102958
3667
01:59
It has differentdifférent namesdes noms: apprenticeshipapprentissage,
coachingCoaching, mentorshipmentorat, on the jobemploi trainingentraînement.
30
107750
5417
On appelle ça un stage, coaching,
mentoring, formation sur le terrain...
02:05
In surgerychirurgie, it’s calledappelé
“see one, do one, teachapprendre one.”
31
113542
3291
En chirurgie, ils appellent ça :
« Observe. Pratique. Transmets. ».
02:09
But the processprocessus is the sameMême,
32
117625
1344
Mais ce même procédé
02:10
and it’s been the mainprincipale pathchemin to skillcompétence
around the globeglobe for thousandsmilliers of yearsannées.
33
118993
4174
a été le principal chemin d'apprentissage
dans le monde entier depuis toujours.
02:16
Right now, we’rere handlingmanipulation AIAI
in a way that blocksblocs that pathchemin.
34
124333
4500
Ces temps-ci, notre façon de gérer
l'Intelligence Artificielle empêche ça.
02:21
We’rere sacrificingsacrifier learningapprentissage
in our questquête for productivityproductivité.
35
129625
2690
Nous sacrifions l'apprentissage
à notre soif de productivité.
02:25
I founda trouvé this first in surgerychirurgie
while I was at MITMIT,
36
133292
2809
Je l'ai découvert
en étudiant la chirurgie au MIT,
02:28
but now I’veve got evidencepreuve
it’s happeningévénement all over,
37
136125
2476
mais je sais désormais
que cela se produit partout.
02:30
in very differentdifférent industriesles industries
and with very differentdifférent kindssortes of AIAI.
38
138625
3875
Dans toutes sortes d'industries
et avec toutes sortes d'IA.
02:35
If we do nothing, millionsdes millions of us
are going to hitfrappé a brickbrique wallmur
39
143083
5851
Si nous n'agissons pas, des millions
d'entre nous vont se heurter à un mur
02:40
as we try to learnapprendre to dealtraiter with AIAI.
40
148958
2417
quand ils apprendront
à interagir avec les IA.
02:45
Let’s go back to surgerychirurgie to see how.
41
153125
1772
Revenons à la chirurgie
pour le comprendre.
02:47
FastRapide forwardvers l'avant sixsix monthsmois.
42
155708
1935
Avançons de six mois.
02:49
It’s 6:30am again, and KristenKristen
is wheelingWheeling anotherun autre prostateprostate patientpatient in,
43
157667
5476
Il est à nouveau 6h30, Kristen pousse un
nouveau patient pour une prostatectomie.
02:55
but this time to the roboticrobotique OR.
44
163167
3166
Cette fois vers
le bloc opératoire robotisé.
02:59
The attendingassister leadspistes attachingattacher
45
167667
1684
Le chirurgien se charge d'attacher
un robot de 100 kilos à 4 bras au patient.
03:01
a four-armedà quatre bras, thousand-poundmille livres
robotrobot to the patientpatient.
46
169375
2833
03:04
They bothtous les deux ripdéchirure off theirleur scrubsdésincrustants,
47
172750
2434
Kristen et lui
enlèvent ensuite leurs gants,
03:07
headtête to controlcontrôle consolesconsoles
10 or 15 feetpieds away,
48
175208
3125
se dirigent vers les écrans de contrôle
à quelques mètres,
03:11
and KristenKristen just watchesmontres.
49
179167
3750
et Kristen se contente d'observer.
03:16
The robotrobot allowspermet the attendingassister
to do the wholeentier procedureprocédure himselflui-même,
50
184375
3053
Le robot permet au chirurgien
de réaliser l'opération tout seul,
03:19
so he basicallyen gros does.
51
187452
1583
alors il le fait.
03:21
He knowssait she needsBesoins practiceentraine toi.
52
189917
2101
Il sait qu'elle a besoin de pratique.
03:24
He wants to give her controlcontrôle.
53
192042
1583
Il veut lui laisser le contrôle.
03:26
But he alsoaussi knowssait she’d be slowerRalentissez
and make more mistakeserreurs,
54
194250
3393
Mais il sait aussi qu'elle serait
plus lente et ferait plus d'erreurs.
03:29
and his patientpatient comesvient first.
55
197667
1500
Et le patient est la priorité.
03:32
So KristinKristin has no hopeespérer of gettingobtenir anywherenulle part
nearprès those nervesnerfs duringpendant this rotationrotation.
56
200250
4625
Kristen n'a aucune chance de toucher
le moindre nerf pendant cette opération.
03:37
She’llll be luckychanceux if she operatesfonctionne more than
15 minutesminutes duringpendant a four-hourquatre heures procedureprocédure.
57
205417
4375
Ce serait surprenant qu'elle opère
plus de 15 minutes
pendant une opération de 4 heures.
03:42
And she knowssait that when she slipsfeuillets up,
58
210250
2625
Et elle sait qu'à la moindre erreur,
le chirurgien touchera un bouton,
03:45
he’llll taprobinet a touchtoucher screenécran,
and she’llll be watchingen train de regarder again,
59
213458
3042
et elle devra se contenter
d'observer à nouveau.
03:48
feelingsentiment like a kidenfant in the cornercoin
with a dunceCancre capcasquette.
60
216917
2625
Comme un enfant puni,
au coin avec un bonnet d'âne.
03:53
Like all the studiesétudes of robotsdes robots and work
I’veve doneterminé in the last eighthuit yearsannées,
61
221583
3501
Comme toutes mes études sur
les robots au travail depuis 8 ans,
j'ai commencé celle-là
avec une question ouverte :
03:57
I startedcommencé this one
with a biggros, openouvrir questionquestion:
62
225108
2118
03:59
How do we learnapprendre to work
with intelligentintelligent machinesmachines?
63
227250
2792
Comment apprenons-nous à travailler
avec des machines intelligentes ?
04:02
To find out, I spentdépensé two and a halfmoitié yearsannées
observingobserver dozensdouzaines of residentsrésidents and surgeonschirurgiens
64
230792
5809
Pour le comprendre,
j'ai passé deux ans et demi
à observer des internes
et des chirurgiens,
04:08
doing traditionaltraditionnel and roboticrobotique surgerychirurgie,
interviewinginterviewer them
65
236625
3476
opérant de manière traditionnelle
ou robotisée, en les interviewant,
04:12
and in generalgénéral hangingpendaison out
with the residentsrésidents as they trieda essayé to learnapprendre.
66
240125
3338
et en passant du temps avec les internes
pendant leur apprentissage.
04:16
I coveredcouvert 18 of the topHaut
US teachingenseignement hospitalshôpitaux,
67
244250
3351
J'ai visité 18 des hôpitaux
universitaires les plus réputés des USA,
04:19
and the storyrécit was the sameMême.
68
247625
1458
l'histoire se répétait partout.
04:21
MostPlupart residentsrésidents were in Kristen'sKristen shoeschaussures.
69
249875
2542
La plupart des internes vivaient
la même chose que Kristen.
04:24
They got to “see one” plentybeaucoup,
70
252958
1792
Ils pouvaient « observer » à foison,
04:27
but the “do one” was barelyà peine availabledisponible.
71
255583
2292
mais le « pratiquer » était rare.
04:30
So they couldnne pouvais pas’t strugglelutte,
and they werenn’t learningapprentissage.
72
258333
2528
Ils ne se dépassaient pas,
et donc ils n'apprenaient pas.
04:33
This was importantimportant newsnouvelles for surgeonschirurgiens, but
I needednécessaire to know how widespreadrépandu it was:
73
261291
3810
C'était vrai chez les chirurgiens.
Mais jusqu'où était-ce répandu ?
04:37
Where elseautre was usingen utilisant AIAI
blockingblocage learningapprentissage on the jobemploi?
74
265125
3833
Dans quels autres milieux l'IA bloquerait
aussi la formation professionnelle?
04:42
To find out, I’veve connectedconnecté with a smallpetit
but growingcroissance groupgroupe of youngJeune researchersdes chercheurs
75
270208
4310
Pour le savoir, j'ai contacté un petit
groupe croissant de jeunes chercheurs
04:46
who’veve doneterminé boots-on-the-groundbottes sur le terrain studiesétudes
of work involvingimpliquant AIAI
76
274542
3434
qui ont mené des études pratiques
concernant les emplois utilisant l'IA.
04:50
in very diversediverse settingsParamètres
like start-upsstart-ups, policingmaintien de l’ordre,
77
278000
2976
Dans des contextes variés
comme les start-up, la sécurité,
04:53
investmentinvestissement bankingservices bancaires and onlineen ligne educationéducation.
78
281000
2601
les banque d'investissement,
ou les cours en ligne.
04:55
Like me, they spentdépensé at leastmoins a yearan
and manybeaucoup hundredsdes centaines of hoursheures observingobserver,
79
283625
5851
Comme moi, ils ont passé au moins un an
et des centaines d'heures à observer,
05:01
interviewinginterviewer and oftensouvent workingtravail
side-by-sidecote à cote with the people they studiedétudié.
80
289500
3917
interroger et même travailler côte à côte
avec les personnes qu'ils étudiaient.
05:06
We sharedpartagé dataLes données, and I lookedregardé for patternsmodèles.
81
294458
2417
Nous avons partagé nos données,
et j'ai cherché des tendances.
05:09
No mattermatière the industryindustrie, the work,
the AIAI, the storyrécit was the sameMême.
82
297917
5208
Peu importe le secteur, le métier,
le type d'IA, l'histoire est la même.
05:16
OrganizationsOrganisations were tryingen essayant harderPlus fort
and harderPlus fort to get resultsrésultats from AIAI,
83
304042
3642
Les sociétés travaillent dur
pour obtenir des résultats de l'AI,
05:19
and they were peelingpeeling learnersapprenants away from
expertexpert work as they did it.
84
307708
3542
et ils écartent les débutants
de l'expertise par la même occasion.
05:24
Start-upDémarrage managersles gestionnaires were outsourcingOutsourcing
theirleur customerclient contactcontact.
85
312333
2875
Les start-ups sous-traitent
leur service client.
05:27
CopsFlics had to learnapprendre to dealtraiter with crimela criminalité
forecastsprévisions withoutsans pour autant expertsexperts supportsoutien.
86
315833
4042
Les policiers doivent apprendre
à anticiper la criminalité
sans le support d'experts.
05:32
JuniorJunior bankersbanquiers were gettingobtenir
cutCouper out of complexcomplexe analysisune analyse,
87
320875
3250
Les banquiers débutants
sont exclus des analyses complexes.
05:36
and professorsles professeurs had to buildconstruire
onlineen ligne coursescours withoutsans pour autant help.
88
324500
3083
Et les enseignants doivent créer
leurs cours en ligne seuls.
05:41
And the effecteffet of all of this
was the sameMême as in surgerychirurgie.
89
329125
3226
La conséquence de tout cela
est la même qu'en chirurgie :
05:44
LearningD’apprentissage on the jobemploi
was gettingobtenir much harderPlus fort.
90
332375
2917
apprendre sur le terrain
devient de plus en plus difficile.
05:48
This can’t last.
91
336958
1417
Ça ne peut pas durer.
McKinsey estime qu'entre 1 million
et 1 million et demi d'entre nous
05:51
McKinseyMcKinsey estimatesestimations that betweenentre halfmoitié
a billionmilliard and a billionmilliard of us
92
339542
4267
devra apprendre à utiliser des IA
dans son travail quotidien d'ici 2030.
05:55
are going to have to adaptadapter to AIAI
in our dailydu quotidien work by 2030.
93
343833
4125
Et nous assumons que
l'apprentissage sur-site
06:01
And we’rere assumingen supposant
that on-the-joben milieu de travail learningapprentissage
94
349000
2011
sera toujours présent pour nous
pendant la transition.
06:03
will be there for us as we try.
95
351035
1917
06:05
AccentureAccenture’s latestdernier workersouvriers surveyenquête showedmontré
that mostles plus workersouvriers learnedappris keyclé skillscompétences
96
353500
4268
Le dernier sondage d'Accenture
montre que la plupart des employés
a appris les points-clés de son métier sur
le terrain et non en formation théorique.
06:09
on the jobemploi, not in formalformel trainingentraînement.
97
357792
2291
06:13
So while we talk a lot about its
potentialpotentiel futureavenir impactimpact,
98
361292
3517
Alors tandis que nous parlons
de son futur impact éventuel,
l'impact le plus important
de l'IA actuellement,
06:16
the aspectaspect of AIAI
that maymai mattermatière mostles plus right now
99
364833
3685
est la façon dont nous
l'utilisons aujourd'hui
06:20
is that we’rere handlingmanipulation it in a way
that blocksblocs learningapprentissage on the jobemploi
100
368542
3375
et qui gêne l'apprentissage sur-site,
06:24
just when we need it mostles plus.
101
372375
1625
alors que nous en avons justement besoin.
06:27
Now acrossà travers all our sitesdes sites,
a smallpetit minorityminorité founda trouvé a way to learnapprendre.
102
375458
6042
Mais parmi ces exemples,
une petite minorité a trouvé une solution.
06:35
They did it by breakingrupture and bendingflexion rulesrègles.
103
383625
3042
Ils ont brisé et détourné les codes.
06:39
ApprovedApprouvé methodsméthodes werenn’t workingtravail,
so they bentpliés and brokecassé rulesrègles
104
387083
4643
Les méthodes classiques
ne fonctionnaient plus,
alors ils ont changé les règles
pour pouvoir pratiquer avec des experts.
06:43
to get hands-onHands-on practiceentraine toi with expertsexperts.
105
391750
1976
En chirurgie,
06:45
In my settingréglage, residentsrésidents got involvedimpliqué
in roboticrobotique surgerychirurgie in medicalmédical schoolécole
106
393750
5601
des internes se sont spécialisés
en chirurgie robotisée à l'université,
06:51
at the expensefrais
of theirleur generalistgénéraliste educationéducation.
107
399375
3583
au détriment de leur éducation générale.
06:56
And they spentdépensé hundredsdes centaines of extrasupplémentaire hoursheures
with simulatorssimulateurs and recordingsenregistrements of surgerychirurgie,
108
404417
5851
Et ils ont passé des heures en simulation
ou avec des enregistrements vidéos,
07:02
when you were supposedsupposé to learnapprendre in the OR.
109
410292
2541
au lieu d'apprendre en salle d'opération.
07:05
And maybe mostles plus importantlyimportant,
they founda trouvé waysfaçons to strugglelutte
110
413375
3476
Et plus important encore,
ils ont trouvé le moyen de s'entraîner
sur de vraies opérations
sous supervision limitée.
07:08
in livevivre proceduresprocédures
with limitedlimité expertexpert supervisionsupervision.
111
416875
3750
07:13
I call all this “shadowombre learningapprentissage,”
because it bendscoudes the rulesrègles
112
421792
4309
J'appelle ça « l'apprentissage fantôme »
parce qu'il change les règles
et que l'étudiant pratique dans l'ombre.
07:18
and learnerapprenant’s do it out of the limelightfeux de la rampe.
113
426125
2000
07:21
And everyonetoutes les personnes turnsse tourne a blindaveugle eyeœil
because it getsobtient resultsrésultats.
114
429542
4101
Et tout le monde laisse faire
parce que ça marche.
Et ceux-là sont
les meilleurs des meilleurs.
07:25
RememberN’oubliez pas, these are
the starétoile pupilsélèves of the bunchbouquet.
115
433667
3166
07:29
Now, obviouslyévidemment, this is not OK,
and it’s not sustainabledurable.
116
437792
3208
Evidemment, ce n'est pas bien,
ni même viable.
07:33
No one should have to riskrisque gettingobtenir firedmis à la porte
117
441708
2185
Personne ne devrait
risquer un licenciement,
07:35
to learnapprendre the skillscompétences
they need to do theirleur jobemploi.
118
443917
2150
pour apprendre ce qui est
nécessaire à son travail.
07:38
But we do need to learnapprendre from these people.
119
446792
2056
Mais nous devons apprendre
de ces gens-là.
Ils ont pris des risques pour apprendre.
07:41
They tooka pris serioussérieux risksrisques to learnapprendre.
120
449917
2250
Ils ont compris qu'il leur fallait
tenter et se challenger au travail
07:44
They understoodcompris they needednécessaire to protectprotéger
strugglelutte and challengedéfi in theirleur work
121
452792
4351
afin de progresser
vers des tâches plus difficiles
07:49
so that they could pushpousser themselvesse
to tackletacle harddifficile problemsproblèmes
122
457167
2892
et de repousser leurs limites.
07:52
right nearprès the edgebord of theirleur capacitycapacité.
123
460083
1959
Ils se sont aussi assurés
d'avoir un expert non loin
07:54
They alsoaussi madefabriqué sure
there was an expertexpert nearbyproche
124
462458
2216
07:56
to offeroffre pointerspointeurs and to backstopdispositif d’arrêt
againstcontre catastrophecatastrophe.
125
464698
3094
pour les conseiller
ou éviter les catastrophes.
08:00
Let’s buildconstruire this combinationcombinaison
of strugglelutte and expertexpert supportsoutien
126
468875
3458
Construisons cette combinaison
de pratique et conseil
dans les IA !
08:04
into eachchaque AIAI implementationla mise en oeuvre.
127
472708
2750
08:08
Here’s one clearclair exampleExemple
I could get of this on the groundsol.
128
476375
2828
En voilà un exemple
découvert sur le terrain :
08:12
Before robotsdes robots,
129
480125
1226
avant les robots,
un démineur désarmait
un engin explosif en s'en approchant.
08:13
if you were a bombbombe disposalélimination techniciantechnicien,
you dealttraité with an IEDIED by walkingen marchant up to it.
130
481375
4792
Son élève se trouvait à 50 mètres,
08:19
A juniorJunior officerofficier was
hundredsdes centaines of feetpieds away,
131
487333
2143
et ne pouvait observer et aider
que si c'était sûr,
08:21
so could only watch and help
if you decideddécidé it was safesûr
132
489500
3309
08:24
and invitedinvité them downrangedownrange (en).
133
492833
1417
et que le démineur l'y invitait.
08:27
Now you sitasseoir side-by-sidecote à cote
in a bomb-proofépreuve des bombes truckun camion.
134
495208
3893
Maintenant, ils sont côté à côté,
dans un camion blindé.
08:31
You bothtous les deux watchedregardé the videovidéo feedalimentation.
135
499125
1809
Ils regardent ensemble l'écran vidéo.
Ils contrôlent un robot à distance
et le maître explique à voix haute.
08:32
They controlcontrôle a distantloin robotrobot,
and you guideguider the work out loudbruyant.
136
500958
4310
Les élèves apprennent mieux
grâce aux robots.
08:37
TraineesStagiaires learnapprendre better than they
did before robotsdes robots.
137
505292
3208
08:41
We can scaleéchelle this to surgerychirurgie,
start-upsstart-ups, policingmaintien de l’ordre,
138
509125
3933
Nous pouvons étendre cela à la chirurgie,
aux start-up, à la sécurité,
aux banques d'investissement,
les cours en ligne et au-delà.
08:45
investmentinvestissement bankingservices bancaires,
onlineen ligne educationéducation and beyondau-delà.
139
513082
2625
08:48
The good newsnouvelles is
we’veve got newNouveau toolsoutils to do it.
140
516375
2500
La bonne nouvelle, c'est
que nous avons les outils pour ça.
Internet fait que nous n'avons pas besoin
d'un maître pour chaque étudiant,
08:51
The internetl'Internet and the cloudnuage mean we donDon’t
always need one expertexpert for everychaque traineestagiaire,
141
519750
4082
ni qu'ils soient physiquement au même
endroit, ni même de la même organisation.
08:56
for them to be physicallyphysiquement nearprès eachchaque other
or even to be in the sameMême organizationorganisation.
142
524167
4458
On peut construire des IA pour aider :
09:01
And we can buildconstruire AIAI to help:
143
529292
3041
09:05
to coachautocar learnersapprenants as they strugglelutte,
to coachautocar expertsexperts as they coachautocar
144
533167
5059
pour coacher les élèves quand ils galèrent
ou coacher les maîtres qui enseignent,
et pour connecter
ces deux groupes intelligemment.
09:10
and to connectrelier those two groupsgroupes
in smartintelligent waysfaçons.
145
538250
2542
09:15
There are people at work
on systemssystèmes like this,
146
543375
2542
Il y des gens qui travaillent
sur de tels projets,
09:18
but they’veve been mostlyla plupart focusedconcentré
on formalformel trainingentraînement.
147
546333
2792
mais ils sont surtout concentrés
sur l'apprentissage théorique.
Et le plus gros soucis est
l'apprentissage « sur le tas ».
09:21
And the deeperPlus profond crisiscrise
is in on-the-joben milieu de travail learningapprentissage.
148
549458
2584
09:24
We mustdoit do better.
149
552417
1851
Nous devons faire mieux.
09:26
TodayAujourd'hui’s problemsproblèmes demanddemande we do better
150
554292
2583
Les problèmes actuels exigent
que nous fassions mieux.
09:29
to createcréer work that takes fullplein advantageavantage
of AIAI’s amazingincroyable capabilitiescapacités
151
557375
4875
Que nous créions des tâches exploitant
toutes les incroyables capacités des IA,
09:35
while enhancingamélioration de our skillscompétences as we do it.
152
563042
2750
tout en améliorant
nos propres compétences.
09:38
That’s the kindgentil of futureavenir
I dreamedrêvé of as a kidenfant.
153
566333
2750
C'est le genre d'avenir
dont je rêvais plus jeune.
09:41
And the time to createcréer it is now.
154
569458
2167
Et c'est maintenant qu'il faut le créer.
09:44
Thank you.
155
572333
1226
Merci.
09:45
(ApplauseApplaudissements)
156
573583
3625
(Applaudissements)
Translated by Juliet Vdt
Reviewed by Shadia Ramsahye

▲Back to top

ABOUT THE SPEAKER
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.

Why you should listen

Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.

Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.

Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.

More profile about the speaker
Matt Beane | 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