Comment apprenons-nous à travailler avec les machines intelligentes ?
-
0:01 - 0:03Il est 6h30 du matin.
-
0:04 - 0:08Kristen pousse son patient
jusqu'au bloc opératoire. -
0:10 - 0:12Kristen est résidente en chirurgie,
c'est une interne. -
0:12 - 0:15Son travail, c'est d'apprendre.
-
0:15 - 0:19Elle espère réaliser une prostatectomie
conservant les nerfs. -
0:19 - 0:23Une opération extrêmement délicate
liée aux fonctions érectiles. -
0:24 - 0:27C'est le chirurgien en chef
qui en décidera, quand il arrivera. -
0:28 - 0:30Elle anesthésie le patient
à l'aide de son équipe, -
0:30 - 0:34et elle fait la première incision
de 4 cm sous l'abdomen. -
0:35 - 0:39Elle demande ensuite à l'infirmière
d'appeler le chirurgien. -
0:40 - 0:42Il entre, les manches remontées,
-
0:42 - 0:48et à partir de là, leurs quatre mains
sont dédiées au patient. -
0:49 - 0:52Le chirurgien guide mais Kristen agit.
-
0:53 - 0:58Une fois la prostate sortie et
Kristen ayant pu travailler sur les nerfs, -
0:58 - 0:59il retire ses gants,
-
0:59 - 1:00et entame la paperasse.
-
1:01 - 1:06Kristen recoud le patient vers 8h15
-
1:07 - 1:09avec un externe
qui l'observe attentivement. -
1:09 - 1:12Et elle laisse ce dernier se charger
des dernières sutures. -
1:13 - 1:16Kristen est aux anges.
-
1:16 - 1:18Le patient va aller mieux.
-
1:18 - 1:21Et elle est bien meilleure chirurgienne
qu'elle ne l'était à 6:30. -
1:22 - 1:25Il s'agit là d'un travail extrême.
-
1:25 - 1:29Mais Kristen est en train d'être formée
d'une manière somme toute commune : -
1:30 - 1:32en observant un expert pendant un temps,
-
1:32 - 1:35participant à des tâches
simples et faciles, -
1:35 - 1:37et en progressant vers
des tâches plus complexes -
1:37 - 1:39jusqu'à ce qu'elle soit fin prête.
-
1:40 - 1:43J'ai toujours été fasciné
par ce type d'apprentissage. -
1:43 - 1:47Ça semble basique,
faisant partie de ce qui nous rend humain. -
1:48 - 1:53On appelle ça un stage, coaching,
mentoring, formation sur le terrain... -
1:54 - 1:57En chirurgie, ils appellent ça :
« Observe. Pratique. Transmets. ». -
1:58 - 1:59Mais ce même procédé
-
1:59 - 2:03a été le principal chemin d'apprentissage
dans le monde entier depuis toujours. -
2:04 - 2:09Ces temps-ci, notre façon de gérer
l'Intelligence Artificielle empêche ça. -
2:10 - 2:13Nous sacrifions l'apprentissage
à notre soif de productivité. -
2:13 - 2:16Je l'ai découvert
en étudiant la chirurgie au MIT, -
2:16 - 2:19mais je sais désormais
que cela se produit partout. -
2:19 - 2:22Dans toutes sortes d'industries
et avec toutes sortes d'IA. -
2:23 - 2:29Si nous n'agissons pas, des millions
d'entre nous vont se heurter à un mur -
2:29 - 2:31quand ils apprendront
à interagir avec les IA. -
2:33 - 2:35Revenons à la chirurgie
pour le comprendre. -
2:36 - 2:38Avançons de six mois.
-
2:38 - 2:43Il est à nouveau 6h30, Kristen pousse un
nouveau patient pour une prostatectomie. -
2:43 - 2:46Cette fois vers
le bloc opératoire robotisé. -
2:48 - 2:52Le chirurgien se charge d'attacher
un robot de 100 kilos à 4 bras au patient. -
2:53 - 2:55Kristen et lui
enlèvent ensuite leurs gants, -
2:55 - 2:58se dirigent vers les écrans de contrôle
à quelques mètres, -
2:59 - 3:03et Kristen se contente d'observer.
-
3:04 - 3:07Le robot permet au chirurgien
de réaliser l'opération tout seul, -
3:07 - 3:09alors il le fait.
-
3:10 - 3:12Il sait qu'elle a besoin de pratique.
-
3:12 - 3:14Il veut lui laisser le contrôle.
-
3:14 - 3:18Mais il sait aussi qu'elle serait
plus lente et ferait plus d'erreurs. -
3:18 - 3:19Et le patient est la priorité.
-
3:20 - 3:25Kristen n'a aucune chance de toucher
le moindre nerf pendant cette opération. -
3:25 - 3:28Ce serait surprenant qu'elle opère
plus de 15 minutes -
3:28 - 3:30pendant une opération de 4 heures.
-
3:30 - 3:35Et elle sait qu'à la moindre erreur,
le chirurgien touchera un bouton, -
3:35 - 3:37et elle devra se contenter
d'observer à nouveau. -
3:37 - 3:40Comme un enfant puni,
au coin avec un bonnet d'âne. -
3:42 - 3:45Comme toutes mes études sur
les robots au travail depuis 8 ans, -
3:45 - 3:47j'ai commencé celle-là
avec une question ouverte : -
3:47 - 3:51Comment apprenons-nous à travailler
avec des machines intelligentes ? -
3:51 - 3:54Pour le comprendre,
j'ai passé deux ans et demi -
3:54 - 3:57à observer des internes
et des chirurgiens, -
3:57 - 4:00opérant de manière traditionnelle
ou robotisée, en les interviewant, -
4:00 - 4:03et en passant du temps avec les internes
pendant leur apprentissage. -
4:04 - 4:08J'ai visité 18 des hôpitaux
universitaires les plus réputés des USA, -
4:08 - 4:09l'histoire se répétait partout.
-
4:10 - 4:13La plupart des internes vivaient
la même chose que Kristen. -
4:13 - 4:15Ils pouvaient « observer » à foison,
-
4:16 - 4:18mais le « pratiquer » était rare.
-
4:18 - 4:21Ils ne se dépassaient pas,
et donc ils n'apprenaient pas. -
4:21 - 4:25C'était vrai chez les chirurgiens.
Mais jusqu'où était-ce répandu ? -
4:25 - 4:29Dans quels autres milieux l'IA bloquerait
aussi la formation professionnelle? -
4:30 - 4:35Pour le savoir, j'ai contacté un petit
groupe croissant de jeunes chercheurs -
4:35 - 4:38qui ont mené des études pratiques
concernant les emplois utilisant l'IA. -
4:38 - 4:41Dans des contextes variés
comme les start-up, la sécurité, -
4:41 - 4:44les banque d'investissement,
ou les cours en ligne. -
4:44 - 4:49Comme moi, ils ont passé au moins un an
et des centaines d'heures à observer, -
4:50 - 4:53interroger et même travailler côte à côte
avec les personnes qu'ils étudiaient. -
4:54 - 4:57Nous avons partagé nos données,
et j'ai cherché des tendances. -
4:58 - 5:03Peu importe le secteur, le métier,
le type d'IA, l'histoire est la même. -
5:04 - 5:08Les sociétés travaillent dur
pour obtenir des résultats de l'AI, -
5:08 - 5:11et ils écartent les débutants
de l'expertise par la même occasion. -
5:12 - 5:15Les start-ups sous-traitent
leur service client. -
5:16 - 5:19Les policiers doivent apprendre
à anticiper la criminalité -
5:19 - 5:21sans le support d'experts.
-
5:21 - 5:24Les banquiers débutants
sont exclus des analyses complexes. -
5:24 - 5:28Et les enseignants doivent créer
leurs cours en ligne seuls. -
5:29 - 5:32La conséquence de tout cela
est la même qu'en chirurgie : -
5:32 - 5:35apprendre sur le terrain
devient de plus en plus difficile. -
5:37 - 5:38Ça ne peut pas durer.
-
5:40 - 5:44McKinsey estime qu'entre 1 million
et 1 million et demi d'entre nous -
5:44 - 5:48devra apprendre à utiliser des IA
dans son travail quotidien d'ici 2030. -
5:49 - 5:51Et nous assumons que
l'apprentissage sur-site -
5:51 - 5:54sera toujours présent pour nous
pendant la transition. -
5:54 - 5:57Le dernier sondage d'Accenture
montre que la plupart des employés -
5:57 - 6:01a appris les points-clés de son métier sur
le terrain et non en formation théorique. -
6:01 - 6:05Alors tandis que nous parlons
de son futur impact éventuel, -
6:05 - 6:08l'impact le plus important
de l'IA actuellement, -
6:08 - 6:11est la façon dont nous
l'utilisons aujourd'hui -
6:11 - 6:12et qui gêne l'apprentissage sur-site,
-
6:12 - 6:14alors que nous en avons justement besoin.
-
6:15 - 6:22Mais parmi ces exemples,
une petite minorité a trouvé une solution. -
6:24 - 6:27Ils ont brisé et détourné les codes.
-
6:27 - 6:30Les méthodes classiques
ne fonctionnaient plus, -
6:30 - 6:32alors ils ont changé les règles
-
6:32 - 6:34pour pouvoir pratiquer avec des experts.
-
6:34 - 6:35En chirurgie,
-
6:35 - 6:39des internes se sont spécialisés
en chirurgie robotisée à l'université, -
6:39 - 6:43au détriment de leur éducation générale.
-
6:44 - 6:50Et ils ont passé des heures en simulation
ou avec des enregistrements vidéos, -
6:50 - 6:53au lieu d'apprendre en salle d'opération.
-
6:53 - 6:57Et plus important encore,
ils ont trouvé le moyen de s'entraîner -
6:57 - 7:01sur de vraies opérations
sous supervision limitée. -
7:02 - 7:06J'appelle ça « l'apprentissage fantôme »
parce qu'il change les règles -
7:06 - 7:09et que l'étudiant pratique dans l'ombre.
-
7:10 - 7:14Et tout le monde laisse faire
parce que ça marche. -
7:14 - 7:17Et ceux-là sont
les meilleurs des meilleurs. -
7:18 - 7:21Evidemment, ce n'est pas bien,
ni même viable. -
7:22 - 7:24Personne ne devrait
risquer un licenciement, -
7:24 - 7:27pour apprendre ce qui est
nécessaire à son travail. -
7:27 - 7:29Mais nous devons apprendre
de ces gens-là. -
7:30 - 7:33Ils ont pris des risques pour apprendre.
-
7:33 - 7:37Ils ont compris qu'il leur fallait
tenter et se challenger au travail -
7:37 - 7:40afin de progresser
vers des tâches plus difficiles -
7:40 - 7:42et de repousser leurs limites.
-
7:42 - 7:45Ils se sont aussi assurés
d'avoir un expert non loin -
7:45 - 7:48pour les conseiller
ou éviter les catastrophes. -
7:49 - 7:53Construisons cette combinaison
de pratique et conseil -
7:53 - 7:56dans les IA !
-
7:56 - 7:59En voilà un exemple
découvert sur le terrain : -
8:00 - 8:01avant les robots,
-
8:01 - 8:07un démineur désarmait
un engin explosif en s'en approchant. -
8:07 - 8:09Son élève se trouvait à 50 mètres,
-
8:09 - 8:13et ne pouvait observer et aider
que si c'était sûr, -
8:13 - 8:15et que le démineur l'y invitait.
-
8:15 - 8:19Maintenant, ils sont côté à côté,
dans un camion blindé. -
8:19 - 8:21Ils regardent ensemble l'écran vidéo.
-
8:21 - 8:25Ils contrôlent un robot à distance
et le maître explique à voix haute. -
8:25 - 8:29Les élèves apprennent mieux
grâce aux robots. -
8:29 - 8:33Nous pouvons étendre cela à la chirurgie,
aux start-up, à la sécurité, -
8:33 - 8:36aux banques d'investissement,
les cours en ligne et au-delà. -
8:36 - 8:39La bonne nouvelle, c'est
que nous avons les outils pour ça. -
8:40 - 8:44Internet fait que nous n'avons pas besoin
d'un maître pour chaque étudiant, -
8:44 - 8:49ni qu'ils soient physiquement au même
endroit, ni même de la même organisation. -
8:49 - 8:53On peut construire des IA pour aider :
-
8:53 - 8:58pour coacher les élèves quand ils galèrent
ou coacher les maîtres qui enseignent, -
8:58 - 9:01et pour connecter
ces deux groupes intelligemment. -
9:03 - 9:06Il y des gens qui travaillent
sur de tels projets, -
9:06 - 9:09mais ils sont surtout concentrés
sur l'apprentissage théorique. -
9:09 - 9:12Et le plus gros soucis est
l'apprentissage « sur le tas ». -
9:12 - 9:14Nous devons faire mieux.
-
9:14 - 9:17Les problèmes actuels exigent
que nous fassions mieux. -
9:17 - 9:22Que nous créions des tâches exploitant
toutes les incroyables capacités des IA, -
9:23 - 9:26tout en améliorant
nos propres compétences. -
9:26 - 9:29C'est le genre d'avenir
dont je rêvais plus jeune. -
9:29 - 9:32Et c'est maintenant qu'il faut le créer.
-
9:32 - 9:34Merci.
-
9:34 - 9:37(Applaudissements)
- Title:
- Comment apprenons-nous à travailler avec les machines intelligentes ?
- Speaker:
- Matt Beane
- Description:
-
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 .
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 09:50
Shadia Ramsahye approved French subtitles for How do we learn to work with intelligent machines? | ||
Shadia Ramsahye accepted French subtitles for How do we learn to work with intelligent machines? | ||
Shadia Ramsahye edited French subtitles for How do we learn to work with intelligent machines? | ||
Carola Marotta edited French subtitles for How do we learn to work with intelligent machines? | ||
Juliet Vdt edited French subtitles for How do we learn to work with intelligent machines? | ||
Juliet Vdt edited French subtitles for How do we learn to work with intelligent machines? | ||
Juliet Vdt edited French subtitles for How do we learn to work with intelligent machines? | ||
Juliet Vdt edited French subtitles for How do we learn to work with intelligent machines? |