data/train/vtt/0jEEQD4awqw.fr.vtt

WEBVTT
Kind: captions
Language: fr

00:00:00.000 --> 00:00:07.000 align:start position:0% line:0%
Transcription: Johanna TESSIER
Relecteur: eric vautier

00:00:04.069 --> 00:00:05.347
Bonsoir à tous.

00:00:06.219 --> 00:00:09.444
Je vais vous parler
d'intelligence artificielle ce soir,

00:00:09.444 --> 00:00:11.643
et des travaux
qu'on fait dans le laboratoire

00:00:11.643 --> 00:00:14.211
de Facebook, où je travaille.

00:00:14.232 --> 00:00:17.362
D'abord je voulais commencer
par un petit exemple.

00:00:17.710 --> 00:00:21.202
Imaginez que vous êtes invités
chez des amis, il y a une soirée,

00:00:21.782 --> 00:00:24.075
vous arrivez mais vous êtes malvoyant.

00:00:24.075 --> 00:00:27.352
Vous vous approchez de la table
et là, vous sortez votre téléphone

00:00:27.352 --> 00:00:29.947
et vous arrivez à prendre une photo.

00:00:29.985 --> 00:00:35.399
(La photo ne s'affiche pas à l'écran)

00:00:37.784 --> 00:00:42.933
Vous vous posez une question très simple :
est-ce que c'est un plat végétarien ?

00:00:43.743 --> 00:00:46.773
C'est une question qui peut se produire
pour plein de raisons.

00:00:48.159 --> 00:00:51.337
Si jamais vous demandez à un ami,

00:00:51.337 --> 00:00:53.463
il va être capable de
répondre immédiatement.

00:00:53.463 --> 00:00:56.437
Il va regarder sur la pizza,
détecter qu'il y a de petits bouts

00:00:56.437 --> 00:00:59.316
qui ressemblent à de la viande -
normalement, ça en est -

00:00:59.317 --> 00:01:04.066
et être capable de dire qu'un végétarien
ne mange pas de viande,

00:01:04.066 --> 00:01:07.457
cette pizza a de la viande,
donc ce n'est pas un plat végétarien.

00:01:07.457 --> 00:01:09.227
Ce n'est vraiment pas très compliqué.

00:01:09.227 --> 00:01:12.093
Imaginez que si vous demandez ça
à un assistant personnel

00:01:12.093 --> 00:01:15.836
qui serait dans le téléphone,
une machine supposée intelligente,

00:01:15.836 --> 00:01:19.497
elle va être très très embêtée
pour répondre à ce type de questions.

00:01:19.497 --> 00:01:24.972
Je vais essayer de vous expliquer pourquoi
et comment on fait pour qu'une machine

00:01:24.972 --> 00:01:27.637
puisse être capable de répondre
à une question pareille.

00:01:27.637 --> 00:01:29.775
Pourquoi est-ce compliqué
pour une machine ?

00:01:29.775 --> 00:01:31.940
Parce que cette tâche,
qui semble très simple,

00:01:31.940 --> 00:01:36.505
fait appel à trois des problèmes
principaux de l'intelligence artificielle.

00:01:41.235 --> 00:01:42.960
Trois problèmes principaux.

00:01:42.960 --> 00:01:44.186
Un : la perception.

00:01:44.212 --> 00:01:48.497
C'est ce qui nous permet de détecter
que, sur la pizza, il y a de la viande.

00:01:48.986 --> 00:01:50.776
Deux : c'est la connaissance.

00:01:50.776 --> 00:01:54.756
C'est toutes les connaissances qu'on a,
le sens commun, la connaissance du monde,

00:01:54.756 --> 00:01:58.106
qui font qu'à ce moment-là,
on est capables d'utiliser le fait

00:01:58.106 --> 00:02:00.805
qu'on sait qu'un végétarien 
ne mange pas de viande.

00:02:00.826 --> 00:02:04.215
Ce n'est pas non plus évident,
et pourtant tout le monde le sait.

00:02:04.276 --> 00:02:06.640
Trois : c'est le raisonnement.

00:02:06.640 --> 00:02:12.986
Une fois qu'on a mis en place la détection
de la viande et qu'on a retrouvé nos idées

00:02:12.986 --> 00:02:15.361
- savoir qu'un végétarien
ne mange pas de viande -

00:02:15.361 --> 00:02:18.701
on combine les deux et on dit 
ce raisonnement qui ici est très simple,

00:02:18.701 --> 00:02:21.610
mais qui pour une machine,
peut être très compliqué.

00:02:21.610 --> 00:02:23.938
Je vais vous dérouler
durant cette présentation

00:02:23.938 --> 00:02:26.577
les travaux de recherche faits
dans ces trois directions

00:02:26.577 --> 00:02:29.780
pour essayer d'améliorer ce que
les machines sont capables de faire.

00:02:30.243 --> 00:02:32.113
Commençons par la perception.

00:02:32.113 --> 00:02:35.161
Vous voyez sur l'écran ce que
la majeure partie des machines voit

00:02:35.161 --> 00:02:39.421
quand on leur montre une photo.
C'est quand même assez abstrait.

00:02:40.121 --> 00:02:43.845
Ce n'est pas un tableau cubique,
c'est censé être une photo qui représente

00:02:43.845 --> 00:02:46.444
une scène de la vie normale.

00:02:46.444 --> 00:02:48.172
La machine voit juste les blocs

00:02:48.172 --> 00:02:51.300
qui sont autour des objets 
qu'elle a détectés.

00:02:51.300 --> 00:02:54.634
Quand elle est plus perfectionnée,
la machine va mettre des étiquettes.

00:02:54.634 --> 00:02:55.592
J'aurais pu ajouter

00:02:55.592 --> 00:02:58.873
qu'elle a détecté que les trois blocs
sont en fait des personnes.

00:02:58.902 --> 00:03:02.471
Même si je vous donne cette information,
vous allez avoir du mal à me dire

00:03:02.471 --> 00:03:04.404
ce qu'il se passe dans cette scène.

00:03:04.404 --> 00:03:09.162
La recherche en perception va consister
à essayer d'améliorer cette représentation

00:03:09.162 --> 00:03:11.181
que la machine peut avoir des images.

00:03:11.401 --> 00:03:14.951
Améliorer veut dire être capable
de déterminer les contours :

00:03:14.951 --> 00:03:18.303
au lieu d'avoir une boîte très
grossière, on va essayer d'être capable

00:03:18.303 --> 00:03:20.412
de faire ce qu'on appelle
de la segmentation,

00:03:20.412 --> 00:03:24.502
c'est-à-dire être capable d'entourer
complètement les objets.

00:03:25.080 --> 00:03:27.855
Ensuite, une étape suivante est d'essayer

00:03:27.855 --> 00:03:32.175
de mettre un squelette sur les personnes.
C'est ce qu'on appelle déterminer la pose.

00:03:32.261 --> 00:03:35.388
Là par exemple, un homme se tient comme ça

00:03:35.388 --> 00:03:37.975
un homme est accroupi etc.

00:03:37.975 --> 00:03:42.315
Déjà, si jamais vous voyez ça - on ne
voit toujours aucun pixel de l'image -

00:03:43.210 --> 00:03:45.887
c'est déjà beaucoup plus simple
de voir ce qu'il se passe

00:03:45.887 --> 00:03:48.649
et avec un peu d'imagination,
on peut peut-être déterminer

00:03:48.649 --> 00:03:51.681
qu'il s'agissait d'une scène de baseball.

00:03:51.681 --> 00:03:55.707
(Rires)

00:03:55.707 --> 00:03:58.987
Facebook est une compagnie américaine,
j'aurais dû prendre du foot !

00:03:58.987 --> 00:04:02.585
(Rires)

00:04:02.585 --> 00:04:05.599
L'idée, c'est d'essayer d'avancer,
de faire ça pour une image,

00:04:05.599 --> 00:04:08.779
de faire ça pour n'importe quelle image,
pour toutes les images

00:04:08.779 --> 00:04:11.311
qui arrivent sur Facebook
et aussi sur les vidéos.

00:04:11.565 --> 00:04:14.216
Ce n'est pas juste le faire
pour un exemple comme ça,

00:04:14.216 --> 00:04:16.929
il faut le faire très rapidement
et en temps réel.

00:04:17.367 --> 00:04:18.600
Ça demande du travail.

00:04:18.600 --> 00:04:20.598
Mais ensuite, en améliorant la perception,

00:04:20.598 --> 00:04:23.023
on peut faire des choses
intéressantes et marrantes.

00:04:23.023 --> 00:04:26.816
On va essayer de mélanger
perception et connaissance.

00:04:26.816 --> 00:04:30.249
Pour ça, on a une tâche 
qui nous sert à évaluer

00:04:30.249 --> 00:04:32.908
comment les machines arrivent
à combiner les deux.

00:04:32.908 --> 00:04:35.869
C'est une tâche très simple :
on donne des photos à une machine

00:04:35.869 --> 00:04:38.371
et on lui demande d'écrire la légende.

00:04:38.825 --> 00:04:41.508
Je vous montre deux photos
qui nous servent de test,

00:04:41.508 --> 00:04:43.961
et voilà les légendes 
qu'a écrites la machine.

00:04:44.790 --> 00:04:46.240
C'est une machine toute seule,

00:04:46.240 --> 00:04:48.200
ce n'est pas du tout écrit par un humain.

00:04:48.200 --> 00:04:51.996
Quand les chercheurs ont vu ces travaux
en deux ans, tout le monde a été bluffé.

00:04:52.881 --> 00:04:55.916
En fait, les légendes 
sont extrêmement correctes.

00:04:55.916 --> 00:04:59.326
A gauche, la légende
« un homme surfant sur une vague »

00:04:59.326 --> 00:05:01.457
colle parfaitement à l'image.

00:05:02.631 --> 00:05:06.821
Les gens disaient : « OK, les machines 
sont vraiment extrêmement fortes. »

00:05:07.410 --> 00:05:10.150
On montre une autre image
qui n'a rien à voir :

00:05:10.150 --> 00:05:12.573
pas du tout les mêmes couleurs,
ni les mêmes objets.

00:05:12.573 --> 00:05:15.202
La machine est capable de dire
qu'il s'agit d'une girafe

00:05:15.202 --> 00:05:16.739
debout près d'un arbre.

00:05:16.739 --> 00:05:20.808
On pourrait se dire que les machines
ont une connaissance assez forte.

00:05:21.209 --> 00:05:23.209
Mais il faut faire attention aux sciences.

00:05:23.209 --> 00:05:27.331
On peut donner d'autres images,
qui sont moins fréquentes

00:05:27.331 --> 00:05:29.519
et un peu plus surprenantes.

00:05:29.519 --> 00:05:33.818
Voilà les légendes qui ont été générées
par la machine.

00:05:33.818 --> 00:05:36.939
(Rires)

00:05:36.939 --> 00:05:40.562
Une fois qu'on a vu ces images,
on se dit qu'il y a encore du travail.

00:05:40.562 --> 00:05:42.899
(Rires)

00:05:42.899 --> 00:05:44.369
Qu'est-ce qu'il se passe ici ?

00:05:44.369 --> 00:05:47.279
Il se passe que la machine est capable
de détecter des objets,

00:05:47.279 --> 00:05:48.714
je vous l'ai montré au début,

00:05:48.714 --> 00:05:52.114
on est capable de le faire grossièrement,
mais on en est capable.

00:05:52.114 --> 00:05:57.944
Là, dans la photo de gauche, la machine
va détecter un avion et une route.

00:05:58.074 --> 00:06:00.654
Après, elle va juste essayer
de faire une association :

00:06:00.654 --> 00:06:04.135
qu'est-ce qui est le plus probable
quand je vois un avion et une route ?

00:06:04.135 --> 00:06:07.340
La route est un tarmac d'aéroport,
donc ça veut simplement dire

00:06:07.340 --> 00:06:09.654
qu'un avion est sur un tarmac d'aéroport.

00:06:09.654 --> 00:06:13.643
Toutes les autres photos avec des avions,
c'est dans le ciel donc c'est très simple.

00:06:13.643 --> 00:06:16.394
Pareil pour l'autre photo, 
je détecte une moto,

00:06:16.394 --> 00:06:19.964
je détecte quelque chose qui ressemble
à de la poussière ou à du sable,

00:06:20.354 --> 00:06:22.964
c'est simple :
c'est quelqu'un qui roule sur une plage.

00:06:24.421 --> 00:06:27.356
Si vous vous rappelez les deux photos
que j'ai montrées avant,

00:06:27.356 --> 00:06:30.789
pour lesquelles ça a marché,
le raisonnement est très très simple.

00:06:30.789 --> 00:06:35.887
Dans la photo avec le surfeur, la machine
a détecté un homme debout sur de l'eau.

00:06:37.447 --> 00:06:40.817
A partir de ça,
il n'y a pas 50 000 possibilités.

00:06:40.817 --> 00:06:45.180
Enfin, je ne sais pas... (Rires)

00:06:45.180 --> 00:06:47.811
Vous pouvez être créatifs,
mais la machine ne l'est pas.

00:06:47.811 --> 00:06:50.767
Elle va dire : « Un homme qui marche 
sur de l'eau, il surfe. »

00:06:52.861 --> 00:06:55.976
On surfe sur quoi ? Sur une vague.
On n'a pas 50 000 options.

00:06:55.976 --> 00:06:58.166
Donc « un homme
surfant sur une vague ».

00:06:58.166 --> 00:07:00.977
Et l'autre, c'est pareil.
La machine a détecté une girafe.

00:07:00.977 --> 00:07:06.607
Les girafes sont tout le temps debout,
c'était facile. C'est une girafe debout.

00:07:06.607 --> 00:07:11.397
Près d'un arbre car la chance qu'il y ait
un arbre dans l'image est assez élevée,

00:07:12.849 --> 00:07:14.903
donc « une girafe debout
près d'un arbre ».

00:07:16.040 --> 00:07:17.897
Donc il fallait faire très attention :

00:07:17.897 --> 00:07:21.837
les machines sont capables de détecter
les objets et de faire des associations

00:07:21.837 --> 00:07:23.829
très simples, en surface.

00:07:23.829 --> 00:07:27.708
Elles vont essayer de chercher
le phénomène le plus fréquent.

00:07:27.708 --> 00:07:30.987
Mais dès qu'on va aller dans des choses
plus inattendues qui demandent

00:07:30.987 --> 00:07:33.621
une connaissance plus fine
du monde et des phénomènes,

00:07:33.621 --> 00:07:36.480
à ce moment-là,
c'est toujours la catastrophe.

00:07:37.586 --> 00:07:43.302
Une autre tâche utilisée pour apporter
des connaissances du monde physique

00:07:43.302 --> 00:07:46.304
aux machines, 
c'est une tâche très simple à définir.

00:07:46.304 --> 00:07:47.933
On va donner le début d'une vidéo

00:07:47.933 --> 00:07:50.413
et on va demander à la machine 
de prédire la suite.

00:07:50.973 --> 00:07:52.501
C'est des toutes petites vidéos,

00:07:52.501 --> 00:07:57.656
vous n'avez pas besoin de faire des films 
en entier, c'est des petits clips

00:07:57.656 --> 00:07:59.333
pour essayer de voir que la machine

00:07:59.333 --> 00:08:01.803
puisse avoir une idée
des processus physiques.

00:08:01.803 --> 00:08:04.469
Quand je lâche un objet, où va l'objet ?

00:08:04.469 --> 00:08:08.232
Quand j'avance comme ça, il ne
faut pas me faire apparaître à l'arrière,

00:08:08.232 --> 00:08:12.183
mais plutôt me faire apparaître devant
puisqu'il y a des aspects de déplacement.

00:08:12.183 --> 00:08:15.731
Derrière moi, les premières images,

00:08:15.731 --> 00:08:20.868
c'est la vidéo qu'on a donnée
et à partir du moment

00:08:20.868 --> 00:08:24.624
où c'est entouré en rouge,
c'est ce qu'a prédit la machine.

00:08:25.914 --> 00:08:28.684
Ce qui est très intéressant pour nous,
c'est que la machine

00:08:28.684 --> 00:08:32.836
était totalement capable de prédire 
que toute la foule de la fanfare

00:08:32.836 --> 00:08:35.874
allait marcher dans la bonne direction
en suivant le bon rythme,

00:08:35.874 --> 00:08:37.235
c'était très impressionnant.

00:08:37.235 --> 00:08:39.934
Par contre, 
ce qui est très intéressant pour nous,

00:08:39.934 --> 00:08:42.475
c'est que les trompettes
ont l'air d'exploser.

00:08:42.475 --> 00:08:45.467
(Rires)

00:08:45.467 --> 00:08:49.490
Ce qui est quelque chose
d'assez inattendu, encore une fois.

00:08:49.490 --> 00:08:50.247
Pourquoi ça ?

00:08:50.247 --> 00:08:54.734
En fait, les machines n'ont pas d'idée
du sens commun de ce que sont les objets,

00:08:54.734 --> 00:08:58.171
et elles n'ont pas d'idée des choses
qui sont de la physique très simple,

00:08:58.171 --> 00:09:03.171
qui sont la conservation de masse etc.
Elles vont juste essayer de prévoir

00:09:03.171 --> 00:09:05.741
une vidéo qui va bien 
avec ce qu'elle a vu.

00:09:05.741 --> 00:09:07.846
Le problème, c'est que les trompettistes

00:09:07.846 --> 00:09:10.475
ne gardent pas toujours leur trompette 
au même endroit,

00:09:10.475 --> 00:09:13.000
ils peuvent la monter,
la descendre, la faire tourner.

00:09:13.000 --> 00:09:15.969
La machine, quand elle va prédire
la position de la trompette,

00:09:15.969 --> 00:09:18.511
elle va essayer de trouver
une espèce de juste milieu.

00:09:18.511 --> 00:09:21.840
Le juste milieu, ça fait juste
une espèce de gros bloc jaune

00:09:21.840 --> 00:09:23.696
où peut se trouver la trompette.

00:09:23.696 --> 00:09:26.311
Alors qu'on préférerait 
qu'elle choisisse une position,

00:09:26.311 --> 00:09:27.751
même si ce n'est pas la bonne.

00:09:27.751 --> 00:09:30.171
Et ça, c'est quelque chose 
qui est très compliqué

00:09:30.171 --> 00:09:33.881
mais qui aussi nous donne des pistes 
de recherche extrêmement intéressantes.

00:09:35.762 --> 00:09:40.278
Donc j'ai parlé de perception,
j'ai parlé de connaissance,

00:09:40.278 --> 00:09:43.321
et là maintenant,
je vais parler du troisième pilier

00:09:43.321 --> 00:09:45.421
dont j'ai parlé au début :
le raisonnement.

00:09:45.421 --> 00:09:47.251
Je sais qu'il est un petit peu tard

00:09:47.251 --> 00:09:52.200
mais je vais quand même vous donner
des exercices qui sont assez compliqués.

00:09:52.200 --> 00:09:55.551
C'est des exercices qu'on a designés
dans notre laboratoire

00:09:55.551 --> 00:09:58.670
pour essayer de tester les capacités
de raisonnement des machines.

00:09:58.670 --> 00:10:01.220
Voilà, des exercices extrêmement durs,

00:10:01.220 --> 00:10:03.680
c'est des petites histoires 
avec des questions.

00:10:03.680 --> 00:10:06.120
Jean est dans le jardin.
Jean ramasse le ballon.

00:10:06.120 --> 00:10:11.244
Paul va dans la cuisine.
Où est le ballon ? (Rires)

00:10:11.244 --> 00:10:14.831
Normalement, si personne ne dort,
vous devriez dire le jardin.

00:10:15.873 --> 00:10:19.170
Je ne vais pas vous demander,
je ne veux mettre personne mal à l'aise.

00:10:19.170 --> 00:10:20.659
(Rires)

00:10:20.659 --> 00:10:26.992
Néanmoins, toujours est-il
que cette méthode-là, il y a deux ans,

00:10:26.992 --> 00:10:28.884
cette tâche-là, il y a deux ans,

00:10:28.884 --> 00:10:31.914
les machines dites intelligentes
n'arrivaient pas à la résoudre.

00:10:32.980 --> 00:10:34.975
C'est pour ça qu'il faut faire attention.

00:10:34.975 --> 00:10:37.115
Pourquoi ?
Parce qu'en fait c'est très simple,

00:10:37.115 --> 00:10:40.302
mais il faut être capable de mettre 
en correspondance deux phrases,

00:10:40.302 --> 00:10:42.996
souvent des histoires 
plus longues que celle-là,

00:10:42.996 --> 00:10:46.278
trouver les deux phrases, les mettre 
en correspondance, les combiner.

00:10:46.278 --> 00:10:48.808
Puisqu'en fait, dans la phrase 
où on parle du ballon,

00:10:48.808 --> 00:10:50.055
on ne donne pas le jardin.

00:10:50.055 --> 00:10:53.437
Donc il faut arriver à comprendre
que Jean a ramassé le ballon,

00:10:53.437 --> 00:10:54.769
que Jean tient le ballon,

00:10:54.769 --> 00:10:57.896
et que l'endroit où se trouve
le ballon, c'est où se trouve Jean.

00:10:57.896 --> 00:11:00.346
Pour vous c'est évident, 
c'est même marrant,

00:11:00.346 --> 00:11:02.893
mais pour une machine,
ce n'était pas évident du tout.

00:11:02.893 --> 00:11:05.876
Grâce à ces histoires,
on est capable d'augmenter la complexité

00:11:05.876 --> 00:11:07.114
demandée aux machines.

00:11:07.114 --> 00:11:08.455
On va créer des histoires

00:11:08.455 --> 00:11:10.792
et on va demander aux machines
des raisonnements

00:11:10.792 --> 00:11:12.150
de plus en plus compliqués.

00:11:12.150 --> 00:11:15.376
C'est très intéressant car on arrive 
à tester des capacités

00:11:15.376 --> 00:11:18.229
de raisonnement sans avoir à traiter
les choses de perception

00:11:18.229 --> 00:11:19.430
dont j'ai parlé avant,

00:11:19.430 --> 00:11:21.688
sans avoir à traiter 
les choses de connaissance

00:11:21.688 --> 00:11:23.647
qui sont des problèmes compliqués aussi,

00:11:23.647 --> 00:11:25.536
on arrive à traiter de façon isolée.

00:11:25.536 --> 00:11:28.131
On peut faire des histoires
qui sont aussi très courtes

00:11:28.131 --> 00:11:31.147
mais qui sont beaucoup plus compliquées,
même pour les humains.

00:11:31.147 --> 00:11:33.386
La cuisine est au nord du couloir.

00:11:33.386 --> 00:11:35.687
La salle de bain est à l'ouest 
de la chambre.

00:11:35.687 --> 00:11:37.808
Le bureau est à l'est du couloir.

00:11:37.808 --> 00:11:40.280
La cuisine est au sud de la chambre.

00:11:40.280 --> 00:11:42.452
Comment aller du bureau à la chambre ?

00:11:42.452 --> 00:11:47.408
(Rires)

00:11:47.408 --> 00:11:52.195
Voilà, les mots sont tous très simples,
il y a quatre phrases, une question,

00:11:52.195 --> 00:11:54.998
et là tout le monde se dit 
que c'est déjà plus compliqué.

00:11:54.998 --> 00:11:58.852
Pourquoi ? C'est quelque chose qui rejoint
ce qu'on fait dans les machines aussi,

00:11:58.852 --> 00:12:01.428
c'est une question de représentation
des connaissances.

00:12:01.428 --> 00:12:05.950
On n'est pas habitués à représenter 
un plan sous forme de phrases.

00:12:05.950 --> 00:12:07.498
Ce n'est absolument pas naturel.

00:12:07.498 --> 00:12:10.532
Si je vous donne le plan comme ça,
c'est extrêmement évident,

00:12:10.532 --> 00:12:13.598
vous trouvez tout-de-suite 
comment aller du bureau à la chambre.

00:12:13.598 --> 00:12:17.240
Effectivement il fallait passer
par le couloir mais aussi par la cuisine.

00:12:17.240 --> 00:12:18.981
(Rires)

00:12:19.678 --> 00:12:24.320
Donc en fait, nous aussi pouvons tester
la façon dont les machines sont capables

00:12:24.320 --> 00:12:25.978
de traiter des raisonnements

00:12:25.978 --> 00:12:28.948
mais aussi de voir
comment on donne les informations,

00:12:28.948 --> 00:12:31.407
comment elles sont représentées.

00:12:31.407 --> 00:12:33.106
Les machines ont-elles aussi besoin

00:12:33.106 --> 00:12:36.100
de se représenter un plan
pour résoudre cette tâche ? ou pas ?

00:12:36.100 --> 00:12:40.686
La réponse : elles n'en ont pas besoin,
elles y arrivent plus facilement que nous.

00:12:40.686 --> 00:12:43.555
Mais il y en a qu'on arrive 
à résoudre bien mieux qu'elles.

00:12:43.555 --> 00:12:48.136
Évidemment, ces tâches synthétiques, 
ces histoires, ça nous sert d'outils

00:12:48.136 --> 00:12:49.522
pour développer des méthodes,

00:12:49.522 --> 00:12:52.342
mais ce n'est pas 
ce qu'on veut faire au final,

00:12:52.342 --> 00:12:57.126
on a des objectifs un peu plus élevés 
et surtout des tâches utiles au final.

00:12:57.992 --> 00:13:00.449
L'idée est d'essayer d'étendre ce travail,

00:13:00.449 --> 00:13:03.942
alors on voudrait résoudre le problème
du début avec la pizza, évidemment,

00:13:03.942 --> 00:13:05.304
mais il y a d'autres tâches.

00:13:05.304 --> 00:13:08.485
Par exemple,
on va faire des questions / réponses

00:13:08.485 --> 00:13:10.702
sauf que les questions 
seront plus compliquées

00:13:10.702 --> 00:13:13.939
et au lieu d'un texte, on cherchera 
la réponse dans tout Wikipédia.

00:13:14.249 --> 00:13:16.966
C'est quand même plus long,
et prend plus de temps à lire.

00:13:16.966 --> 00:13:20.206
On va donner à la machine
juste les articles de Wikipédia,

00:13:20.206 --> 00:13:22.666
puis elle doit les lire et 
trouver la réponse.

00:13:22.666 --> 00:13:26.327
Par exemple, j'ai demandé à la machine
qu'on développe en ce moment,

00:13:26.327 --> 00:13:27.784
question qui revient ce soir,

00:13:27.784 --> 00:13:30.036
« Comment s'appelait Tours 
dans l'antiquité ? »

00:13:30.036 --> 00:13:34.811
Tout le monde sait ça, évidemment,
je suppose, je ne vais pas demander...

00:13:34.811 --> 00:13:38.110
Moi je le savais aussi, évidemment...
(Rires)

00:13:38.110 --> 00:13:41.269
Je vais le lire quand même
mais c'est pour bien le prononcer.

00:13:43.955 --> 00:13:47.471
Vous pouvez le lire vous-même d'ailleurs,
c'est même difficile à prononcer.

00:13:47.471 --> 00:13:50.380
Ça se dit « Caesarodunum »,

00:13:50.380 --> 00:13:52.598
je n'ai pas fait de latin 
depuis un moment.

00:13:52.598 --> 00:13:55.859
Ce qu'on voudrait dans ce cas-là,
c'est que la machine soit capable

00:13:55.859 --> 00:13:59.649
d'aller lire les articles, 
de trouver le bon article,

00:13:59.649 --> 00:14:02.820
qui n'est pas forcément celui
de la Ville de Tours dans ce cas-là,

00:14:02.820 --> 00:14:06.200
ensuite, dans l'article, de trouver 
la phrase qui, ici, est la première

00:14:06.200 --> 00:14:09.261
et de lire la phrase qui dit :

00:14:09.897 --> 00:14:14.200
« Caesarodunum est le nom de la cité
du Haut Empire qui a précédé Tours. »

00:14:14.200 --> 00:14:18.015
D'ailleurs on pourrait débattre le fait
que c'était effectivement Tours ou non.

00:14:18.015 --> 00:14:19.628
Je ne rentre pas dans ce débat.

00:14:19.628 --> 00:14:25.165
Mais ce qui m'intéresse pour la machine,
c'est qu'on passe des tâches synthétiques

00:14:25.165 --> 00:14:27.527
qu'on a faites 
à une extension qui fait appel

00:14:27.527 --> 00:14:30.726
quasiment au même processus
mais à une échelle beaucoup plus grande,

00:14:30.726 --> 00:14:34.140
et on peut voir comment les machines
sont capables de se comporter.

00:14:34.140 --> 00:14:36.714
Pour tout vous dire, 
la machine a répondu « Grégoire »

00:14:36.714 --> 00:14:40.415
à « Comment s'appelait Tours 
dans l'Antiquité ? » (Rires)

00:14:40.415 --> 00:14:44.332
On ne se cache rien...
(Rires)

00:14:44.332 --> 00:14:48.746
Et pourquoi ? C'est intéressant,
car j'ai formulé la question

00:14:48.746 --> 00:14:53.420
avec « comment s'appelait », « s'appeler »
est souvent associé à appeler des gens

00:14:53.420 --> 00:14:57.106
et pas forcément des lieux. 
Donc la machine a plutôt essayé

00:14:57.106 --> 00:15:00.595
de chercher une personne plus qu'un lieu.

00:15:00.595 --> 00:15:05.573
C'est encore une erreur un peu importante,
mais, du coup, elle va plutôt chercher

00:15:05.573 --> 00:15:09.257
une personnalité importante 
reliée à Tours dans l'antiquité,

00:15:09.257 --> 00:15:13.180
et elle m'a répondu « Grégoire »,
pour la page de Saint Grégoire de Tours,

00:15:13.180 --> 00:15:15.507
qui n'était pas correct.

00:15:16.816 --> 00:15:21.888
Dans cette présentation, je voulais
vous montrer un panorama

00:15:21.888 --> 00:15:24.587
d'où on en est 
en intelligence artificielle

00:15:24.587 --> 00:15:26.784
sur les tâches
qui sont vraiment fondamentales,

00:15:26.784 --> 00:15:29.152
la perception, 
l'acquisition de connaissances,

00:15:29.152 --> 00:15:30.198
le raisonnement,

00:15:30.198 --> 00:15:33.504
et comment essayer de les combiner 
pour faire des tâches

00:15:33.504 --> 00:15:34.870
de plus en plus complexes.

00:15:34.870 --> 00:15:38.316
Et aussi de vous montrer les limites
des méthodes actuelles,

00:15:38.316 --> 00:15:40.941
ces limites 
qui sont aussi importantes pour nous

00:15:40.941 --> 00:15:42.744
pour déterminer où est la frontière

00:15:42.744 --> 00:15:45.234
et où on peut travailler
pour essayer de l'améliorer.

00:15:45.234 --> 00:15:47.183
Comme je travaille à Facebook,

00:15:47.183 --> 00:15:51.124
je vais quand même finir par vous montrer
une application sur laquelle on travaille

00:15:51.124 --> 00:15:54.424
qui est une application directe
de ce que je vous ai montré au début.

00:15:54.424 --> 00:16:00.310
Ça, c'est l'interface 
du fil d'actualités Facebook,

00:16:00.310 --> 00:16:05.483
mais tel qu'il est visible
- non, il n'est pas visible, justement -

00:16:05.483 --> 00:16:09.617
tel qu'il est accessible
pour les malvoyants.

00:16:09.617 --> 00:16:13.616
(Rires, applaudissements)

00:16:21.936 --> 00:16:25.050
En tout cas, il y a une interface
qui permet en fait à une voix

00:16:25.050 --> 00:16:27.634
de lire tout ce qu'il se passe
sur le fil d'actualités.

00:16:27.634 --> 00:16:29.647
Le problème, c'est que le fil d'actualités

00:16:29.647 --> 00:16:32.557
est rempli de photos
qu'on ne peut pas lire.

00:16:32.557 --> 00:16:36.727
Ce qu'on a développé, et qu'on continue de
développer avec les équipes de Facebook,

00:16:36.727 --> 00:16:39.953
c'est d'être capables de générer 
automatiquement des descriptions

00:16:39.953 --> 00:16:42.266
qui peuvent être lues aussi.

00:16:42.266 --> 00:16:45.487
Pour l'instant, ce qui est déployé,
c'est aux États-Unis :

00:16:45.487 --> 00:16:50.713
là, « l'image peut contenir 
des arbres, du ciel et se passe dehors ».

00:16:50.713 --> 00:16:53.477
Avec ça, on est plutôt au début
de ce que je vous ai montré

00:16:53.477 --> 00:16:56.197
c'est-à-dire qu'on a une description
assez limitée.

00:16:56.710 --> 00:16:59.778
Nous, avec nos méthodes,
on aimerait bien générer une description

00:16:59.778 --> 00:17:03.217
comme celle-là : « cette image contient 
un ciel bleu magnifique,

00:17:03.217 --> 00:17:07.274
entourée de sequoias immenses,
et a été prise en contre-plongée ».

00:17:07.274 --> 00:17:10.801
Voilà en fait l'image réelle.

00:17:10.801 --> 00:17:13.165
C'est vraiment aligné 
avec ce que je vous ai dit

00:17:13.165 --> 00:17:14.764
et tout de suite, ça peut donner

00:17:14.764 --> 00:17:17.167
à des gens incapables d'accéder aux photos

00:17:17.167 --> 00:17:20.619
une meilleure représentation 
de ce qu'il se passe

00:17:20.619 --> 00:17:22.145
sur leur fil d'actualités.

00:17:22.145 --> 00:17:22.996
Merci beaucoup.

00:17:22.996 --> 00:17:27.805
(Applaudissements)