ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientist
At 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.

More profile about the speaker
Kai-Fu Lee | Speaker | TED.com
TED2018

Kai-Fu Lee: How AI can save our humanity

Kai-Fu Lee: Comment l'IA peut sauver l'humanité

Filmed:
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. »
- Investor, computer scientist
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 AIAI and mankindhumanité can coexistcoexister,
0
640
4536
Je vais parler de la façon dont
l'IA et l'humanité peuvent coexister,
00:17
but first, we have to rethinkrepenser
about our humanHumain valuesvaleurs.
1
5200
3816
mais avant ça, nous devons nous
interroger sur nos valeurs humaines.
00:21
So let me first make a confessionconfession
about my errorsles erreurs in my valuesvaleurs.
2
9040
4320
Laissez-moi commencer par une confession :
Mes erreurs dans mon échelle des valeurs.
00:25
It was 11 o'clockheure, DecemberDécembre 16, 1991.
3
13920
4256
C'était le 16 décembre 1991,
il est 11 heures.
00:30
I was about to becomedevenir a fatherpère
for the first time.
4
18200
2680
J'étais sur le point de devenir père
pour la première fois.
00:33
My wifefemme, Shen-LingShen-Ling,
layallonger in the hospitalhôpital bedlit
5
21480
2856
Ma femme, Shen-Ling,
était sur un lit de l'hôpital
00:36
going throughpar a very difficultdifficile
12-hour-heure laborla main d'oeuvre.
6
24360
3080
avec déjà 12 heures de travail
éprouvant.
00:40
I satsam by her bedsidechevet
7
28280
2296
J'étais assis auprès d'elle
00:42
but lookedregardé anxiouslyavec impatience at my watch,
8
30600
2376
mais je regardais ma montre avec anxiété.
00:45
and I knewa connu something that she didn't.
9
33000
1800
Je savais quelque chose
qu'elle ne savait pas.
00:47
I knewa connu that if in one hourheure,
10
35440
1800
Je savais que si dans une heure,
00:50
our childenfant didn't come,
11
38360
1936
notre enfant n'était pas arrivé,
00:52
I was going to leavelaisser 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 presentationprésentation about AIAI
14
43960
2576
et faire mon exposé sur l'IA
00:58
to my bosspatron, Apple'sApple CEOPRÉSIDENT-DIRECTEUR GÉNÉRAL.
15
46560
2200
à mon chef, le PDG d'Apple.
01:03
FortunatelyHeureusement, my daughterfille
was bornnée at 11:30 --
16
51160
3896
Heureusement, ma fille est née à 11h30.
01:07
(LaughterRires)
17
55080
1936
(Rire)
01:09
(ApplauseApplaudissements)
18
57040
1936
(Applaudissements)
01:11
sparingépargnant me from doing the unthinkableimpensable,
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 lettinglocation my work ethicEthic
take precedencepriorité over love for my familyfamille.
21
65880
4656
d'avoir laissé ma conscience
professionnelle prendre le pas
sur l'amour de ma famille.
01:22
(ApplauseApplaudissements)
22
70560
5736
(Applaudissements)
01:28
My AIAI talk, howevertoutefois, wentest allé off brilliantlybrillamment.
23
76320
2616
Ma présentation sur IA, toutefois,
s'est fort bien déroulée.
01:30
(LaughterRires)
24
78960
2736
(Rires)
01:33
Applepomme lovedaimé my work
and decideddécidé to announceannoncer it
25
81720
3136
Apple a aimé mon travail
et a décidé de le communiquer
01:36
at TEDTED1992,
26
84880
2696
lors de TED 1992,
01:39
26 yearsannées agodepuis on this very stageétape.
27
87600
3016
il y a 26 ans, sur cette même estrade.
01:42
I thought I had madefabriqué one of the biggestplus grand,
mostles plus importantimportant discoveriesdécouvertes in AIAI,
28
90640
5056
Je croyais avoir fait une de plus grandes
et importantes découvertes sur l'IA,
01:47
and so did the "WallMur StreetRue JournalJournal"
on the followingSuivant day.
29
95720
2920
tout comme le Wall Street Journal
qui le publia le lendemain.
01:51
But as farloin as discoveriesdécouvertes wentest allé,
30
99440
2536
Mais aussi importante
que cette découverte fut,
01:54
it turnedtourné out,
31
102000
1336
il s'est avéré que je n'avais découvert
ni l'Inde, ni l'Amérique,
01:55
I didn't discoverdécouvrir IndiaInde, or AmericaL’Amérique.
32
103360
2776
01:58
PerhapsPeut-être I discovereddécouvert
a little islandîle off of PortugalPortugal.
33
106160
3080
mais peut être une petite île
au large du Portugal.
02:02
But the AIAI eraère of discoveryDécouverte continueda continué,
34
110720
3256
Mais le temps des découvertes
continuait pour l'IA,
02:06
and more scientistsscientifiques
pouredversé theirleur soulsâmes into it.
35
114000
3216
et toujours plus de scientifiques
s'y consacraient.
02:09
About 10 yearsannées agodepuis, the grandgrandiose AIAI discoveryDécouverte
36
117240
2616
Il y a 10 ans,
la grande découverte sur l'IA
02:11
was madefabriqué by threeTrois
NorthNord AmericanAméricain scientistsscientifiques,
37
119880
3176
a été faite par trois
chercheurs américains.
C'est l'apprentissage profond,
ou « Deep Learning. »
02:15
and it's knownconnu as deepProfond learningapprentissage.
38
123080
1600
02:17
DeepProfond learningapprentissage is a technologyLa technologie
that can take a hugeénorme amountmontant of dataLes données
39
125400
3696
Le « Deep Learning » est une technologie
qui avale une grande quantité de données
02:21
withindans one singleunique domaindomaine
40
129120
1736
sur un seul domaine
02:22
and learnapprendre to predictprédire or decidedécider
at superhumansurhumaine accuracyprécision.
41
130880
4936
et apprend à faire des prédictions
avec une exactitude surhumaine.
02:27
For exampleExemple, if we showmontrer
the deepProfond learningapprentissage networkréseau
42
135840
2776
Par exemple, si on montre
à ce réseau de neurones
02:30
a massivemassif numbernombre of foodaliments photosPhotos,
43
138640
2816
une énorme quantité de photos
de nourritures
02:33
it can recognizereconnaître foodaliments
44
141480
1576
il pourra reconnaître les aliments
02:35
suchtel as hotchaud dogchien or no hotchaud dogchien.
45
143080
3296
pour les classer en « hot dog »
ou « pas hot dog. »
02:38
(ApplauseApplaudissements)
46
146400
3136
(Applaudissements)
02:41
Or if we showmontrer it manybeaucoup picturesdes photos
and videosvidéos and sensorcapteur dataLes données
47
149560
5016
Ou si on lui donne pleins d'images,
de vidéos et de données de capteurs
02:46
from drivingau volant on the highwayAutoroute,
48
154600
2536
récoltées en conduisant
sur la voie rapide,
02:49
it can actuallyréellement driveconduire a carvoiture
as well as a humanHumain beingétant
49
157160
3280
il va véritablement savoir conduire
une voiture aussi bien qu'un humain
02:53
on the highwayAutoroute.
50
161360
1656
sur la voie rapide.
02:55
And what if we showedmontré
this deepProfond learningapprentissage networkréseau
51
163040
2816
Et que se passerait-il si on montrait à
ce réseau d'apprentissage profond
02:57
all the speechesdiscours madefabriqué by PresidentPrésident TrumpTrump?
52
165880
2400
tous les discours
fait par le président Trump ?
03:01
Then this artificiallyartificiellement
intelligentintelligent PresidentPrésident TrumpTrump,
53
169680
3000
Alors, ce président Trump
artificiellement intelligent,
03:05
actuallyréellement the networkréseau --
54
173600
2216
en fait, le réseau,
03:07
(LaughterRires)
55
175840
1656
(Rires)
03:09
can --
56
177520
1216
pourrait...
03:10
(ApplauseApplaudissements)
57
178760
4056
(Applaudissements)
03:14
You like doubledouble oxymoronsoxymores, huh?
58
182840
2336
Vous aimez les doubles oxymores, non ?
03:17
(LaughterRires)
59
185200
3856
(Rires)
03:21
(ApplauseApplaudissements)
60
189080
6096
(Applaudissements)
03:27
So this networkréseau, if givendonné the requestdemande
to make a speechdiscours about AIAI,
61
195200
5256
Donc ce réseau, si on lui demande
de faire un discours sur l'IA
03:32
he, or it, mightpourrait say --
62
200480
2640
il pourrait dire...
(Enregistrement) Donald Trump :
« C'est super
03:36
(RecordingD’enregistrement) DonaldDonald TrumpTrump:
It's a great thing
63
204280
2096
de bâtir un monde meilleur
avec l'intelligence artificielle. »
03:38
to buildconstruire a better worldmonde
with artificialartificiel intelligenceintelligence.
64
206400
2936
03:41
Kai-FuKai-Fu LeeLee: And maybe in anotherun autre languagela langue?
65
209360
2016
Kai-Fu-Lee : Et dans une autre langue ?
03:43
DTDT: (SpeakingPrenant la parole ChineseChinois)
66
211400
1816
DT: (parle en chinois)
03:45
(LaughterRires)
67
213240
1496
(Rires)
03:46
KFLKFL: You didn't know
he knewa connu ChineseChinois, did you?
68
214760
2160
KFL:
Vous ne saviez pas qu'il parlait chinois ?
03:50
So deepProfond learningapprentissage has becomedevenir the corecoeur
in the eraère of AIAI discoveryDécouverte,
69
218120
5016
Donc, l'apprentissage profond est
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 eraère
of implementationla mise en oeuvre,
71
225000
3256
Mais nous sommes désormais
dans l'étape de mise en œuvre,
04:00
where what really mattersimporte is executionexécution,
productproduit qualityqualité, speedla vitesse and dataLes données.
72
228280
5536
et l'important c'est l'exécution,
la qualité, la vitesse et les données.
04:05
And that's where ChinaLa Chine comesvient in.
73
233840
2096
Et c'est ici qu'intervient la Chine.
04:07
ChineseChinois entrepreneursentrepreneurs,
74
235960
1576
Les entrepreneurs chinois
que je finance
en tant que capital-risqueur,
04:09
who I fundfonds as a ventureentreprise capitalistcapitaliste,
75
237560
1896
sont de travailleurs exceptionnels,
04:11
are incredibleincroyable workersouvriers,
76
239480
1736
d'une conscience professionnelle
hallucinante.
04:13
amazingincroyable work ethicEthic.
77
241240
1936
04:15
My exampleExemple in the deliverylivraison roomchambre is nothing
comparedpar rapport to how harddifficile people work in ChinaLa Chine.
78
243200
5296
Mon exemple dans la salle d'accouchement,
n'est rien comparé
aux travailleurs chinois.
04:20
As an exampleExemple, one startupCommencez
trieda essayé to claimprétendre work-lifetravail-vie balanceéquilibre:
79
248520
3696
Par exemple, une startup a un slogan
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 meansveux dire the work hoursheures
of 9am to 9pmPM, sixsix daysjournées a weekla semaine.
82
257240
4400
Ça veut dire travailler de 9h du matin
à 9h du soir, six jours par semaine.
04:34
That's contrastedcontrasté
with other startupsstartups that do 997.
83
262960
3280
À relativiser avec les autres
startups qui font du 997.
04:39
And the ChineseChinois productproduit qualityqualité
has consistentlyconstamment gonedisparu up
84
267320
3096
La qualité des produits chinois
n'a pas cessé d'augmenter
04:42
in the pastpassé decadedécennie,
85
270440
1696
durant la dernière décennie,
04:44
and that's because of
a fiercelyférocement competitivecompétitif environmentenvironnement.
86
272160
4120
et cela grâce au milieu
hyper concurrentiel.
04:48
In SiliconSilicium ValleyVallée de, entrepreneursentrepreneurs
competerivaliser in a very gentlemanlyGentleman fashionmode,
87
276760
5896
Dans la Silicon Valley, les entrepreneurs
rivalisent d'une façon très fair play,
04:54
sortTrier of like in oldvieux warsguerres
in whichlequel eachchaque sidecôté tooka pris turnsse tourne
88
282680
3896
un peu comme dans ces guerres antiques,
dans lesquelles chaque côté
se tirait dessus à tour de rôle.
04:58
to fireFeu at eachchaque other.
89
286600
1256
04:59
(LaughterRires)
90
287880
1056
(Rires)
05:00
But in the ChineseChinois environmentenvironnement,
91
288960
2016
Mais dans le milieu chinois,
05:03
it's trulyvraiment a gladiatorialcombats de gladiateurs
fightbats toi to the deathdécès.
92
291000
2880
c'est un vrai combat à mort
de gladiateurs.
05:06
In suchtel a brutalbrutal environmentenvironnement,
entrepreneursentrepreneurs learnapprendre to growcroître very rapidlyrapidement,
93
294920
6096
Dans un milieu si dur, les entrepreneurs
apprennent à grandir très rapidement,
05:13
they learnapprendre to make theirleur productsdes produits
better at lightningfoudre speedla vitesse,
94
301040
3936
ils apprennent à améliorer leurs produits
à la vitesse de l'éclair,
05:17
and they learnapprendre
to honeHone theirleur businessEntreprise modelsdes modèles
95
305000
2336
et apprennent à parfaire
leurs business models
jusqu'à ce qu'ils deviennent
inattaquables.
05:19
untiljusqu'à they're impregnableinexpugnable.
96
307360
1400
05:21
As a resultrésultat, great ChineseChinois productsdes produits
like WeChatWeChat and WeiboWeibo
97
309400
3856
Et par conséquent, les grands produits
chinois comme WeChat et Weibo
05:25
are arguablyOn peut dire que better
98
313280
1416
sont sans doute meilleurs
05:26
than the equivalentéquivalent AmericanAméricain productsdes produits
from FacebookFacebook and TwitterTwitter.
99
314720
3480
que leurs équivalents américains,
Facebook et Twitter.
05:31
And the ChineseChinois marketmarché
embracesembrasse this changechangement
100
319920
3096
Le marché chinois embrasse ce changement,
05:35
and acceleratedaccéléré changechangement
and paradigmparadigme shiftséquipes.
101
323040
3016
son accélération
et les changements de paradigme.
05:38
As an exampleExemple, if any of you go to ChinaLa Chine,
102
326080
2096
Par exemple,
si l'un d'entre vous va en Chine,
05:40
you will see it's almostpresque cashlesssans numéraire
and creditcrédit card-lesssans carte,
103
328200
4016
vous allez voir que les paiements se font
presque sans espèces ni carte de crédit,
05:44
because that thing that we all
talk about, mobilemobile paymentpaiement,
104
332240
2736
parce que cette chose dont on parle tous,
le paiement par téléphone,
05:47
has becomedevenir the realityréalité in ChinaLa Chine.
105
335000
2416
est devenue une réalité en Chine.
05:49
In the last yearan,
106
337440
1296
L'année dernière,
05:50
18.8 trillionbillion US dollarsdollars
were transactedtransactionnelles on mobilemobile internetl'Internet,
107
338760
5936
18,800 milliards de dollars américains
ont été échangés via l'internet mobile,
05:56
and that's because
of very robustrobuste technologiesles technologies
108
344720
2936
et cela grâce à
des technologies très robustes
qui le soutiennent.
05:59
builtconstruit behindderrière it.
109
347680
1256
06:00
It's even biggerplus gros than the ChinaLa Chine GDPPIB.
110
348960
2440
C'est même une somme plus importante
que le PIB chinois.
Et cette technologie, comment
peut-elle être supérieure au PIB ?
06:04
And this technologyLa technologie, you can say,
how can it be biggerplus gros than the GDPPIB?
111
352120
3616
Parce qu'elle comprend
toutes les transactions :
06:07
Because it includesinclut all transactionstransactions:
112
355760
1976
06:09
wholesalevente en gros, channelscanaux,
retailvente au détail, onlineen ligne, offlinehors ligne,
113
357760
3776
Vente en gros, par filière,
au détail, en ligne, hors ligne,
06:13
going into a shoppingachats mallcentre commercial
or going into a farmersLes agriculteurs marketmarché like this.
114
361560
5056
dans un centre commercial
ou dans un marché agricole comme celui-ci.
06:18
The technologyLa technologie is used
by 700 millionmillion people
115
366640
3376
Cette technologie est utilisée
par 700 millions d'individus
pour payer tout le monde,
pas seulement les marchants,
06:22
to payPayer eachchaque other, not just merchantsmarchands,
116
370040
2056
06:24
so it's peerpair to peerpair,
117
372120
1416
c'est donc du « peer to peer, »
06:25
and it's almostpresque transaction-fee-freetransaction-sans frais.
118
373560
2680
c'est quasiment
sans frais de transaction,
06:29
And it's instantaneousinstantané,
119
377720
2376
c'est instantané,
06:32
and it's used everywherepartout.
120
380120
1440
et utilisé partout.
06:34
And finallyenfin, the ChinaLa Chine marketmarché is enormousénorme.
121
382320
3376
Enfin, le marché chinois est gigantesque.
06:37
This marketmarché is largegrand,
122
385720
1976
Le marché est considérable,
06:39
whichlequel helpsaide give entrepreneursentrepreneurs
more usersutilisateurs, more revenuerevenu,
123
387720
4496
ce qui permet aux entrepreneurs d'avoir
plus d'utilisateurs, plus de revenus,
06:44
more investmentinvestissement, but mostles plus importantlyimportant,
124
392240
2336
plus d'investissements, mais surtout,
06:46
it givesdonne the entrepreneursentrepreneurs a chancechance
to collectcollecte a hugeénorme amountmontant of dataLes données
125
394600
4536
ça donne aux entrepreneurs l'occasion de
récolter une énorme quantité de données
06:51
whichlequel becomesdevient rocketfusée fuelcarburant
for the AIAI enginemoteur.
126
399160
2960
qui sont la nourriture du cerveau
qu'est l'intelligence artificielle.
06:54
So as a resultrésultat, the ChineseChinois AIAI companiesentreprises
127
402960
2936
En conséquence,
les entreprises chinoises d'IA
06:57
have leapedsauta aheaddevant
128
405920
1736
ont fait un bon en avant tel
que les entreprises de plus grande valeur
06:59
so that todayaujourd'hui, the mostles plus valuablede valeur companiesentreprises
129
407680
3096
07:02
in computerordinateur visionvision, speechdiscours recognitionreconnaissance,
130
410800
2616
en vision artificielle,
reconnaissance vocale,
07:05
speechdiscours synthesisla synthèse,
machinemachine translationTraduction and dronesdrones
131
413440
3416
synthèse vocale,
traduction artificielle et en drones
07:08
are all ChineseChinois companiesentreprises.
132
416880
1920
sont toutes des entreprises chinoises.
07:11
So with the US leadingde premier plan
the eraère of discoveryDécouverte
133
419400
3216
Donc, avec les USA en pointe
dans le domaines des découvertes
07:14
and ChinaLa Chine leadingde premier plan
the eraère of implementationla mise en oeuvre,
134
422640
3136
et la Chine qui mène
dans le domaine de mise en œuvre,
07:17
we are now in an amazingincroyable ageâge
135
425800
2256
nous arrivons maintenant
dans une ère fantastique
07:20
where the dualdouble enginemoteur
of the two superpowerssuperpuissances
136
428080
3256
où les deux moteurs
de deux superpuissances
07:23
are workingtravail togetherensemble
137
431360
1680
marchent de concert
07:25
to driveconduire the fastestle plus rapide
revolutionrévolution in technologyLa technologie
138
433960
3656
pour conduire la plus rapide
révolution technologique
07:29
that we have ever seenvu as humanshumains.
139
437640
2360
que nous ayons vu en tant qu'humains.
07:32
And this will bringapporter tremendousénorme wealthrichesse,
140
440640
2496
Et cela va amener une richesse incroyable
et sans précédent :
07:35
unprecedentedsans précédent wealthrichesse:
141
443160
1776
16.000 milliards de dollars, d'après PwC,
07:36
16 trillionbillion dollarsdollars, accordingselon to PwCPwc,
142
444960
3896
07:40
in termstermes of addedajoutée GDPPIB
to the worldwideà l'échelle mondiale GDPPIB by 2030.
143
448880
5376
en termes de PIB additionnel
pour le PIB mondial de 2030.
07:46
It will alsoaussi bringapporter immenseimmense challengesdéfis
144
454280
2616
Cela apporte également
d'immenses défis
07:48
in termstermes of potentialpotentiel jobemploi replacementsremplaçants.
145
456920
3576
en termes de remplacement d'emplois.
07:52
WhereasAlors que in the IndustrialIndustriel AgeAge
146
460520
2160
Alors que la révolution industrielle
07:55
it createdcréé more jobsemplois
147
463880
1536
a crée davantage d'emplois
07:57
because craftsmanartisan jobsemplois were beingétant
decomposeddécomposée into jobsemplois in the assemblyAssemblée lineligne,
148
465440
5776
car le travail artisanal a été décomposé
en emplois sur des chaînes d'assemblage,
08:03
so more jobsemplois were createdcréé.
149
471240
1976
donc plus d'emplois étaient créés.
08:05
But AIAI completelycomplètement replacesremplace
the individualindividuel jobsemplois
150
473240
4936
Mais l'IA remplace complètement
les emplois individuels
08:10
in the assemblyAssemblée lineligne with robotsdes robots.
151
478200
2256
de la chaîne d'assemblage avec des robots.
08:12
And it's not just in factoriesdes usines,
152
480480
1936
Et ce ne sont pas que les usines,
08:14
but truckerscamionneurs, driverspilotes
153
482440
2056
mais aussi les routiers, les conducteurs
08:16
and even jobsemplois like telesalesTelesales,
customerclient serviceun service
154
484520
4096
et même des emplois comme
la télévente, le service client
08:20
and hematologistshématologues as well as radiologistsradiologues
155
488640
2976
et les hématologistes,
aussi bien que les radiologues
08:23
over the nextprochain 15 yearsannées
156
491640
2096
qui vont être progressivement remplacés
08:25
are going to be graduallyprogressivement replacedremplacé
157
493760
2536
sur les 15 prochaines années
08:28
by artificialartificiel intelligenceintelligence.
158
496320
1440
par l'intelligence artificielle.
08:30
And only the creativeCréatif jobsemplois --
159
498360
2056
Seuls les job créatifs --
08:32
(LaughterRires)
160
500440
1976
(Rires)
08:34
I have to make myselfmoi même safesûr, right?
161
502440
2200
Je dois me protéger, n'est ce pas ?
08:38
Really, the creativeCréatif jobsemplois
are the onesceux that are protectedprotégé,
162
506960
2976
Réellement, les emplois créatifs
sont ceux qui sont préservés,
08:41
because AIAI can optimizeoptimiser but not createcréer.
163
509960
3040
car l'IA peut optimiser mais pas créer.
08:45
But what's more serioussérieux
than the lossperte of jobsemplois
164
513960
3575
Mais ce qui est plus grave
que la perte d'emplois
08:49
is the lossperte of meaningsens,
165
517559
1777
c'est la perte de sens.
08:51
because the work ethicEthic
in the IndustrialIndustriel AgeAge
166
519360
3136
Car l'éthique du travail
dans l'ère industrielle
08:54
has brainwashedun lavage de cerveau us into thinkingen pensant
that work is the reasonraison we existexister,
167
522520
5616
nous a fait croire que le travail
était notre raison d'exister,
09:00
that work defineddéfini
the meaningsens of our livesvies.
168
528160
2936
que c'est le travail qui
donnait du sens à nos vies.
09:03
And I was a primepremier and willingprêt victimvictime
to that typetype of workaholicbourreau de travail thinkingen pensant.
169
531120
6296
Et j'ai été une victime consentante de ce
raisonnement type des accros au travail.
09:09
I workedtravaillé incrediblyincroyablement harddifficile.
170
537440
1616
J'ai travaillé si dur.
09:11
That's why I almostpresque left
my wifefemme in the deliverylivraison roomchambre,
171
539080
3576
C'est pourquoi j'ai faillit abandonner
ma femme en salle d'accouchement,
09:14
that's why I workedtravaillé 996
alongsideaux côtés de my entrepreneursentrepreneurs.
172
542680
4176
c'est pourquoi je travaillais en 996
aux côtés de mes entrepreneurs.
09:18
And that obsessionobsession that I had with work
173
546880
4416
Et cette obsession
que j'avais avec le travail
09:23
endedterminé abruptlybrusquement a fewpeu yearsannées agodepuis
174
551320
3056
s'est terminée brusquement
il y a quelques années
09:26
when I was diagnosedun diagnostic
with fourthQuatrième stageétape lymphomalymphome.
175
554400
3920
quand on m'a diagnostiqué
avec un lymphome au stade 4.
09:31
The PETANIMAL DE COMPAGNIE scanbalayage here showsmontre
over 20 malignantmalignes tumorstumeurs
176
559480
4136
Ce PETscan montre plus 20 tumeurs malignes
09:35
jumpingsauter out like fireballsFireballs,
177
563640
2176
qui sautent comme des boules de feu,
09:37
meltingfusion away my ambitionambition.
178
565840
2576
réduisant à néant mes ambitions.
09:40
But more importantlyimportant,
179
568440
1456
Mais plus important,
09:41
it helpedaidé me reexamineréexaminer les my life.
180
569920
2736
cela m'a aidé à
prendre du recul sur ma vie.
09:44
KnowingSachant that I maymai only have
a fewpeu monthsmois to livevivre
181
572680
3096
Savoir que je n'avais peut être
plus que quelques mois à vivre
09:47
causedcausé me to see how foolishstupide it was
182
575800
2936
m'a montré la folie
09:50
for me to basebase my entiretout self-worthconfiance en soi
183
578760
3576
de fonder mon entière confiance en moi
09:54
on how harddifficile I workedtravaillé
and the accomplishmentsréalisations from harddifficile work.
184
582360
4040
sur combien dur je travaillais
et sur les résultat d'un travail acharné.
09:59
My prioritiespriorités were
completelycomplètement out of ordercommande.
185
587320
2976
Mes priorités était complètement décalées.
10:02
I neglectednégligé my familyfamille.
186
590320
1600
Je négligeais ma famille.
10:05
My fatherpère had passedpassé away,
187
593000
1416
Mon père était mort,
10:06
and I never had a chancechance
to tell him I lovedaimé him.
188
594440
2800
et je n'avais jamais pris le temps
de lui dire que je l'aimais.
10:10
My mothermère had dementiadémence
and no longerplus long recognizedreconnu me,
189
598120
3736
Ma mère était sénile
et ne me reconnaissait plus,
10:13
and my childrenles enfants had growncultivé up.
190
601880
1920
et mes enfants avaient grandi.
10:16
DuringAu cours de my chemotherapychimiothérapie,
191
604400
1656
Pendant ma chimiothérapie,
10:18
I readlis a booklivre by BronnieBronnie WareWare
192
606080
2456
j'ai lu un livre de Bronnie Ware
10:20
who talkeda parlé about dyingen train de mourir wishesvœux and regretsregrets
of the people in the deathbedlit de mort.
193
608560
5496
qui parlait des souhaits et des regrets
des gens sur leur lit de mort.
10:26
She founda trouvé that facingorienté vers deathdécès,
194
614080
2256
Elle avait vu que face à la mort,
10:28
nobodypersonne regretteda regretté that they didn't
work harddifficile enoughassez in this life.
195
616360
3600
personne ne regrettait de n'avoir pas
travaillé suffisamment dur dans leur vie.
10:32
They only regretteda regretté that they didn't
spenddépenser enoughassez time with theirleur lovedaimé onesceux
196
620880
5176
Ils regrettaient seulement de n'avoir pas
passé assez de temps avec les êtres chers
10:38
and that they didn't spreadpropager theirleur love.
197
626080
2760
et de ne pas avoir donné leur amour.
10:42
So I am fortunatelyHeureusement todayaujourd'hui in remissionremise.
198
630400
4536
Aujourd'hui je suis
heureusement en rémission.
10:46
(ApplauseApplaudissements)
199
634960
6856
(Applaudissements)
10:53
So I can be back at TEDTED again
200
641840
1976
Donc je peux être de retour à TED
10:55
to sharepartager with you
that I have changedmodifié my waysfaçons.
201
643840
3376
pour partager avec vous
mon changement d'habitude.
10:59
I now only work 965 --
202
647240
2760
Maintenant,
je ne travaille plus qu'en 965.
11:03
occasionallyparfois 996, but usuallyd'habitude 965.
203
651200
3976
-- Parfois 996 mais normalement 965. --
11:07
I moveddéplacé closerplus proche to my mothermère,
204
655200
1896
J'ai déménagé
pour me rapprocher de ma mère,
11:09
my wifefemme usuallyd'habitude travelsvoyages with me,
205
657120
2456
ma femme m'accompagne
dans mes déplacements,
11:11
and when my kidsdes gamins have vacationvacances,
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.
11:15
So it's a newNouveau formforme of life
207
663440
2456
Donc c'est une nouvelle forme de vie
11:17
that helpedaidé me recognizereconnaître
208
665920
1816
qui m'aide à reconnaître
11:19
how importantimportant it is that love is for me,
209
667760
3176
l'importance qu'a cet amour pour moi,
11:22
and facingorienté vers deathdécès
helpedaidé me changechangement my life,
210
670960
3416
et avoir vu la mort en face
m'a aidé à changer de vie,
11:26
but it alsoaussi helpedaidé me see a newNouveau way
211
674400
2456
mais cela m'a aussi aidé à voir
11:28
of how AIAI should impactimpact mankindhumanité
212
676880
3776
comment l'IA pouvait influencer
l'humanité d'une nouvelle façon
11:32
and work and coexistcoexister with mankindhumanité,
213
680680
2480
et que le travail pouvait
coexister avec l'humanité,
11:36
that really, AIAI is takingprise away
a lot of routineroutine jobsemplois,
214
684680
4496
que réellement, l'IA va supprimer
beaucoup d'emplois routiniers,
11:41
but routineroutine jobsemplois are not what we're about.
215
689200
3656
mais on n'est pas fait
pour des jobs routiniers.
11:44
Why we existexister is love.
216
692880
2256
On existe pour l'amour.
11:47
When we holdtenir our newbornnouveau-né babybébé,
217
695160
2096
Quand nous tenons notre nouveau-né,
11:49
love at first sightvue,
218
697280
1496
l'amour au premier regard,
11:50
or when we help someoneQuelqu'un in need,
219
698800
1776
ou quand nous aidons
une personne dans le besoin,
11:52
humanshumains are uniquelyuniquement ablecapable
to give and receiverecevoir love,
220
700600
4256
Les humains ont cette capacité unique
à donner et recevoir de l'amour,
11:56
and that's what differentiatesdifférencie us from AIAI.
221
704880
2800
et c'est ce qui nous différencie de l'IA.
12:00
DespiteMalgré what sciencescience fictionfiction maymai portraydépeindre,
222
708800
2696
Quoique puisse dire la science fiction.
12:03
I can responsiblyresponsable tell you
that AIAI has no love.
223
711520
3736
Je peux vous dire avec expérience
que l'IA n'a pas d'amour.
12:07
When AlphaGoAlphaGo defeatedbat
the worldmonde championchampion KeKe JieJie,
224
715280
3536
Quand AlphaGo a battu
le champion du monde Ke Jie,
12:10
while KeKe JieJie was cryingpleurs
and lovingaimant the gameJeu of go,
225
718840
3096
pendant que Ke Jie pleurait
et aimait le jeu de Go,
12:13
AlphaGoAlphaGo feltse sentait no happinessbonheur from winninggagnant
226
721960
3176
AlphaGo ne ressentait
aucun bonheur d'avoir gagné
12:17
and certainlycertainement no desireenvie
to hugcâlin a lovedaimé one.
227
725160
4480
et certainement aucun désir
d'embrasser un être aimé.
12:23
So how do we differentiatedifférencier ourselvesnous-mêmes
228
731600
2656
Donc comment nous différencions-nous
12:26
as humanshumains in the ageâge of AIAI?
229
734280
2536
en tant qu'humains dans l'ère de l'IA ?
12:28
We talkeda parlé about the axisaxe of creativityla créativité,
230
736840
3096
Nous avons parlé des axes de créativité,
12:31
and certainlycertainement that is one possibilitypossibilité,
231
739960
2856
et c'est certainement une possibilité,
12:34
and now we introduceprésenter a newNouveau axisaxe
232
742840
2296
et maintenant, introduisons un nouvel axe
12:37
that we can call compassionla compassion,
love, or empathyempathie.
233
745160
3616
que nous appelons la compassion,
l'amour, l'empathie.
12:40
Those are things that AIAI cannotne peux pas do.
234
748800
2576
Ce sont des choses étrangères à l'IA.
12:43
So as AIAI takes away the routineroutine jobsemplois,
235
751400
2816
Tandis que l'IA va remplacer
les emplois routiniers,
12:46
I like to think we can, we should
and we mustdoit createcréer jobsemplois of compassionla compassion.
236
754240
4960
Je me plais à penser que nous pouvons et
devons créer des emplois de compassion.
12:51
You mightpourrait askdemander how manybeaucoup of those there are,
237
759800
2336
Vous pourriez demander
combien de tels emplois existent,
12:54
but I would askdemander you:
238
762160
1616
et je vous demanderais :
12:55
Do you not think that we are going
to need a lot of socialsocial workersouvriers
239
763800
3816
Ne pensez-vous pas que nous allons avoir
besoin de beaucoup de travailleurs sociaux
12:59
to help us make this transitiontransition?
240
767640
1600
pour nous aider à faire cette transition ?
13:01
Do you not think we need
a lot of compassionatede compassion caregiversaidants naturels
241
769960
3256
Ne pensez-vous pas que nous avons besoin
de beaucoup de soignants
13:05
to give more medicalmédical carese soucier to more people?
242
773240
2696
pour donner plus d'attention médicale
à plus de gens ?
13:07
Do you not think we're going to need
10 timesfois more teachersenseignants
243
775960
3256
Ne pensez-vous pas qu'on va avoir besoin
de 10 fois plus d'enseignants
13:11
to help our childrenles enfants find theirleur way
244
779240
2776
pour aider nos enfant à trouver leur voie
13:14
to survivesurvivre and thriveprospérer
in this bravecourageux newNouveau worldmonde?
245
782040
3256
pour aller, vivre et devenir
dans ce nouveau monde ?
13:17
And with all the newfoundnouveau wealthrichesse,
246
785320
2440
Et qu'avec toute cette nouvelle richesse,
13:19
should we not alsoaussi make
laborstravaux of love into careerscarrières
247
787800
4536
nous devrions non seulement transformer
les travaux d'amour en carrières
13:24
and let elderlypersonnes âgées accompanimentaccompagnement
248
792360
2696
mais faire en sorte que
l'accompagnement des personnes âgées
13:27
or homeschoolingHomeschooling becomedevenir careerscarrières alsoaussi?
249
795080
3496
ou que faire l'école à la maison
deviennent également des carrières ?
13:30
(ApplauseApplaudissements)
250
798600
5280
(Applaudissements)
13:36
This graphgraphique is surelysûrement not perfectparfait,
251
804800
2256
Ce graphique n'est surement pas parfait,
13:39
but it pointspoints at fourquatre waysfaçons
that we can work with AIAI.
252
807080
3536
mais il montre quatre façons
dont on peut travailler avec l'IA.
13:42
AIAI will come and take away
the routineroutine jobsemplois
253
810640
3576
l'IA va faire disparaître
les tâches routinières
13:46
and in due time, we will be thankfulreconnaissant.
254
814240
2040
et le temps passant,
nous en seront reconnaissant.
13:49
AIAI will becomedevenir great toolsoutils
for the creativesCreatives
255
817000
3096
L'IA va devenir un outil formidable
pour les créatifs
13:52
so that scientistsscientifiques, artistsartistes,
musiciansles musiciens and writersécrivains
256
820120
3656
et les scientifique, artistes,
musiciens et écrivains
13:55
can be even more creativeCréatif.
257
823800
1600
seront encore plus créatifs.
13:58
AIAI will work with humanshumains
as analyticalanalytique toolsoutils
258
826120
5376
l'IA va travailler avec les humains
comme un outil analytique
14:03
that humanshumains can wrapemballage theirleur warmthchaleur around
259
831520
2696
auquel les humains pourront
ajouter de la chaleur
pour les métier nécessitant
de la compassion.
14:06
for the high-compassionhaute-compassion jobsemplois.
260
834240
1896
14:08
And we can always differentiatedifférencier ourselvesnous-mêmes
261
836160
2656
Et nous pourrons toujours
nous différencier
14:10
with the uniquelyuniquement capablecapable jobsemplois
262
838840
1816
avec les métiers uniques
14:12
that are bothtous les deux compassionatede compassion and creativeCréatif,
263
840680
3616
qui font appel à la compassion
et à la créativité,
14:16
usingen utilisant and leveragings’appuyant sur
our irreplaceableirremplaçable brainscerveaux and heartscœurs.
264
844320
5176
en s'appuyant sur l'irremplaçabilité
de nos cerveaux et nos cœurs.
14:21
So there you have it:
265
849520
1296
Ainsi, nous y sommes :
14:22
a blueprintplan d’action of coexistencecoexistence
for humanshumains and AIAI.
266
850840
3640
Le programme de coexistence
des humains et de l'IA.
14:27
AIAI is serendipitySerendipity.
267
855400
1816
l'IA est un heureux hasard.
14:29
It is here to liberatelibérer us
from routineroutine jobsemplois,
268
857240
2976
Elle est là pour nous libérer
des taches routinières,
14:32
and it is here to remindrappeler us
what it is that makesfait du us humanHumain.
269
860240
3680
et elle est là pour nous rappeler
ce qui fait de nous des hommes.
14:36
So let us choosechoisir to embraceembrasse AIAI
and to love one anotherun autre.
270
864440
3976
Alors choisissons d'accueillir l'IA
et de nous aimer les uns les autres.
14:40
Thank you.
271
868440
1216
Merci.
14:41
(ApplauseApplaudissements)
272
869680
6160
(Applaudissements)
Translated by Antoine Driot
Reviewed by Claire Ghyselen

▲Back to top

ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientist
At 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.

More profile about the speaker
Kai-Fu Lee | Speaker | TED.com