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:
Readability: 4.2
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 .
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. Full bio
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 morning,
0
1292
1875
Il est 6h30 du matin.
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
Kristen pousse son patient
jusqu'au bloc opératoire.
jusqu'au bloc opératoire.
00:21
She's a resident, a surgeon in training.
2
9500
2250
Kristen est résidente en chirurgie,
c'est une interne.
c'est une interne.
00:24
It’s her job to learn.
3
12333
2167
Son travail, c'est d'apprendre.
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
Elle espère réaliser une prostatectomie
conservant les nerfs.
conservant les nerfs.
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
Une opération extrêmement délicate
liée aux fonctions érectiles.
liée aux fonctions érectiles.
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
C'est le chirurgien en chef
qui en décidera, quand il arrivera.
qui en décidera, quand il arrivera.
00:39
She and the team put the patient under,
7
27625
2393
Elle anesthésie le patient
à l'aide de son équipe,
à l'aide de son équipe,
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
et elle fait la première incision
de 4 cm sous l'abdomen.
de 4 cm sous l'abdomen.
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
Elle demande ensuite à l'infirmière
d'appeler le chirurgien.
d'appeler le chirurgien.
00:51
He arrives, gowns up,
10
39583
2292
Il entre, les manches remontées,
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
et à partir de là, leurs quatre mains
sont dédiées au patient.
sont dédiées au patient.
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
Le chirurgien guide mais Kristen agit.
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
Une fois la prostate sortie et
Kristen ayant pu travailler sur les nerfs,
Kristen ayant pu travailler sur les nerfs,
01:09
he rips off his scrubs.
14
57542
1226
il retire ses gants,
01:10
He starts to do paperwork.
15
58792
1375
et entame la paperasse.
01:12
Kristen closes the patient by 8:15,
16
60833
5375
Kristen recoud le patient vers 8h15
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
avec un externe
qui l'observe attentivement.
qui l'observe attentivement.
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
Et elle laisse ce dernier se charger
des dernières sutures.
des dernières sutures.
01:24
Kristen feels great.
19
72833
3042
Kristen est aux anges.
01:28
Patient’s going to be fine,
20
76250
1559
Le patient va aller mieux.
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
Et elle est bien meilleure chirurgienne
qu'elle ne l'était à 6:30.
qu'elle ne l'était à 6:30.
01:34
Now this is extreme work.
22
82208
2834
Il s'agit là d'un travail extrême.
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
Mais Kristen est en train d'être formée
d'une manière somme toute commune :
d'une manière somme toute commune :
01:41
watching an expert for a bit,
24
89625
1893
en observant un expert pendant un temps,
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
participant à des tâches
simples et faciles,
simples et faciles,
et en progressant vers
des tâches plus complexes
des tâches plus complexes
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
01:48
as they guide and decide she’s ready.
27
96917
2333
jusqu'à ce qu'elle soit fin prête.
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
J'ai toujours été fasciné
par ce type d'apprentissage.
par ce type d'apprentissage.
Ça semble basique,
faisant partie de ce qui nous rend humain.
faisant partie de ce qui nous rend humain.
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
On appelle ça un stage, coaching,
mentoring, formation sur le terrain...
mentoring, formation sur le terrain...
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
En chirurgie, ils appellent ça :
« Observe. Pratique. Transmets. ».
« Observe. Pratique. Transmets. ».
02:09
But the process is the same,
32
117625
1344
Mais ce même procédé
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
a été le principal chemin d'apprentissage
dans le monde entier depuis toujours.
dans le monde entier depuis toujours.
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
Ces temps-ci, notre façon de gérer
l'Intelligence Artificielle empêche ça.
l'Intelligence Artificielle empêche ça.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
Nous sacrifions l'apprentissage
à notre soif de productivité.
à notre soif de productivité.
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
Je l'ai découvert
en étudiant la chirurgie au MIT,
en étudiant la chirurgie au MIT,
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
mais je sais désormais
que cela se produit partout.
que cela se produit partout.
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
Dans toutes sortes d'industries
et avec toutes sortes d'IA.
et avec toutes sortes d'IA.
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
Si nous n'agissons pas, des millions
d'entre nous vont se heurter à un mur
d'entre nous vont se heurter à un mur
02:40
as we try to learn to deal with AI.
40
148958
2417
quand ils apprendront
à interagir avec les IA.
à interagir avec les IA.
02:45
Let’s go back to surgery to see how.
41
153125
1772
Revenons à la chirurgie
pour le comprendre.
pour le comprendre.
02:47
Fast forward six months.
42
155708
1935
Avançons de six mois.
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
Il est à nouveau 6h30, Kristen pousse un
nouveau patient pour une prostatectomie.
nouveau patient pour une prostatectomie.
02:55
but this time to the robotic OR.
44
163167
3166
Cette fois vers
le bloc opératoire robotisé.
le bloc opératoire robotisé.
02:59
The attending leads attaching
45
167667
1684
Le chirurgien se charge d'attacher
un robot de 100 kilos à 4 bras au patient.
un robot de 100 kilos à 4 bras au patient.
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
03:04
They both rip off their scrubs,
47
172750
2434
Kristen et lui
enlèvent ensuite leurs gants,
enlèvent ensuite leurs gants,
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
se dirigent vers les écrans de contrôle
à quelques mètres,
à quelques mètres,
03:11
and Kristen just watches.
49
179167
3750
et Kristen se contente d'observer.
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
Le robot permet au chirurgien
de réaliser l'opération tout seul,
de réaliser l'opération tout seul,
03:19
so he basically does.
51
187452
1583
alors il le fait.
03:21
He knows she needs practice.
52
189917
2101
Il sait qu'elle a besoin de pratique.
03:24
He wants to give her control.
53
192042
1583
Il veut lui laisser le contrôle.
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
Mais il sait aussi qu'elle serait
plus lente et ferait plus d'erreurs.
plus lente et ferait plus d'erreurs.
03:29
and his patient comes first.
55
197667
1500
Et le patient est la priorité.
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
Kristen n'a aucune chance de toucher
le moindre nerf pendant cette opération.
le moindre nerf pendant cette opération.
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
Ce serait surprenant qu'elle opère
plus de 15 minutes
plus de 15 minutes
pendant une opération de 4 heures.
03:42
And she knows that when she slips up,
58
210250
2625
Et elle sait qu'à la moindre erreur,
le chirurgien touchera un bouton,
le chirurgien touchera un bouton,
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
et elle devra se contenter
d'observer à nouveau.
d'observer à nouveau.
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
Comme un enfant puni,
au coin avec un bonnet d'âne.
au coin avec un bonnet d'âne.
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
Comme toutes mes études sur
les robots au travail depuis 8 ans,
les robots au travail depuis 8 ans,
j'ai commencé celle-là
avec une question ouverte :
avec une question ouverte :
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
Comment apprenons-nous à travailler
avec des machines intelligentes ?
avec des machines intelligentes ?
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
Pour le comprendre,
j'ai passé deux ans et demi
j'ai passé deux ans et demi
à observer des internes
et des chirurgiens,
et des chirurgiens,
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
opérant de manière traditionnelle
ou robotisée, en les interviewant,
ou robotisée, en les interviewant,
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
et en passant du temps avec les internes
pendant leur apprentissage.
pendant leur apprentissage.
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
J'ai visité 18 des hôpitaux
universitaires les plus réputés des USA,
universitaires les plus réputés des USA,
04:19
and the story was the same.
68
247625
1458
l'histoire se répétait partout.
04:21
Most residents were in Kristen's shoes.
69
249875
2542
La plupart des internes vivaient
la même chose que Kristen.
la même chose que Kristen.
04:24
They got to “see one” plenty,
70
252958
1792
Ils pouvaient « observer » à foison,
04:27
but the “do one” was barely available.
71
255583
2292
mais le « pratiquer » était rare.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
Ils ne se dépassaient pas,
et donc ils n'apprenaient pas.
et donc ils n'apprenaient pas.
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
C'était vrai chez les chirurgiens.
Mais jusqu'où était-ce répandu ?
Mais jusqu'où était-ce répandu ?
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
Dans quels autres milieux l'IA bloquerait
aussi la formation professionnelle?
aussi la formation professionnelle?
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
Pour le savoir, j'ai contacté un petit
groupe croissant de jeunes chercheurs
groupe croissant de jeunes chercheurs
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
qui ont mené des études pratiques
concernant les emplois utilisant l'IA.
concernant les emplois utilisant l'IA.
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
Dans des contextes variés
comme les start-up, la sécurité,
comme les start-up, la sécurité,
04:53
investment banking and online education.
78
281000
2601
les banque d'investissement,
ou les cours en ligne.
ou les cours en ligne.
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
Comme moi, ils ont passé au moins un an
et des centaines d'heures à observer,
et des centaines d'heures à observer,
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
interroger et même travailler côte à côte
avec les personnes qu'ils étudiaient.
avec les personnes qu'ils étudiaient.
05:06
We shared data, and I looked for patterns.
81
294458
2417
Nous avons partagé nos données,
et j'ai cherché des tendances.
et j'ai cherché des tendances.
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
Peu importe le secteur, le métier,
le type d'IA, l'histoire est la même.
le type d'IA, l'histoire est la même.
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
Les sociétés travaillent dur
pour obtenir des résultats de l'AI,
pour obtenir des résultats de l'AI,
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
et ils écartent les débutants
de l'expertise par la même occasion.
de l'expertise par la même occasion.
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
Les start-ups sous-traitent
leur service client.
leur service client.
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
Les policiers doivent apprendre
à anticiper la criminalité
à anticiper la criminalité
sans le support d'experts.
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
Les banquiers débutants
sont exclus des analyses complexes.
sont exclus des analyses complexes.
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
Et les enseignants doivent créer
leurs cours en ligne seuls.
leurs cours en ligne seuls.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
La conséquence de tout cela
est la même qu'en chirurgie :
est la même qu'en chirurgie :
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
apprendre sur le terrain
devient de plus en plus difficile.
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
et 1 million et demi d'entre nous
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
devra apprendre à utiliser des IA
dans son travail quotidien d'ici 2030.
dans son travail quotidien d'ici 2030.
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
Et nous assumons que
l'apprentissage sur-site
l'apprentissage sur-site
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
sera toujours présent pour nous
pendant la transition.
pendant la transition.
06:03
will be there for us as we try.
95
351035
1917
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
Le dernier sondage d'Accenture
montre que la plupart des employés
montre que la plupart des employés
a appris les points-clés de son métier sur
le terrain et non en formation théorique.
le terrain et non en formation théorique.
06:09
on the job, not in formal training.
97
357792
2291
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
Alors tandis que nous parlons
de son futur impact éventuel,
de son futur impact éventuel,
l'impact le plus important
de l'IA actuellement,
de l'IA actuellement,
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
est la façon dont nous
l'utilisons aujourd'hui
l'utilisons aujourd'hui
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
et qui gêne l'apprentissage sur-site,
06:24
just when we need it most.
101
372375
1625
alors que nous en avons justement besoin.
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
Mais parmi ces exemples,
une petite minorité a trouvé une solution.
une petite minorité a trouvé une solution.
06:35
They did it by breaking and bending rules.
103
383625
3042
Ils ont brisé et détourné les codes.
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
Les méthodes classiques
ne fonctionnaient plus,
ne fonctionnaient plus,
alors ils ont changé les règles
pour pouvoir pratiquer avec des experts.
06:43
to get hands-on practice with experts.
105
391750
1976
En chirurgie,
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
des internes se sont spécialisés
en chirurgie robotisée à l'université,
en chirurgie robotisée à l'université,
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
au détriment de leur éducation générale.
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
Et ils ont passé des heures en simulation
ou avec des enregistrements vidéos,
ou avec des enregistrements vidéos,
07:02
when you were supposed to learn in the OR.
109
410292
2541
au lieu d'apprendre en salle d'opération.
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
Et plus important encore,
ils ont trouvé le moyen de s'entraîner
ils ont trouvé le moyen de s'entraîner
sur de vraies opérations
sous supervision limitée.
sous supervision limitée.
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
J'appelle ça « l'apprentissage fantôme »
parce qu'il change les règles
parce qu'il change les règles
et que l'étudiant pratique dans l'ombre.
07:18
and learner’s do it out of the limelight.
113
426125
2000
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
Et tout le monde laisse faire
parce que ça marche.
parce que ça marche.
Et ceux-là sont
les meilleurs des meilleurs.
les meilleurs des meilleurs.
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
Evidemment, ce n'est pas bien,
ni même viable.
ni même viable.
07:33
No one should have to risk getting fired
117
441708
2185
Personne ne devrait
risquer un licenciement,
risquer un licenciement,
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
pour apprendre ce qui est
nécessaire à son travail.
nécessaire à son travail.
07:38
But we do need to learn from these people.
119
446792
2056
Mais nous devons apprendre
de ces gens-là.
de ces gens-là.
Ils ont pris des risques pour apprendre.
07:41
They took serious risks to learn.
120
449917
2250
Ils ont compris qu'il leur fallait
tenter et se challenger au travail
tenter et se challenger au travail
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
afin de progresser
vers des tâches plus difficiles
vers des tâches plus difficiles
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
et de repousser leurs limites.
07:52
right near the edge of their capacity.
123
460083
1959
Ils se sont aussi assurés
d'avoir un expert non loin
d'avoir un expert non loin
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
pour les conseiller
ou éviter les catastrophes.
ou éviter les catastrophes.
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
Construisons cette combinaison
de pratique et conseil
de pratique et conseil
dans les IA !
08:04
into each AI implementation.
127
472708
2750
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
En voilà un exemple
découvert sur le terrain :
découvert sur le terrain :
08:12
Before robots,
129
480125
1226
avant les robots,
un démineur désarmait
un engin explosif en s'en approchant.
un engin explosif en s'en approchant.
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
Son élève se trouvait à 50 mètres,
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
et ne pouvait observer et aider
que si c'était sûr,
que si c'était sûr,
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
08:24
and invited them downrange.
133
492833
1417
et que le démineur l'y invitait.
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
Maintenant, ils sont côté à côté,
dans un camion blindé.
dans un camion blindé.
08:31
You both watched the video feed.
135
499125
1809
Ils regardent ensemble l'écran vidéo.
Ils contrôlent un robot à distance
et le maître explique à voix haute.
et le maître explique à voix haute.
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
Les élèves apprennent mieux
grâce aux robots.
grâce aux robots.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
Nous pouvons étendre cela à la chirurgie,
aux start-up, à la sécurité,
aux start-up, à la sécurité,
aux banques d'investissement,
les cours en ligne et au-delà.
les cours en ligne et au-delà.
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
La bonne nouvelle, c'est
que nous avons les outils pour ça.
que nous avons les outils pour ça.
Internet fait que nous n'avons pas besoin
d'un maître pour chaque étudiant,
d'un maître pour chaque étudiant,
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
ni qu'ils soient physiquement au même
endroit, ni même de la même organisation.
endroit, ni même de la même organisation.
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
On peut construire des IA pour aider :
09:01
And we can build AI to help:
143
529292
3041
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
pour coacher les élèves quand ils galèrent
ou coacher les maîtres qui enseignent,
ou coacher les maîtres qui enseignent,
et pour connecter
ces deux groupes intelligemment.
ces deux groupes intelligemment.
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
Il y des gens qui travaillent
sur de tels projets,
sur de tels projets,
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
mais ils sont surtout concentrés
sur l'apprentissage théorique.
sur l'apprentissage théorique.
Et le plus gros soucis est
l'apprentissage « sur le tas ».
l'apprentissage « sur le tas ».
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
09:24
We must do better.
149
552417
1851
Nous devons faire mieux.
09:26
Today’s problems demand we do better
150
554292
2583
Les problèmes actuels exigent
que nous fassions mieux.
que nous fassions mieux.
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
Que nous créions des tâches exploitant
toutes les incroyables capacités des IA,
toutes les incroyables capacités des IA,
09:35
while enhancing our skills as we do it.
152
563042
2750
tout en améliorant
nos propres compétences.
nos propres compétences.
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
C'est le genre d'avenir
dont je rêvais plus jeune.
dont je rêvais plus jeune.
09:41
And the time to create 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
(Applause)
156
573583
3625
(Applaudissements)
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt 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.
Matt Beane | Speaker | TED.com