Latest / Le centre de gravité / L’architecture d’un hold-up

Transcript

L’architecture d’un hold-up · Le centre de gravité

• 0:00
  Épisode l'architecture d'un hold-up chapitre un, le mythe de
• 0:04
  la salle de classe l'industrie de l'intelligence artificielle
• 0:08
  est aujourd'hui un Titan financier.
• 0:10
  Selon les estimations de l'université Stanford,
• 0:13
  l'entraînement de modèles comme GPT4A coûté plus de 100000000 de
• 0:15
  dollars et des entreprises comme open AI sont valorisées à des
• 0:19
  dizaines de milliards. Pourtant, le code source
• 0:21
  politique de cette industrie a été écrit il y a près de 70 ans
• 0:26
  par une poignée d'hommes. Face à une simple contrainte
• 0:30
  budgétaire. L'état supérieur de la faculté
• 0:33
  de mathématiques de Dartmouth Suffoque sous la chaleur de
• 0:36
  l'été 1956. L'histoire officielle à
• 0:37
  transformé cet endroit en un sanctuaire.
• 0:40
  Le récit universitaire veut qu'une poignée de pionniers,
• 0:43
  dont John McCarthy Marvin Minsky est le grand théoricien de
• 0:47
  l'information Claude Shannon, s'y soit réunie pour fonder la
• 0:50
  machine pensante dans un éclair de lucidité collective.
• 0:55
  La réalité est beaucoup plus pragmatique, ce groupe n'est pas
• 0:58
  un laboratoire serein, c'est un atelier expérimental sous
• 1:01
  pression. Quelques mois avant de se
• 1:02
  réunir, la Fondation Rockefeller, sollicitée pour
• 1:05
  financer l'événement, n'a accordé qu'une enveloppe
• 1:07
  partielle. Sans ce mécénat, le projet
• 1:10
  n'aurait jamais vu le jour. L'enjeu pour ces chercheurs
• 1:12
  n'est donc pas seulement philosophique, il s'agit
• 1:15
  d'exister institutionnellement. Il faut prouver que cette
• 1:17
  nouvelle discipline mérite d'être financée à l'avenir.
• 1:20
  L'intelligence artificielle n'est pas née d'une épiphanie
• 1:23
  mathématique isolée, elle a émergé avec la nécessité stricte
• 1:26
  d'attirer des capitaux pour survivre.
• 1:29
  Chapitre 2 un actif purement marketing avant d'être une
• 1:33
  science, l'intelligence artificielle fut un slogan, une
• 1:36
  étiquette posée sur un dossier pour séduire.
• 1:39
  John McCarthy est un chercheur ambitieux et il a un problème de
• 1:42
  taille. À l'époque, l'étude des machines
• 1:44
  et de la régulation est écrasée par un concept lourd, la
• 1:47
  cybernétique. Ce chant est fermement associé
• 1:50
  au puissant mathématicien Norbert Winner, dont la
• 1:52
  réputation intellectuelle vampirise l'attention et les
• 1:55
  crédits pour exister. McCarthy refusé de jouer un 2nd
• 1:58
  rôle. Il utilise alors une tactique
• 2:00
  classique plutôt que d affronter le leader sur son terrain.
• 2:03
  L'homme inventé un marché vierge.
• 2:05
  C'est lui qui propose l'expression intelligence
• 2:07
  artificielle pour baptiser. Le projet de Dartmouth ?
• 2:10
  Ce choix nominal est une manœuvre de contournement
• 2:13
  brillante en créant de toutes pièces une catégorie académique
• 2:16
  inédite axée non plus sur la régulation mais sur le
• 2:19
  raisonnement. Le groupe espère flécher les
• 2:21
  budgets fédéraux vers ses propres recherches sans devoir
• 2:24
  se justifier face aux anciens de la cybernétique.
• 2:26
  Le nom a été conçu pour isoler la discipline sur le marché
• 2:29
  impitoyable de la subvention. Chapitre 3, le braquage
• 2:33
  intellectuel. L'histoire officielle retient le
• 2:37
  nom des vainqueurs. Elle oublie les hommes de
• 2:39
  l'ombre dont les intuitions ont nourri la légende à.
• 2:42
  Dartmouth, on trouve le jeune prodige Marvin Minsky.
• 2:45
  Fort de ses travaux sur des réseaux de neurones primitifs,
• 2:47
  il croise la route d'un chercheur atypique nommé Ray
• 2:50
  Solomonov. Ce dernier pose les bases de
• 2:52
  l'Inférence inductive en cherchant comment une machine
• 2:55
  pourrait deviner la suite d'une série en privilégiant
• 2:58
  l'hypothèse la plus simple. C'est l'ancêtre conceptuel de
• 3:01
  l'apprentissage probabiliste et statistique, une vision
• 3:04
  entièrement fondée sur. Et les données ?
• 3:06
  Minsky comprend l'intérêt de cette approche, mais perçoit
• 3:09
  rapidement un immense problème pratique, le calcul probabiliste
• 3:13
  est extrêmement complexe à coder avec les ordinateurs à l'ambre
• 3:16
  de l'époque. Progressivement, minsky et ses
• 3:18
  pairs vont donc délaisser le chaos de l'apprentissage
• 3:20
  statistique pour embrasser l'i. A symbolique fait de règles
• 3:24
  logiques claires et rigides. Les fondateurs bâtiront
• 3:27
  l'essentiel de leur suprématie académique sur cette vision
• 3:29
  propre et rassurante, reléguant la mécanique de solomonov aux
• 3:33
  notes de bas de page. Chapitre 4, le piège de la
• 3:36
  démonstration face à un investisseur, la vérité
• 3:40
  scientifique pèse moins lourd qu'un tour de magie exécuté sans
• 3:43
  accroc. Pourquoi l'intuition statistique
• 3:45
  AT elle été massivement écartée à l'époque ?
• 3:48
  La réponse tient à la psychologie du sponsor.
• 3:51
  L'approche probabiliste tolère l'erreur, elle trébuche pour
• 3:54
  apprendre. Or, les chercheurs de l'époque
• 3:55
  devaient prouver que la machine fonctionnait immédiatement pour
• 3:58
  garantir leur budget. Le groupe va donc fuir
• 4:01
  l'incertitude du réel au profit d'environnements clos
• 4:04
  parfaitement simulables. À Dartmouth, Alan Newel et
• 4:07
  Herbert Simon apportent le prototype idéal, le Logic
• 4:10
  théoriste, un programme capable de prouver des théorèmes
• 4:13
  mathématiques étape par étape. L'analogie est cruelle, un
• 4:16
  algorithme statistique en phase d'apprentissage ressemble à un
• 4:19
  enfant qui hésite en public. Le Logic théoriste, lui, exécute
• 4:23
  une démonstration impeccable qui rassure l'acheteur
• 4:25
  instantanément. La logique symbolique s'impose
• 4:28
  car elle garantit un produit fini impossible à faire planter
• 4:31
  en direct. La méthode tenait parfaitement
• 4:33
  dans un rapport d'étape. Chapitre 5, l'assassinat du
• 4:37
  concurrent, quand on a imposé son standard, il faut s'assurer
• 4:41
  que personne ne propose d'alternative, quitte à détruire
• 4:43
  la carrière d'un rival. Fin des années 50, Franck
• 4:46
  Rosenblatt tente de faire survivre l'approche organique.
• 4:49
  Il invente le perceptron, une machine neuronale capable
• 4:52
  d'apprendre par essai et erreur. La presse s'enflamme, la Navy
• 4:56
  finance les recherches, mais Marvin minsky, devenue une
• 4:58
  figure institutionnelle au MIT, perçoit cette percée comme une
• 5:02
  menace directe. En 1969, le.
• 5:05
  Fondateur publie avec Seymour Papert 1£, sobrement intitulé
• 5:08
  Perceptron. Sous couvert de rigueur
• 5:10
  mathématique, l'ouvrage prend la forme d'une exécution en place
• 5:13
  publique. Les auteurs exposent les limites
• 5:15
  des réseaux de rosenblatt avec une telle férocité que
• 5:18
  l'industrie tarie instantanément les financements pour l'approche
• 5:20
  neuronale. Ce sabotage délibéré précipite
• 5:23
  le premier hiver de l'i. A en 1974, le clan symbolique
• 5:26
  verrouille le marché, condamnant l'apprentissage statistique à un
• 5:29
  exil scientifique de plusieurs décennies.
• 5:34
  Chapitre 6, le nom du volet, l'industrie actuelle utilise
• 5:38
  avec arrogance la mécanique qui fut méprisée par ses fondateurs.
• 5:42
  Ce besoin maladif de certitude logique a confisqué la
• 5:45
  trajectoire de l'industrie pour les décennies suivantes.
• 5:48
  En misant sur la rigidité, les pionniers ont fabriqué les
• 5:51
  fameux systèmes experts, des logiciels brillants en
• 5:53
  laboratoire mais incapables de digérer les nuances du monde
• 5:56
  extérieur. Le mur d'investissement a fini
• 5:59
  par se heurter au mur du réel, provoquant de sévères hivers
• 6:02
  technologiques en 60. 74, puis en 87.
• 6:05
  Il a fallu attendre 1/2 siècle pour que le marché reconnaisse
• 6:08
  silencieusement son erreur de conception.
• 6:10
  Aujourd'hui, les immenses modèles de langage comme GPT
• 6:13
  sont les héritiers conceptuels de l'intuition de Rey Solomonov.
• 6:16
  Ils prédisent la suite d'une séquence en s'appuyant sur des
• 6:19
  probabilités écrasantes et non sur des règles formelles.
• 6:22
  Lors d'une table ronde enregistrée en 2011, minsky lui
• 6:26
  même a fini par avouer, non sans amertume, que la discipline
• 6:29
  était revenue à l'apprentissage statistique aveugle.
• 6:32
  Mais l'histoire est cruelle. L'homme de l'ombre Reis olomonov
• 6:35
  a continué à travailler loin des grandes chaires.
• 6:38
  Il s'éteint en 2009, à peine 3 ans avant qu'une prouesse
• 6:41
  technique nommée Alex nait ne lance l'air de l'apprentissage
• 6:44
  profond, le fameux Deep learning, et ne prouve au monde
• 6:47
  entier qu'il avait toujours eu raison.
• 6:51
  Vous écoutiez l'architecture d'un hold-up, le hold-up
• 6:54
  académique de 1956A effacé 50 ans d'innovation.
• 6:56
  Les fondateurs ont raflé les crédits en vendant la
• 6:59
  technologie la plus rassurante au détriment de la plus juste.
• 7:02
  Le vol est aujourd'hui prescrit, mais c'est encore nous,
• 7:04
  utilisateurs de modèles financés par des milliards, qui en payons
• 7:07
  les intérêts. Merci d'avoir écouté jusqu'au
• 7:11
  bout. Si cet épisode vous a parlé,
• 7:13
  partagez le chapitre 5. L'assassinat du concurrent.
• 7:16
  Quand on a imposé son standard, il faut s'assurer que personne
• 7:19
  ne propose d'alternative, quitte à détruire la carrière d'un
• 7:22
  rival. Ce besoin maladif de certitude
• 7:24
  financière a confisqué la trajectoire de l'industrie pour
• 7:26
  les décennies suivantes en misant tout sur la rigidité des
• 7:29
  règles logiques pures, les pionniers ont fabriqué ce qu'on
• 7:32
  appellera les systèmes experts, des logiciels brillants dans une
• 7:35
  boîte fermée, mais totalement incapables de digérer les
• 7:38
  nuances du monde extérieur. Le mur d'investissement a fini
• 7:41
  par se heurter au mur du réel, provoquant de sévères hivers
• 7:44
  technologiques, d'abord en 74, puis en 87.
• 7:48
  Il aura fallu attendre 1/2 siècle pour que le marché
• 7:51
  reconnaisse silencieusement son erreur de conception.
• 7:54
  Aujourd'hui, les immenses modèles de langage comme GPT,
• 7:57
  qui pilotent la valorisation boursière mondiale, sont les
• 8:00
  héritiers conceptuels directs de ce que Rey solomonov exigé à
• 8:04
  Dartmouth. Ils prédisent la suite d'une
• 8:06
  séquence en s'appuyant sur des probabilités écrasantes.
• 8:09
  Et non sur des règles logiques. Lors d'une table ronde
• 8:12
  enregistrée en 2011, minsky lui même a fini par avouer, non sans
• 8:16
  amertume, que la discipline était revenue à l'apprentissage
• 8:19
  statistique aveugle. Mais l'histoire est cruelle.
• 8:22
  Rey solomonov, l'homme de l'ombre, a continué à travailler
• 8:25
  loin des grandes chaires. Il est mort en 2009, à peine 3
• 8:29
  ans avant que l'émergence du Deep learning ne prouve au monde
• 8:31
  entier qu'il avait toujours eu raison.
• 8:34
  Quand un marché naissant valide un standard, il sélectionne
• 8:36
  rarement le plus robuste à long terme.
• 8:39
  Il choisit celui qui garantit la survie immédiate de ses
• 8:41
  fondateurs. Ce braquage académique à un prix
• 8:44
  vertigineux. Nous avons perdu 50 ans
• 8:46
  d'innovation parce qu'en 1956, l'intelligence statistique était
• 8:49
  une mécanique beaucoup trop sale pour rassurer un banquier.
• 8:57
  Vous écoutiez l'architecture d'un hold-up.
• 8:59
  Le vol est aujourd'hui prescrit, mais c'est encore nous qui en
• 9:02
  payons les intérêts. Merci d'avoir écouté jusqu'au
• 9:05
  bout. Si cet épisode vous a parlé,
• 9:07
  partagez le.