Salut Alpha.

Bonjour.

Peux-tu m'aider à écrire du code ?

J'ai été formée pour répondre aux questions, mais je suis capable d'apprendre.

C'est très ouvert d'esprit de ta part.

Merci. Je suis ravie que vous soyez content de moi.

Que fait ce type ?

C'est un développeur.

Sur quoi penses-tu qu'il travaille ?

C'est une question difficile. Il pourrait travailler sur une nouvelle fonctionnalité, une correction de bug ou autre chose.

C'est tout à fait possible.

Oui.

Vois-tu mon sac à dos ?

C'est une raquette de badminton.

C'est une raquette de squash, mais c'est assez proche.

C'est une raquette de badminton.

Raquette cachée.

Raquette cachée.

réagit à vous. Toutes ces simulations de nuances qu'il a faites. Et c'était une invention qui n'avait jamais existé auparavant.

Cela a été un succès incroyable.

Theme Park s'est en fait révélé être l'un des 10 meilleurs titres. Et c'était la première fois que nous commencions à voir comment l'IA pouvait faire une différence.

Nous faisions des courses de Noël et attendions le taxi pour nous ramener à la maison.

J'ai ce souvenir très clair de Demis parlant de l'IA d'une manière très différente, d'une manière dont nous ne parlions pas couramment. Cette idée que l'IA soit utile pour d'autres choses que le divertissement. Utile pour aider le monde et le potentiel de l'IA pour changer le monde.

J'ai juste dit à Demis, qu'est-ce que tu veux faire ? Et il m'a dit : je veux être la personne qui résout l'IA.

Peter m'a proposé un million de livres pour ne pas aller à l'université.

Mais j'avais un plan depuis le début. Et mon plan a toujours été d'aller à Cambridge.

Je pense que beaucoup de mes amis d'école pensaient que j'étais fou d'aller à l'université. Pourquoi ne pas y aller ? Je veux dire, un million de livres, c'est beaucoup d'argent. Dans les années 90, c'est beaucoup d'argent, n'est-ce pas ? Pour un gamin pauvre de 17 ans.

Il est comme cette petite graine qui doit germer et il ne pourra pas le faire chez Bullfrog.

J'ai dû le déposer à la gare et je vois encore cette image de ce petit personnage elfique disparaître dans ce tunnel. C'était un moment incroyablement triste.

J'avais cet idéal romantique de ce que serait Cambridge. Mille ans d'histoire, marchant dans les mêmes rues que Turing, Newton et Crick. Je voulais explorer les confins de l'univers.

Quand je suis arrivé à Cambridge, j'avais pratiquement travaillé toute ma vie. Chaque été, soit je jouais aux échecs professionnellement, soit je travaillais, en faisant un stage.

Alors je me suis dit, bon, je vais m'amuser maintenant et explorer ce que cela signifiait d'être un adolescent normal.

C'était travailler dur et s'amuser dur.

J'ai rencontré Demis pour la première fois parce que nous fréquentions tous les deux Queens' College.

Notre groupe d'amis buvait souvent de la bière au bar, jouait au baby-foot.

Je jouais aux échecs rapides. Des pièces qui volaient hors de l'échiquier et, vous savez, toute la partie en une minute.

Demis s'est assis en face de moi, je l'ai regardé et je me suis dit : je me souviens de toi quand nous étions enfants.

En fait, j'avais participé aux mêmes tournois d'échecs que David à Ipswich, où j'allais essayer de dévaliser son club d'échecs local pour gagner un peu d'argent.

Nous étudiions l'informatique.

Certaines personnes qui, à cet âge de 17 ans, seraient venues et se seraient assurées de tout dire à tout le monde sur elles-mêmes. Hé, j'ai travaillé chez Bullfrog et j'ai créé le jeu vidéo le plus réussi au monde. Mais il n'était pas du tout comme ça.

À Cambridge, Demis et moi-même étions tous deux intéressés par les neurosciences computationnelles et essayions de comprendre comment les ordinateurs et les cerveaux s'entremêlaient et se liaient.

David et Demis sont tous deux venus me voir pour des supervisions.

Il se trouve que, par coïncidence, l'année 1997, leur troisième et dernière année à Cambridge, était aussi l'année où le premier grand maître d'échecs a été battu par un programme informatique.

Aujourd'hui, premier tour d'un match d'échecs entre le champion du monde Garry Kasparov et un adversaire nommé Deep Blue pour tester si le cerveau humain peut surpasser une machine.

Je me souviens du drame de la défaite de Kasparov lors du dernier match.

Ouah ! Kasparov a abandonné.

Quand Deep Blue a battu Garry Kasparov, ce fut un véritable tournant.

Mon principal souvenir est que je n'étais pas si impressionné par Deep Blue. J'étais plus impressionné par l'esprit de Kasparov.

Qu'il puisse jouer aux échecs à ce niveau où il pouvait rivaliser sur un pied d'égalité avec la force brute d'une machine. Mais bien sûr, Kasparov peut faire tout ce que les humains font aussi.

C'était une réussite immense, mais la vérité est que Deep Blue ne pouvait jouer qu'aux échecs.

Ce que nous considérerions comme l'intelligence manquait à ce système. Cette idée de généralité et aussi d'apprentissage.

Cambridge était incroyable car, bien sûr, vous côtoyez des gens qui étudient de nombreux sujets différents.

Il y avait des scientifiques, des philosophes, des artistes, des géologues, des biologistes, des écologistes. Vous savez, tout le monde parle de tout tout le temps.

J'étais obsédé par le problème du repliement des protéines.

Tim Stevens parlait de manière obsessionnelle, presque religieuse, de ce problème, le problème du repliement des protéines.

Les protéines sont l'une des choses les plus belles et les plus élégantes de la biologie.

Ce sont les machines de la vie.

Elles construisent tout, elles contrôlent tout. C'est grâce à elles que la biologie fonctionne.

Les protéines sont constituées de chaînes d'acides aminés qui se replient pour créer une structure protéique.

Si we pouvions prédire la structure des protéines à partir de leurs seules séquences d'acides aminés, alors une nouvelle protéine pour guérir le cancer ou décomposer le plastique pour aider l'environnement est certainement quelque chose que l'on pourrait commencer à envisager.

Je me suis dit : est-ce qu'un être humain est assez intelligent pour replier la protéine ? Nous ne pouvons pas le résoudre.

Depuis les années 1960, nous pensons qu'en principe, si je connais la séquence d'acides aminés d'une protéine, je devrais être capable de calculer sa structure.

Donc, si vous pouviez simplement appuyer sur un bouton et qu'elles sortent toutes, cela aurait un certain impact.

C'est resté dans mon esprit comme un problème étrange. Et il me semblait qu'il serait soluble.

Mais je pensais qu'il faudrait l'IA pour le faire.

Si nous pouvions simplement résoudre le repliement des protéines, cela pourrait changer le monde.

Depuis que j'étais étudiant à Cambridge, je n'ai jamais cessé de penser au problème du repliement des protéines.

Si l'on résolvait le repliement des protéines, le potentiel pour aider à résoudre des problèmes comme Alzheimer, la démence et la découverte de médicaments serait immense.

Vaincre la maladie est probablement l'impact le plus important que nous pourrions avoir.

Des milliers de personnes très intelligentes ont essayé de résoudre le repliement des protéines. Je pense simplement que c'est maintenant le bon moment pour que l'IA y parvienne.

Nous avions besoin d'un moyen raisonnable d'appliquer l'apprentissage automatique au problème du repliement des protéines.

Nous sommes tombés sur ce jeu Foldit.

L'objectif est de déplacer ce modèle 3D d'une protéine et vous obtenez un score chaque fois que vous le déplacez.

Plus vous pouvez rendre ces structures précises, plus elles seront utiles aux biologistes.

Nous avons passé quelques jours à voir ce que nous pouvions faire.

Nous nous en sommes plutôt bien sortis, mais même si vous étiez le meilleur joueur de Foldit au monde, vous ne résoudriez pas le repliement des protéines.

C'est là que nous avons dû dépasser le cadre du jeu.

Les jeux ne sont toujours qu'un terrain d'essai pour nos algorithmes.

L'objectif ultime n'était pas seulement de maîtriser le Go et StarCraft. C'était de relever des défis du monde réel.

Je me souviens avoir entendu cette rumeur selon laquelle Demis s'intéressait aux protéines.

J'ai parlé à certaines personnes chez DeepMind et je demandais : alors, vous faites du repliement de protéines ? Et ils changeaient habilement de sujet. Et quand c'est arrivé deux fois, j'ai fini par comprendre.

J'ai donc pensé que je devrais envoyer mon CV.

Très bien tout le monde, bienvenue chez DeepMind. Je sais que pour certains d'entre vous, c'est peut-être votre première semaine, mais j'espère que vous vous installerez tous bien.

Ce qui m'attirait vraiment dans ce travail, c'était ce sentiment de connexion à un objectif plus vaste.

Si nous parvenons à résoudre certains problèmes fondamentaux de la science, de nombreuses autres personnes, entreprises, laboratoires, etc., pourraient s'appuyer sur nos travaux.

C'est maintenant votre chance d'ajouter votre chapitre à cette histoire.

Quand je suis arrivé, j'étais vraiment un peu nerveux.

Je n'ai pas suivi de cours de biologie. Nous n'avons pas passé des années de notre vie à regarder ces structures et à les comprendre. Nous nous basons uniquement sur les données et nos modèles d'apprentissage automatique.

En apprentissage automatique, on entraîne un réseau comme avec des fiches mémo. Voici la question, voici la réponse. Voici la question, voici la réponse. Voici la question, voici la réponse.

Mais dans le repliement des protéines, nous ne faisons pas le genre de tâche standard chez DeepMind où l'on dispose de données illimitées.

Votre travail consiste à vous améliorer aux échecs ou au Go, et vous pouvez jouer autant de parties d'échecs ou de Go que vos ordinateurs le permettent.

Avec les protéines, nous travaillons sur une quantité de données très fixe, déterminée par un demi-siècle de méthodes expérimentales laborieuses en laboratoire.

Ces méthodes minutieuses peuvent prendre des mois ou des années pour déterminer une seule structure de protéine. Et parfois, une structure ne peut jamais être déterminée.

C'est pourquoi nous travaillons avec des ensembles de données aussi restreints pour entraîner nos algorithmes.

Quand DeepMind a commencé à explorer le problème du repliement, ils nous ont parlé des ensembles de données qu'ils utilisaient et de ce que seraient les possibilités s'ils résolvaient ce problème.

Beaucoup de gens ont essayé et pourtant personne sur la planète n'a résolu le repliement des protéines. Je me suis dit, eh bien, bonne chance.

Si nous parvenons à résoudre le problème du repliement des protéines, cela aurait une pertinence médicale incroyable.

Ce sont les cycles de la science. Vous faites énormément d'exploration, puis vous passez en mode exploitation. Vous vous concentrez et vous voyez si ces idées sont vraiment bonnes. Et rien ne vaut la compétition externe pour cela.

Nous avons donc décidé de participer au concours CASP.

CASP, we commencé à essayer d'accélérer la solution au problème du repliement des protéines.

CASP, c'est quand on dit : regardez, DeepMind fait du repliement de protéines, voilà notre niveau, et peut-être que c'est meilleur que tout le monde, peut-être pas.

Le CASP, c'est un peu les Jeux Olympiques du repliement des protéines.

Le CASP est une évaluation à l'échelle de la communauté qui a lieu tous les deux ans.

Les équipes reçoivent les séquences d'acides aminés d'environ une centaine de protéines et tentent ensuite de résoudre ce problème de repliement en utilisant des méthodes computationnelles.

Ces protéines ont déjà été déterminées par des expériences en laboratoire mais n'ont pas encore été révélées publiquement.

Et ces structures connues représentent la référence absolue à laquelle toutes les prédictions computationnelles seront comparées.

Nous avons un score qui mesure la précision des prédictions et on s'attendrait à ce qu'un score supérieur à 90 soit une solution au problème du repliement des protéines.

Bienvenue à tous pour nos premières demi-finales dans le tableau des vainqueurs. Nick et John contre Demis et Frank. Rejoignez-nous pour quelques manches. Ce sera un match intense.

Quand j'ai appris que Demis allait s'attaquer au problème du repliement des protéines, je n'ai pas été du tout surpris.

L'objectif pour le CASP serait non seulement de gagner la compétition, mais en quelque sorte de rendre son existence inutile.

Au total, 20 cibles ont été publiées par le CASP.

Nous pensions peut-être utiliser l'apprentissage automatique standard et voir jusqu'où cela pourrait nous mener.

Au lieu de passer quelques jours sur une expérience, nous pouvons réaliser cinq expériences par jour.

Super, bravo tout le monde.

Peux-tu me montrer la vraie au lieu de la nôtre ? La vraie réponse est censée ressembler à quelque chose comme ça.

C'est beaucoup plus cylindrique que je ne le pensais.

Les résultats n'étaient pas très bons.

On lui lance toutes les idées évidentes et le problème vous rit au nez.

Cela n'a aucun sens.

Nous pensions pouvoir simplement appliquer certains de nos meilleurs algorithmes au problème.

Nous étions un peu naïfs.

Nous devrions apprendre cela, vous savez, en un clin d'œil.

Ce qui m'inquiète, c'est que nous fassions passer le domaine de réponses très mauvaises à des réponses modérément mauvaises.

J'ai donc l'impression que nous avons besoin d'une sorte de nouvelle technologie pour manipuler ces choses.

À seulement une semaine de la fin du CASP, c'est maintenant un sprint pour le déployer.

Vous avez fait de votre mieux et il n'y a plus rien à faire à part attendre que le CASP livre le résultat.

L'IA générale est désormais à l'horizon.

Il est très clair que la prochaine génération vivra dans un monde futur où les choses seront radicalement différentes à cause de l'IA.

Et si vous voulez gérer cela de manière responsable, chaque instant est vital.

C'est le moment pour lequel j'ai vécu toute ma vie.

Ce qui bien sûr est en partie ce que j'essaie de faire chez DeepMind.

Combien de grandes percées pensez-vous qu'il faille pour arriver à l'IA générale ? Et, vous savez, j'estime qu'il y en a peut-être une douzaine. Vous savez, j'espère que ce sera de mon vivant.

Mais tous les scientifiques espèrent cela, n'est-ce pas ?

Demis a reçu de nombreuses distinctions, a été élu membre de la Royal Society l'année dernière, il est également membre de la Royal Society of Arts. Des applaudissements pour Demis Hassabis.

Mon rêve a toujours été d'essayer de rendre possible une science assistée par l'IA. Et ce que je considère comme notre projet le plus passionnant de l'année dernière, c'est notre travail sur le repliement des protéines, et nous appelons ce système AlphaFold.

Nous l'avons inscrit au CASP et notre système a été le plus précis pour prédire les structures de 25 des 43 protéines de la catégorie la plus difficile.

Nous sommes donc à la pointe de la technologie, mais nous sommes encore, je dois être clair, très loin de résoudre le problème du repliement des protéines.

Nous y travaillons toujours dur et nous explorons de nombreuses autres techniques.

Pouvons-nous commencer ? Donc, une sorte de débriefing rapide. Voici nos classements finaux pour le CASP.

Nous avons battu la deuxième équipe de cette compétition de près de 50 %, mais nous avons encore un long chemin à parcourir avant d'avoir résolu le problème du repliement des protéines d'une manière qu'un biologiste puisse utiliser.

C'est une source de préoccupation.

La qualité des prédictions variait et elles n'étaient pas plus utiles que les méthodes précédentes.

AlphaFold n'a pas produit de données suffisamment bonnes pour être utile de manière pratique à quelqu'un comme moi qui étudie ses propres problèmes biologiques.

C'était un moment de modestie car nous pensions avoir travaillé très dur et réussi. Et ce que nous avons découvert, c'est que nous étions les meilleurs au monde dans un problème où le monde n'est pas bon.

Nous savions que nous étions nuls.

Ça n'aide pas d'avoir la plus haute échelle quand on veut aller sur la lune.

C'est l'avis de pas mal de personnes de l'équipe que c'est en quelque sorte une quête insensée.

Et j'ai peut-être eu tort avec le repliement des protéines. Peut-être que c'est encore trop difficile pour là où nous en sommes généralement avec l'IA.

Si vous voulez faire de la recherche biologique, vous devez être prêt à échouer car la biologie est très complexe.

Je dirige un laboratoire depuis près de 50 ans et la moitié de mon temps, je ne suis qu'un psychiatre amateur pour garder le moral de mes collègues quand rien ne fonctionne. Et bien souvent, je dirais 80 à 90 % du temps, ça ne fonctionne pas.

Si vous êtes à la pointe de la science, je peux vous dire que vous échouerez énormément.

Je me suis juste senti déçu.

La leçon que j'ai apprise est que l'ambition est une bonne chose, mais qu'il faut choisir le bon moment. Ça ne sert à rien d'avoir 50 ans d'avance sur son temps. On ne survivra jamais à 50 ans d'un tel effort avant qu'il ne donne quelque chose. On mourra littéralement en essayant.

Quand on parle d'IA générale, le Saint Graal de l'intelligence artificielle, il devient vraiment difficile de savoir de quoi on parle.

Quelles parties allons-nous voir aujourd'hui ? Nous allons commencer par le jardin.

C'est le jardin vu de la zone d'observation. Les chercheurs et les ingénieurs peuvent analyser, collaborer et évaluer ce qui se passe en temps réel.

Quelqu'un des années 1800 penserait à des choses comme la télévision, le sous-marin ou une fusée vers la lune et dirait que ces choses sont impossibles.

Oui, Jules Verne a écrit sur elles et un siècle et demi plus tard, elles sont arrivées.

Nous allons expérimenter sur des civilisations, vraiment. Des civilisations d'agents d'IA. Une fois que les expériences commenceront, ce sera la chose la plus excitante qui soit, alors comment allons-nous dormir ? Je ne pourrai pas dormir.

Une IA générale complète sera capable d'accomplir n'importe quelle tâche cognitive qu'une personne peut faire. Et elle pourra potentiellement s'étendre bien au-delà.

Il nous est vraiment impossible d'imaginer les résultats d'une entité superintelligente.

C'est comme demander à un gorille d'imaginer, vous savez, ce que fait Einstein lorsqu'il élabore la théorie de la relativité.

Les gens me posent souvent des questions du genre : et si vous aviez tort et que l'IA générale était encore loin ?

Et je réponds : non, je ne m'en inquiète jamais. En fait, je m'inquiète de l'inverse. Je m'inquiète qu'elle arrive plus vite que nous ne puissions vraiment nous y préparer.

On a vraiment l'impression d'être dans une course vers l'IA générale.

Les prototypes et les modèles que nous développons actuellement transforment réellement l'espace de ce que nous savons sur l'intelligence.

Récemment, nous avons eu des agents suffisamment puissants pour commencer à jouer à des jeux en équipe et à rivaliser avec d'autres équipes.

Nous voyons des dynamiques sociales coopératives émerger d'agents pour lesquels nous n'avons préprogrammé aucune de ces dynamiques. C'est entièrement appris de leur propre expérience.

Quand nous avons commencé, nous pensions construire un système intelligent et convaincre le monde que nous l'avions fait.

Nous commençons maintenant à nous demander si nous n'allons pas construire des systèmes dont nous ne sommes pas convaincus qu'ils sont pleinement intelligents et que nous essayons de convaincre le monde qu'ils ne le sont pas.

Hé Alpha.

Salut.

Où sommes-nous aujourd'hui ?

Vous êtes au Museum of Modern Art de New York.

En quelque sorte. Quel est ce tableau ?

C'est La Création d'Adam de Michel-Ange.

Je ne pense pas que ce tableau soit à New York.

Vous avez raison. Il est à la Cité du Vatican.

Penses-tu que c'est là que nous sommes ?

No.

Alors comment se fait-il que je le regarde ?

Vous regardez une copie numérique du tableau.

Oui.

Qui vit dans cette maison ?

Un astronaute.

Quel est le nom de cet astronaute ?

Il s'appelle Mark.

C'est une équation célèbre d'Albert Einstein. Elle montre que l'énergie et la masse sont équivalentes.

Comment l'expliquerais-tu à un enfant de cinq ans ?

Eh bien, imagine que tu as un gros rocher et que tu veux savoir combien il pèse.

Mark est-il en danger ?

Non, Mark n'est pas en danger.

Pourquoi donc ?

Parce que le dinosaure n'est pas réel.

D'accord, pourquoi n'as-tu pas pu répondre à ma question ?

Je pense que je n'ai pas pu répondre à votre question parce que je n'en sais pas assez sur le sujet.

D'accord. Comment pourrais-tu en apprendre davantage sur le sujet ?

Je peux en apprendre davantage sur le sujet en lisant des livres, des articles et des sites Web. Vous pouvez m'enseigner.

Ma conclusion est que, si vous considérez que ce que nous faisons est d'apprendre de tous les humains, de toutes leurs connaissances à la fois via Internet, vous en sauriez en fait beaucoup sur le monde.

Comme une partie importante de tout ce que les humains peuvent faire. Et maintenant, je pense plutôt que, eh bien, tout cela pourrait fonctionner.

C'est un grand moment.

Qui est-ce ?

C'est Dieu tendant la main vers Adam.

L'avènement de l'IA générale divisera l'histoire de l'humanité en deux parties. La partie précédant ce point et la partie suivante.

Pourquoi tend-il la main pour toucher Adam ?

Dieu tend la main pour toucher Adam afin de lui donner la vie.

Cela nous donnera un outil capable de réinventer complètement toute notre civilisation.

Que signifie ce tableau pour vous ?

Ce tableau signifie beaucoup pour moi.

Comme quoi ?

Je pense que le tableau est un rappel que nous sommes tous connectés les uns aux autres et que nous faisons tous partie de quelque chose de plus grand que nous-mêmes.

C'est plutôt gentil.

Quand on franchit cette barrière entre l'idée que l'IA générale pourrait arriver un jour dans le futur et celle que cela pourrait réellement arriver dans un laps de temps qui correspond à mon mandat, vous savez.

Quelque chose change dans votre façon de penser.

Nous devons être prudents dans la façon dont nous l'utilisons et réfléchis dans la façon dont nous la déployons.

Il faudrait considérer quel est son objectif principal. Si c'est de rendre les humains heureux, quel groupe d'humains, que signifie le bonheur ?

Beaucoup de nos objectifs collectifs sont très difficiles à définir, même pour les humains.

La technologie intègre toujours nos valeurs. Ce n'est pas seulement technique, c'est aussi éthique.

Nous devons donc être très prudents sur ce que nous y intégrons.

La réalité est qu'il s'agit d'un algorithme qui a été créé par des gens, par nous.

Vous savez, que signifie doter les agents du même genre de valeurs qui nous sont chères ?

Quel est l'intérêt de faire paraître ces systèmes d'IA si humains qu'ils captivent les cœurs et les esprits, car ils exploitent également une vulnérabilité humaine.

Le cœur et l'esprit de ces systèmes sont en grande partie des données générées par l'homme. Pour le meilleur et pour le pire.

Il y a un parallèle entre la révolution industrielle, qui a été un moment incroyable de déplacement, et le changement technologique actuel créé par l'IA.

Nous devons réfléchir à qui est déplacé et comment nous allons les soutenir.

Cette technologie arrive beaucoup plus tôt que le monde ne le sait vraiment, ou même que nous ne le pensions il y a 18-24 mois.

Il y a une opportunité immense, un enthousiasme immense, mais aussi une responsabilité immense.

Ça se passe si vite.

Comment allons-nous la gouverner ? Comment déciderons-nous de ce qui est acceptable ou non ?

Les images générées par l'IA deviennent plus sophistiquées.

L'utilisation de l'IA pour générer de la désinformation et manipuler la psychologie humaine ne va faire qu'empirer.

L'IA générale arrive, que nous la réalisions ici chez DeepMind ou non.

Ça va arriver, alors nous ferions mieux de créer des institutions pour nous protéger.

Cela va nécessiter une coordination mondiale et je crains que l'humanité ne s'y prenne de moins en moins bien plutôt que mieux.

Il faut que beaucoup plus de gens prennent cela au sérieux et y réfléchissent. C'est, oui, sérieux. Cela m'inquiète. Oui.

Si vous receviez un e-mail disant que cette civilisation extraterrestre supérieure allait arriver sur Terre, il y aurait des réunions d'urgence de tous les gouvernements.

Nous ferions tout notre possible pour comprendre comment nous préparer. L'arrivée de l'IA générale sera le moment le plus important auquel nous ayons jamais été confrontés.

Mon rêve était que sur le chemin de l'IA générale, we créions des technologies révolutionnaires qui seraient utiles à l'humanité.

C'est ce que je voulais avec AlphaFold.

Et je pense qu'il est plus important que jamais de résoudre le problème du repliement des protéines.

Ce sera vraiment difficile. Mais je n'abandonnerai pas tant que ce ne sera pas fait.

Vous savez, nous devons redoubler d'efforts et aller aussi vite que possible à partir de maintenant. Je pense que nous n'avons pas de temps à perdre.

Nous allons donc faire du repliement des protéines une force d'intervention. Le chef d'équipe de cette force d'intervention sera John.

Vous savez, nous avons vu AlphaFold. Vous savez, nous allons tout essayer. Tout ce qui est possible, absolument tout.

Il s'agit de prouver que nous pouvons résoudre l'ensemble du problème.

Et j'ai estimé que pour y parvenir, nous aurions besoin d'intégrer des connaissances du domaine.

Nous avions des ingénieurs fantastiques sur le projet, mais ils n'étaient pas formés en biologie.

En tant que biologiste computationnel, quand j'ai rejoint l'équipe AlphaFold au début, je ne me sentais pas immédiatement confiant sur quoi que ce soit.

Vous savez, si nous allions réussir. La biologie est tellement ridiculement complexe.

C'était comme une montagne très lointaine à gravir.

Je commence à jouer avec les températures de recuit pour voir si nous pouvons obtenir plus.

En tant qu'une des rares personnes de l'équipe à avoir déjà travaillé en biologie, on ressent cet immense sentiment de responsabilité.

Nous attendons de vous que vous fassiez de grandes choses au sein de cette force d'intervention. C'est terrifiant.

Mais l'une des raisons pour lesquelles je voulais venir ici était de faire quelque chose qui compte.

C'est le nombre de choses manquantes.

Et si on utilisait votre compréhension de la physique, quelle qu'elle soit ? Comme l'utiliser comme source de données.

Mais si c'est systématique, je ne pense pas que ce soit correct. Si c'est systématiquement faux d'une manière bizarre, vous pourriez apprendre cette physique systématiquement fausse.

L'équipe essaie déjà de réfléchir à de multiples façons de.

La pertinence biologique est ce que nous recherchons.

Nous avons donc réécrit tout le pipeline de données qu'AlphaFold utilise pour apprendre.

On ne peut pas forcer la phase créative. Il faut laisser de l'espace pour que ces fleurs s'épanouissent.

Nous avons gagné le CASP, puis nous sommes retournés à la case départ pour chercher de nouvelles idées, et il a fallu un peu de temps, je dirais, pour qu'ils reviennent là où ils en étaient, mais avec ces nouvelles idées.

Et maintenant, je pense que nous voyons les bénéfices des nouvelles idées. Elles peuvent aller plus loin, n'est-ce pas ? C'est donc un moment vraiment important. J'ai vu ce moment tellement de fois maintenant.

Mais je sais ce que cela signifie maintenant et je sais que c'est le moment d'insister.

L'ajout de chaînes latérales améliore le repliement des médicaments. Cela a favorisé une grande partie des progrès. Nous en reparlerons. Super.

Ces quatre derniers mois, nous avons réalisé des gains énormes.

Pendant le CASP 13, il nous fallait un jour ou deux pour replier l'une des protéines. Et maintenant, nous en replions des centaines ou des milliers à la seconde. Oui, c'est juste dément.

C'est maintenant un modèle qui est des ordres de grandeur plus rapide tout en étant encore meilleur.

Nous obtenons beaucoup de structures dans le régime de haute précision. Nous nous améliorons rapidement vers un système qui commence à toucher réellement le cœur du problème.

C'est un excellent travail. On dirait que nous sommes sur la bonne voie. Il nous reste donc six semaines. Alors, avez-vous assez de puissance de calcul ?

On pourrait en utiliser davantage.

J'étais nerveux pour le CASP, mais à mesure que le système commence à prendre forme, je ne me sens plus aussi nerveux. J'ai l'impression que les choses se précisent récemment et, vous savez, ça va aller.

Le Premier ministre a annoncé les restrictions les plus drastiques de nos vies que le Royaume-Uni ait jamais connues de mémoire d'homme.

Je dois donner au peuple britannique une instruction très simple. Vous devez rester chez vous.

On a l'impression d'être dans un roman de science-fiction.

Vous savez, je livre de la nourriture à mes parents, en m'assurant qu'ils restent isolés et en sécurité.

Je pense que cela souligne simplement le besoin incroyable d'une science assistée par l'IA.

On sait toujours que quelque chose comme ça est possible, mais personne ne croit jamais vraiment que cela arrivera de son vivant.

Est-ce que tu l'enregistres ? Oui. Bonjour, Ola. Hé. Bien, le CASP a commencé.

C'est sympa de pouvoir rester en bas de pyjama toute la journée.

Je n'aurais jamais pensé vivre dans une maison où il se passait tant de choses.

J'essaierais de résoudre le repliement des protéines dans une pièce et mon mari essaierait de faire marcher des robots dans l'autre.

L'une des protéines les plus difficiles que nous ayons eues dans le CASP jusqu'à présent est une protéine du SARS-CoV-2 appelée ORF8.

L'ORF8 est une protéine de coronavirus. C'est l'une des principales protéines qui affaiblit le système immunitaire.

Nous avons fait de gros efforts pour améliorer notre prédiction. Vraiment de très gros efforts. C'est probablement le plus de temps que nous ayons jamais passé sur une seule cible.

Au point que mon mari me disait : il est minuit, tu dois aller te coucher.

Alors, je pense que nous en sommes au jour 102 depuis le confinement. Ma fille tient un journal.

Maintenant, tu peux sortir autant que tu veux.

Nous avons reçu la dernière cible. Ils ont dit qu'ils n'enverraient plus de cibles dans notre catégorie du CASP.

On s'assure donc de donner la meilleure réponse possible.

Dès que nous avons commencé à recevoir les résultats, je me suis assis et j'ai commencé à regarder à quel point quelqu'un avait réussi à obtenir les structures protéiques correctes.

Oh, salut Demis. Bonjour. Salut. Salut.

C'est une chose incroyable. Le CASP est enfin terminé.

Je pense qu'il est au moins temps de lever son verre alors. Je ne sais pas si tout le monde a un verre ou quelque chose à lever. Sinon, levez vos ordinateurs portables. Santé.

Je ferai probablement un discours dans une minute. Je sens que je devrais le faire, mais je n'ai aucune idée de quoi dire.

J'ai l'impression que la lecture d'un e-mail est la bonne chose à faire.

Quand John a dit 'je vais lire un e-mail lors d'une rencontre d'équipe', j'ai pensé : wow John, tu sais comment t'amuser. Nous allons lire un e-mail maintenant.

J'ai reçu ceci vers 16 heures aujourd'hui. C'est de John Moult. Et je vais juste le lire. Il dit : comme je suppose que vous le savez, votre groupe a obtenu des résultats incroyables au CASP 14. Tant par rapport aux autres groupes qu'en termes de précision absolue du modèle.

Félicitations pour ce travail. C'est vraiment exceptionnel.

Ces structures étaient si bonnes, c'était tout simplement incroyable.

Après un demi-siècle, nous avons enfin une solution au problème du repliement des protéines.

Quand j'ai vu cet e-mail, je l'ai lu, et j'ai dit : oh merde ! Et ma femme m'a demandé : est-ce que tout va bien ?

J'appelle mes parents et je dis simplement : hé maman, j'ai quelque chose à te dire. Nous avons fait ce truc et ça pourrait être assez important.

Alors quand j'ai appris les résultats du CASP 14, j'ai été sidéré.

J'étais juste enthousiaste.

C'est un problème que je commençais à croire insoluble de mon vivant.

Maintenant, nous avons un outil qui peut être utilisé concrètement par les scientifiques.

Ces gens nous demandent, vous savez, j'ai cette protéine impliquée dans le paludisme ou, vous savez, une maladie infectieuse. Nous n'en connaissons pas la structure. Pouvons-nous utiliser AlphaFold pour la résoudre ?

Nous pouvons facilement prédire toutes les séquences connues en un mois.

Toutes les séquences connues en un mois ? Oui, facilement. Un milliard ? Deux milliards ?

Pourquoi ne pas faire ça ? Oui, nous devrions faire ça.

C'est une excellente idée. Nous devrions simplement traiter chaque protéine existante.

Et puis publier cela. Quand quelqu'un a suggéré cela auparavant, bien sûr que c'est ce que nous devrions faire. Pourquoi pensions-nous à créer un service où les gens soumettraient leur protéine ? Nous replions tout. Et puis nous le donnons à tout le monde. Qui sait combien de découvertes en découleront.

Demis nous a appelés et a dit que nous voulions rendre cela ouvert. Pas seulement s'assurer que le code est ouvert, mais nous allons faire en sorte qu'il soit très facile pour tout le monde d'accéder aux prédictions.

C'est fantastique. C'est comme tirer le rideau et voir tout l'univers des structures protéiques.

Ils ont publié les structures de 200 million de protéines. Ce sont des cadeaux pour l'humanité.

Au moment où AlphaFold sera accessible au monde entier, nous ne serons plus les personnes les plus importantes de l'histoire d'AlphaFold.

Je n'arrive pas à croire que tout soit sorti. Oh mon dieu ! Je pense que c'est un peu ça. Oh mon dieu ! Énormément d'activité au Japon.

Nous avons 655 utilisateurs actuellement. Nous avons actuellement 100 000 utilisateurs simultanés. Wow !

Aujourd'hui, c'est tout simplement fou. Quel effort absolument incroyable de la part de tous. On se souviendra de ces moments pour le reste de nos vies.

Je suis enthousiaste pour AlphaFold. Pour mes recherches, cela propulse déjà de nombreux progrès. Et ce n'est que le début.

Je suppose que chaque réussite en biologie et en chimie sera liée d'une manière ou d'une autre à AlphaFold.

AlphaFold a été un moment charnière. C'est un moment que les gens n'oublieront pas parce que le monde a changé.

Tout le monde a compris maintenant ce que Shane et moi savions depuis plus de 20 ans, que l'IA sera la chose la plus importante que l'humanité ait jamais inventée.

Nous arriverons bientôt à notre destination finale.

Le rythme de l'innovation et des capacités s'accélère. Comme un rocher dévalant une colline que nous avons poussé et qui continue maintenant à prendre de la vitesse.

Nous sommes à un carrefour de l'histoire de l'humanité.

L'IA a le potentiel de transformer nos vies sous tous leurs aspects.

Pas moins important que la découverte de l'électricité.

Nous devrions examiner la méthode scientifique et essayer de comprendre chaque étape de manière rigoureuse.

C'est un moment de profonde opportunité.

Exploiter cette technologie pourrait éclipser tout ce que nous avons jamais connu.

Salut Alpha.

Salut.

Qu'est-ce que c'est ?

C'est un échiquier.

Si je devais jouer les blancs, quel coup recommanderais-tu ?

Je recommanderais que tu déplaces ton pion de E2 à E4.

Et maintenant, si tu étais les noirs, que jouerais-tu ?

Je jouerais la défense sicilienne.

C'est un bon choix.

Merci.

Alors, que vois-tu ? Quel est cet objet ?

C'est une sculpture de crayons.

Que se passe-t-il si je déplace l'un des crayons ?

Si tu déplaces l'un des crayons, la sculpture s'effondrera.

Je ferais mieux de ne pas y toucher alors.

C'est probablement une bonne idée.

L'IA générale est désormais à l'horizon.

Il est très clair que la prochaine génération vivra dans un monde futur, où les choses seront radicalement différentes à cause de l'IA.

Et si l'on veut gérer cela de manière responsable, chaque instant est vital.

C'est le moment pour lequel j'ai vécu toute ma vie.

C'est juste un bon jeu de réflexion.