Les échecs sont quelque chose que j'ai toujours su faire. J'ai appris quand j'avais quatre ans et je ne me souviens même pas de l'apprentissage. On m'a dit plus tard que j'avais vu mon père et mon oncle jouer une partie d'échecs et que c'étaient juste des joueurs amateurs normaux. Apparemment, je les ai vus jouer et j'ai demandé à jouer. Ils ont pensé qu'ils allaient juste me faire plaisir et m'apprendre les règles. Quelques semaines plus tard, je les battais tous les deux et mon père a alors pensé que nous devrions peut-être l'emmener dans un club d'échecs. C'est parti de là. Pendant toute ma jeunesse, j'ai toujours été capitaine de ma catégorie d'âge pour l'équipe nationale, jouant généralement avec des enfants beaucoup plus âgés. La partie échecs de ma vie a été un élément central de mon éducation et de qui je suis.

Je pense que les échecs m'ont appris un certain nombre de choses quand j'étais jeune. Ce n'était pas tant les échecs eux-mêmes, c'étaient les compétences que vous exerciez en jouant, comme la résolution de problèmes, l'imagination, la pensée créative et la pensée stratégique. Si vous jouez aux échecs à un haut niveau, ce que vous affinez vraiment, ce sont ces méta-compétences. J'ai réalisé assez jeune que les échecs étaient une excellente arène de pratique, comme une salle de sport mentale, pour devenir vraiment bon dans ces autres compétences que vous pouviez ensuite transposer dans toutes sortes d'autres sujets comme la science ou le business.

J'ai eu une sorte d'épiphanie vers cet âge parce que j'étais plus ou moins un joueur d'échecs professionnel. J'allais à l'école mais je prenais des semaines de congé scolaire pour parcourir le monde en jouant aux échecs, ainsi que toutes mes vacances d'été et de Noël. C'était assez intense. Le reste du temps, j'étudiais les échecs et je me souviens avoir pensé que pour devenir champion du monde — ce qui était mon plan à ce moment-là — toute votre vie devrait être consacrée à rien d'autre qu'aux échecs, à apprendre les ouvertures, la théorie et tout ce genre de choses. J'ai commencé à réaliser que plus je me spécialisais dans les échecs, moins il s'agissait de méta-compétences utiles pour d'autres choses et plus ces connaissances seraient spécifiques aux seuls échecs. Ce ne serait pas utile pour d'autres choses que vous pourriez vouloir faire. J'ai eu cette pensée lors d'un grand tournoi au Liechtenstein, près de la Suisse. Je me souviens avoir joué un match de 10 heures contre le champion adulte danois de l'époque. J'ai perdu le match après 10 ou 12 heures. Je me souviens avoir pensé : 'Était-ce vraiment une bonne utilisation de toute cette puissance cérébrale ?' Je suis allé faire une longue promenade dans un magnifique champ dans les montagnes. Je me souviens avoir pensé : 'Peut-être que ce n'est pas juste. Il y a toute cette salle pleine de gens incroyablement brillants utilisant leur esprit pour essentiellement rivaliser les uns avec les autres pour essayer de gagner.' Quel était l'intérêt ? Peut-être devraient-ils tous utiliser leur esprit pour résoudre le cancer ou quelque chose du genre. J'ai pensé qu'il y avait peut-être une meilleure utilisation du temps et de l'énergie de tous ces esprits brillants qui serait préférable pour le monde. J'ai pris la décision à ce moment-là de m'éloigner des échecs et de commencer à explorer d'autres domaines et passions, en utilisant ces méta-compétences comme bases pour me lancer dans ces autres choses. Bien que j'adore les échecs, je sentais que c'était une chose trop étroite pour y consacrer toute sa vie.

Je consacre ma vie à l'intelligence artificielle, ce que nous faisons chez DeepMind, mais la raison sous-jacente pour laquelle je travaille sur l'IA est que je veux comprendre comment fonctionne l'univers. Je veux essayer de répondre aux questions les plus profondes que nous nous posons : qu'est-ce que la conscience, que faisons-nous ici et quel est le but de l'univers ? Quand j'étais enfant, ma matière préférée était la physique. Généralement, si vous vous intéressez aux grandes questions sur l'univers, vous devenez physicien ; c'était ma matière préférée jusqu'à l'université. Mais ensuite, j'ai lu 'Dreams of a Final Theory' de Steven Weinberg, qui est un prix Nobel, à la fin de mon adolescence. Il s'agit de physiciens qui luttent pour trouver une théorie finale de tout — comment tout fonctionne. C'est ce dont traite la théorie des cordes. J'ai réalisé qu'ils n'étaient en fait pas encore allés aussi loin, et que certaines des choses qu'ils abordaient étaient incroyablement difficiles, personne ne semblant progresser. Il m'a semblé que ce dont on avait besoin, c'était peut-être plus d'intelligence. Peut-être que quelque chose comme l'IA, en tant qu'outil intelligent pour aider les scientifiques, pourrait être quelque chose qui nous permettrait de réaliser ces types de percées et de trouver les théories que nous recherchions. Il m'a semblé que travailler sur l'IA serait plus fructueux, en l'utilisant comme un outil pour aider à résoudre des problèmes en physique.

Je pense que nous sommes à l'aube d'une nouvelle ère de découverte scientifique où nous pourrons utiliser l'IA et l'apprentissage automatique pour nous aider dans des domaines de la science et de la médecine à donner un sens aux quantités énormes de données que nous générons lors de nos expériences et à trouver de nouvelles perspectives et une structure dans cette vaste quantité de données. Je pense que cela mènera à de nouvelles théories scientifiques et à de nouvelles percées scientifiques.

Si vous y réfléchissez, c'est un problème combinatoire massif avec énormément de possibilités. Vous avez toutes ces molécules que vous pourriez assembler pour créer un nouveau composé pour un nouveau médicament. Vous avez ce virus complexe que vous venez de découvrir et vous devez construire un composé qui s'y attachera. Nous en savons beaucoup sur la physique, la chimie et la biologie, mais les combinaisons de possibilités sont astronomiques. Il faudrait tester chacune d'entre elles laborieusement ; vous pourriez avoir quelques théories sur des choses qui pourraient fonctionner, mais vous ne le sauriez pas avec certitude en tant que scientifique. Les types de systèmes que nous construisons, comme AlphaGo et AlphaZero, sont des programmes d'optimisation. Vous leur donnez un objectif à optimiser — qu'il s'agisse de l'efficacité d'un médicament ou du fait de gagner une partie — et ils déterminent par eux-mêmes le bon chemin de recherche à travers cet espace combinatoire massif. Ils le font en étant capables d'expérimenter beaucoup plus de données qu'aucun humain ne pourrait en comprendre, et le font beaucoup plus rapidement. Ces systèmes peuvent trouver des modèles dans les données que nous, en tant que scientifiques humains, experts ou praticiens médicaux, n'aurions pas la capacité de voir.

Nous avons beaucoup parlé de médecine, mais je suis très intéressé par l'aide aux astronomes. Certaines personnes utilisent déjà l'apprentissage automatique pour découvrir de nouvelles planètes à partir des données de télescopes et trouver des exoplanètes encore plus petites qu'elles ne pouvaient pas voir ou identifier avec leurs propres mathématiques. J'ai donné une conférence au CERN, et ils utilisent maintenant l'apprentissage automatique pour essayer de détecter de nouvelles particules. Il y a tellement de domaines de la science où la science aujourd'hui consiste à créer d'énormes quantités de données à partir d'expériences et à essayer ensuite de donner un sens à ces données. C'est ce que fait l'IA ; dans le sens le plus abstrait, elle convertit des masses de données en connaissances exploitables, ce qui est utile pour toutes sortes de domaines scientifiques.

La chose évidente qui se produit déjà aujourd'hui est la radiographie. L'opportunité la plus immédiate en quelque sorte est de donner un sens aux données d'imagerie, qu'il s'agisse d'une tomographie par émission de positons de tissus cancéreux ou de ce que nous avons fait directement sur les scans de la rétine, en détectant la dégénérescence maculaire très tôt. Il n'y a pas assez de radiologues, et souvent le diagnostic à partir de ces scans est l'un des goulots d'étranglement pour obtenir un traitement. Dans beaucoup de ces cas, un traitement retardé peut être très critique pour l'issue. Nous collaborons déjà avec de nombreux hôpitaux au Royaume-Uni pour ajouter des outils d'apprentissage automatique et d'IA afin d'aider à ces évaluations sur ce qui se passe dans ces scans. Je pense que cela entraînera un diagnostic et un traitement beaucoup plus efficaces. Ce n'est que le début. Les prochaines étapes seront des choses comme la découverte de médicaments où vous avez une cible, comme un virus ou une bactérie, et vous devez générer un nouveau composé pour la cibler. Je pense que là encore, nous sommes sur le point de pouvoir utiliser des choses comme l'apprentissage automatique pour découvrir de nouveaux types de médicaments.

Je suis très enthousiaste maintenant que nous avons atteint un point où l'IA est peut-être tout juste assez mature pour que nous puissions l'appliquer à des questions scientifiques vraiment intéressantes et stimulantes. Nous avons commencé par un projet sur le repliement des protéines, en essayant de déterminer la structure 3D des protéines. Si nous pouvons faire cela, ce serait vraiment utile pour des choses comme la découverte de médicaments. Je pense que nous commençons à arriver au seuil où nous pouvons utiliser l'IA pour un certain nombre de problèmes scientifiques vraiment intéressants. J'ai vraiment hâte d'appliquer cela au cours des dix prochaines années.

Les biologistes adoreraient savoir, si vous leur donnez une séquence d'acides aminés, en quelle structure 3D elle finit par se replier, car la structure 3D régit la fonctionnalité de la protéine. Le problème est qu'il n'existe aucune théorie ou cartographie connue de la séquence d'acides aminés 2D vers la structure 3D. Ce que nous aimerions faire, c'est construire un moyen de prédire la structure 3D juste à partir de la séquence d'acides aminés 2D. La façon dont ils le font pour le moment est très laborieuse ; il faut cristalliser la protéine puis étudier sa structure 3D, mais cela prend des années pour chaque protéine et il y a des millions de protéines. Nous devons d'une manière ou d'une autre accélérer cela. L'objectif est de comprendre comment les protéines se replient. Dans la maladie d'Alzheimer, l'une des hypothèses est que la protéine bêta-amyloïde se replie mal, et ils ne savent pas pourquoi ni ce qui déclenche cela. J'imagine que cela pourrait être utile pour cela plus tard. Cela ne résoudrait pas directement Alzheimer, mais ce serait quelque chose que vous pourriez utiliser comme un outil pour aider à accélérer les essais de médicaments contre Alzheimer. Ce serait aux chercheurs sur Alzheimer de le déterminer, mais nous essayons de construire cette plateforme générique que de nombreux biologistes différents pourraient utiliser.

J'ai probablement eu pas mal de moments 'eurêka'. L'un des plus formateurs a été quand j'ai eu mon premier ordinateur, un ZX Spectrum, quand j'avais environ huit ans. Je me souviens avoir commencé à apprendre à programmer dessus à partir de livres. L'un de mes premiers programmes était un programme pour jouer à un jeu appelé Reversi, ou Othello. Il jouait raisonnablement bien et pouvait battre mon petit frère. Je me souviens avoir pensé qu'il était incroyable que l'on puisse créer un programme qui continue de faire des calculs pendant que l'on dort, et quand on se réveille le lendemain, il aura résolu quelque chose pour vous. Même alors, j'étais obsédé par l'efficacité, et cela semblait incroyable — un moyen d'améliorer votre esprit. Soudain, vous pouvez externaliser des problèmes à cet ordinateur et il peut résoudre certains types de choses pour vous. Pour moi, cela semblait juste être de la magie et une extension magique de l'esprit. À partir de là, j'ai été accroché aux ordinateurs, à la programmation et finalement à l'IA.

Je décris toujours mes parents comme étant un peu bohèmes. Je ne m'en rendais pas vraiment compte à l'époque ; je pensais juste que tout le monde était comme ça. Ils n'avaient pas vraiment d'emplois fixes et appropriés, surtout mon père. Il n'a jamais vraiment eu de travail de neuf à cinq, mais il faisait toujours des choses différentes. Il a tenu un magasin de jouets à un moment donné et il était auteur-compositeur-interprète quand il était plus jeune. Son préféré était Bob Dylan, alors il voulait se lancer dans le chant et l'écriture de chansons — il le fait d'ailleurs toujours maintenant. Finalement, il est devenu enseignant. Il a fait une multitude de choses différentes et était très entrepreneur. Le magasin de jouets était sa propre entreprise, et même ses cours d'enseignement du soir actuels sont sa propre petite entreprise. Lui et ma mère nous ont inculqué que l'on pouvait prendre n'importe quel chemin dans la vie et simplement suivre ses passions. Nous étions une famille assez pauvre, mais mon père gagnait toujours assez d'argent, souvent en achetant et en vendant des maisons. J'ai dû déménager dix fois avant d'avoir environ douze ans. Nous déménagions chaque année, réduisant ou augmentant la taille de la maison selon le marché immobilier, et cela suffisait à nous faire vivre. Je pensais que c'était normal. Changer d'école autant de fois aurait pu être déstabilisant pour certains enfants, mais pour moi, cela m'a habitué à m'installer avec de nouveaux groupes de personnes, à me faire de nouveaux amis et à avancer. Cela m'a en fait bien servi pour diriger des entreprises où l'on doit interagir avec beaucoup de gens. Le fait d'être à l'aise dans de nombreux environnements différents vient probablement de là.

Je suis assez obsédé par l'efficacité car le temps est court, la vie est courte et il y a tellement de choses incroyables à faire et à expérimenter. Je ne dors pas beaucoup. J'ai toujours été une personne nocturne, donc je dors normalement à trois ou quatre heures du matin et je n'ai que cinq ou six heures de sommeil environ. Ce n'est probablement pas assez, mais il y a tellement de choses que je dois caser dans la journée. Pendant la journée, je gère l'entreprise, j'ai des réunions et je fais des choses administratives et organisationnelles. Quand je rentre chez moi, je commence une deuxième journée de travail après le dîner vers 22h00 où je commence à réfléchir à des choses créatives. C'est à ce moment-là que je lis des articles de recherche, que j'écris des articles ou que je trouve des idées d'algorithmes. Je me suis toujours trouvé au sommet de ma créativité aux petites heures du matin quand tout est calme.

Tard dans la nuit est propice à la réflexion sur la meilleure façon d'aborder ces technologies et sur ce qui manque aux ordinateurs aujourd'hui. Je rêve de la façon dont nous pour rions déployer ces choses pour le bien du monde et résoudre des problèmes scientifiques, en décidant quels défis devraient être relevés en premier. Nous examinons tout un tas de domaines : la chimie quantique, la démonstration de théorèmes en mathématiques et des domaines de la physique liés à l'informatique quantique. Nous en sommes aux étapes préliminaires dans un large éventail de domaines.

L'une des raisons pour lesquelles j'ai réussi à créer une entreprise inhabituelle comme DeepMind est que j'ai eu la chance de suivre de nombreuses passions : les jeux, la programmation, l'IA et les neurosciences. J'ai réussi à construire une carrière qui utilise tous ces intérêts. Une passion supplémentaire que j'ai, qui est tangentielle à celles-là, est la conception organisationnelle. Je pense que c'est lié à mon obsession pour l'efficacité. Les entreprises sont constituées de groupes organisationnels d'individus, donc la façon dont vous les organisez et le type de culture que vous avez détermineront la quantité de résultats que cette organisation peut produire. Au cours de ma carrière, j'ai eu la chance de travailler avec de nombreuses personnes brillantes, y compris chez DeepMind. J'ai appris comment tirer le meilleur parti de ces personnes et quels types de cultures cela nécessite. DeepMind a une culture unique, et je pense que cela a un effet aussi important sur nos résultats que nos idées de recherche.

L'objectif est de progresser aussi vite que possible vers la construction d'une IA de niveau humain. Au fur et à mesure que nous construirons ces technologies, nous pourrons les appliquer utilement au bénéfice du monde dans toutes sortes de secteurs comme la santé et la science. Vous pouvez considérer l'IA comme une sorte de méta-solution à tous les autres problèmes auxquels nous aimerions avoir des solutions en tant que société.

J'ai passé toute ma carrière sur l'IA parce que je pense que ce sera l'une des technologies les plus incroyables et les plus autonomisantes pour l'humanité jamais inventée. Je la considère comme un outil intelligent qui libérera le véritable potentiel de l'ingéniosité humaine en nous aidant en science et en médecine. Cependant, il y aura aussi des perturbations, comme avec toute nouvelle technologie puissante. L'IA pourrait être l'une des plus perturbatrices de toutes. Nous en avons toujours été conscients dès le début de DeepMind, et nous avons toujours pensé que l'éthique et la responsabilité de gérer ce genre de technologie puissante étaient une énorme responsabilité. Nous avons été à l'avant-garde du débat, en réunissant le Partenariat sur l'IA, qui est un consortium des plus grandes entreprises se réunissant pour réfléchir à la meilleure façon de déployer cette technologie. Nous pensons que, gérée correctement, cette technologie devrait être au bénéfice de tous. Je pense que nous allons voir des percées incroyables dont la société a besoin, du changement climatique à la maladie d'Alzheimer, où nous ne progressons pas assez. Si nous pouvions mieux faire de la science et si nous avions plus de puissance intellectuelle derrière elle, nous pourrions trouver des solutions plus rapides.

Vous pourriez inventer une nouvelle énergie renouvelable beaucoup plus efficace ; vous pourriez peut-être résoudre la fusion ; vous pourriez essayer de créer un nouveau matériau qui capturerait le carbone à bas prix dans l'atmosphère. Il n'y a pas de limites si vous disposez de ce type de technique d'optimisation dans une boîte que vous pouvez solliciter pour qu'elle vous présente des alternatives. Tant que vous pouvez lui spécifier clairement un objectif — une métrique que je pense que vous pourriez probablement définir pour quelque chose comme le climat — vous pourriez vraiment progresser avec de nouveaux matériaux ou de nouvelles solutions à ces problèmes. Une autre façon dont elle pourrait aider avec le climat est par une meilleure modélisation, afin que les prévisions soient plus précises. Vous pourriez analyser l'imagerie satellite en temps réel pour voir si des icebergs se brisent ou si la déforestation se produit là où elle n'est pas censée l'être. Il existe de multiples façons, à plusieurs niveaux, dont l'IA pourrait aider avec quelque chose comme le climat.

C'est comme toute technologie puissante ; la technologie elle-même est neutre. Cela dépend de la façon dont les humains l'utilisent. L'histoire de la science a été ainsi, du nucléaire à la biologie. Il y a de nombreuses bonnes et mauvaises façons d'utiliser ces technologies. Nous devons nous assurer de construire l'IA d'une manière sûre et contrôlable. La deuxième question est de s'assurer de la déployer pour le bien du monde plutôt que pour le mal.

Je suis contre l'utilisation de cette technologie à des fins militaires ; ce n'est pas quelque chose dans lequel je vais m'impliquer ou que nous ferons chez DeepMind. Je ne peux pas parler pour ce que d'autres organisations feront. Mon point de vue, et nous avons signé des lettres ouvertes à l'ONU en ce sens, est qu'il devrait toujours y avoir des humains dans la boucle pour tout type de système de guerre ou d'arme.

Sur le plan de la recherche, les chercheurs se connaissent assez bien et vont aux mêmes conférences ; il y a un esprit de partage d'informations. Par exemple, nous publions tous nos travaux dans de grandes revues comme Nature et Science. Je ne pense pas qu'il y ait une course aux armements classique. Il y a certainement de la concurrence pour être le meilleur commercialement et essayer de tirer le plus grand bénéfice de ces technologies, mais je n'appellerais pas cela une course aux armements classique.

Je pense qu'il doit y avoir une meilleure compréhension au sein du gouvernement de ce qu'est l'IA. Nous parlons à des gens au Royaume-Uni pour essayer de les éduquer sur ce que sont ces technologies car elles sont assez difficiles à comprendre. C'est définitivement quelque chose qui doit être débattu. Comme mentionné précédemment, nous sommes à l'avant-garde de ces débats éthiques et nous mettons en lumière la façon dont nous voulons utiliser et déployer ces systèmes — par exemple, ne pas les utiliser pour la guerre.

En tant que société, nous payons les médecins beaucoup plus que les infirmiers. Dans dix ou vingt ans, je pourrais imaginer qu'un médecin qui n'utilise pas une base de données d'IA pour se tenir au courant des derniers développements ne serait pas un médecin que vous voudriez voir. Le diagnostic pourrait être amélioré par l'IA. D'un autre côté, si vous êtes malade à l'hôpital et que vous voulez qu'on s'occupe de vous, un infirmier et une touche humaine seraient bien préférables à un robot. J'ai le sentiment que des métiers comme l'enseignement et d'autres que la société sous-évalue actuellement deviendront plus valorisés. Je peux imaginer un jour où les infirmiers seront mieux payés que les médecins, et c'est peut-être une bonne chose. À l'heure actuelle, nous valorisons certaines choses dans la société ; peut-être que ces choses deviendront moins rares et que d'autres choses deviendront plus uniques.

Nous faisons des métiers que nous aimons, mais il y a beaucoup de gens dans le monde qui font des métiers par obligation, pour gagner assez d'argent pour leur famille. Une question que je poserais est : si vous gagniez à la loterie demain, combien de personnes retourneraient réellement à leur travail ? Je soupçonne que c'est une fraction très faible, peut-être moins de 1 % du monde. Cela me montre que beaucoup de gens passent de nombreuses heures à faire des choses qui ne les passionnent pas, qui sont peut-être assez banales. Il serait bon que nous puissions soulager les gens de ces corvées tout en veillant à ce qu'ils partagent les gains de productivité et la prospérité que cette nouvelle productivité créera.

Cela s'est produit de nombreuses fois auparavant. La révolution industrielle l'a fait. Nous ne tournons plus de roues dans des ateliers de tissage ; ces personnes sont devenues des designers et des créateurs de mode. Il y a toujours eu une évolution où les nouvelles technologies rendent certains emplois plus efficaces, ce qui provoque des perturbations puis ouvre de nouveaux emplois que nous ne pouvons même pas imaginer aujourd'hui. Je pense que ce sera la même chose.

Je suis sûr qu'il y aura une sorte d'appareil qui permettra de traduire à un niveau rudimentaire, mais pour vraiment comprendre les nuances d'un grand roman, vous devez toujours le lire dans l'original pour saisir tous les détails les plus fins de ce que l'écrivain voulait exprimer. Je soupçonne que cela restera vrai pendant longtemps. Pour la traduction de niveau fonctionnel de base, nous y sommes déjà presque avec les systèmes actuels. Bien sûr, ils ne comprennent pas vraiment la langue du tout ; ils ne font que des corrélations statistiques. Il est curieux qu'ils puissent traduire sans comprendre la langue ; ils ne peuvent pas créer de langue, ils se contentent de passer d'une langue à une autre.

Je pense que nous aurons des machines capables d'écrire des choses dans un anglais cohérent, mais je doute que ce soient de grands romans. Mon point de vue est qu'un grand roman est en partie grand parce que vous savez que la personne qui l'a écrit était humaine et a traversé des épreuves. Vous pouvez vous connecter à la condition humaine qu'elle décrit. C'est important pour qu'un roman soit grand. Ce ne sont pas seulement les composants grammaticaux techniques ; c'est le fait qu'il a été écrit par un autre humain avec lequel on peut compatir. C'est la raison pour laquelle nous prenons la peine de dire que certaines histoires sont 'basées sur une histoire vraie'. Cela le rend plus émouvant de savoir que quelqu'un d'autre a réellement vécu cela dans la vraie vie. Je ne sais pas si ce serait aussi significatif si vous saviez qu'il a été écrit par une machine.

Ce ne sont que des machines, comme les voitures et les avions. Elles nous permettent d'étendre les capacités humaines, mais l'humain au cœur de tout cela doit toujours être éduqué et avoir une âme, fournissant l'élan émotionnel à ces outils. Ces outils ne seraient rien sans les humains.

Qu'est-ce que le cerveau ? Est-ce juste de la biologie physique ou y a-t-il quelque chose de plus ? D'après les neurosciences, il semble que l'on puisse décrire le cerveau en termes mécanistes. Si c'est vrai, alors la plupart des fonctions du cerveau devraient pouvoir être imitées d'une manière ou d'une autre avec un ordinateur. C'est ce qu'étudiait Alan Turing — il est l'un de mes héros de toujours — et il a eu l'idée d'une machine de Turing, qui est une machine capable d'imiter n'importe quelle autre machine. Nous savons que le cerveau humain est un type de machine de Turing ; c'est ainsi que Turing a pu concevoir cette idée. Reste à voir si l'IA peut accomplir toutes ces différentes capacités.

Je pense que les humains occupent une place très spéciale dans l'univers. À notre connaissance, nous n'avons découvert aucune vie extraterrestre, nous sommes donc les seuls êtres pleinement conscients. Je pense que c'est la clé. Nous devons comprendre ce qu'est la conscience, mais Carl Sagan a dit que nous sommes comme 'l'univers qui s'éveille'. L'univers est immense, mais il n'a pas de conscience de soi à moins que nous ne l'apportions. Les humains ont un rôle unique dans l'univers de ce point de vue. Je suis ouvert d'esprit sur ces choses. En tant que scientifique, on réalise que la méthode scientifique est l'une des plus grandes inventions que l'humanité ait jamais eues ; elle fonctionne brillamment et a permis les Lumières et la civilisation moderne. Cependant, plus on en découvre, plus les questions non résolues deviennent grandes. On va plus loin, et alors il y a plus de choses que l'on ne sait pas. En physique, nous ne savons pas ce que sont la matière noire et l'énergie noire ; il y a des théories, mais nous ne savons pas vraiment. Il y a toujours plus de questions. Nous pensons que le Big Bang est la façon dont l'univers a commencé, mais qu'y avait-il avant ? Je suis ouvert à l'idée qu'il puisse y avoir de nombreux aspects de l'univers physique que nous ne comprenons tout simplement pas, et quand nous aurons quelque chose comme l'IA pour nous aider, nous serons capables d'obtenir une compréhension plus vraie de ce qui se passe. Alors nous pourrons bien mieux répondre aux questions sur le but de l'univers, s'il a été conçu et comment il est apparu.

Ce qui me motive, c'est d'essayer d'être le meilleur possible et de faire honneur à mon éducation et aux talents que j'avais quand j'étais jeune. La chose qui me passionne le plus est de comprendre le monde. J'aimerais comprendre les grandes questions : qu'est-ce que la conscience, que se passe-t-il dans nos cerveaux et que se passe-t-il dans l'univers ? C'est pourquoi je m'intéresse à la physique et aux neurosciences. J'espère utiliser l'IA pour aider à faire progresser ces deux domaines.

Si vous ne pouvez pas spécifier l'objectif que vous recherchez très clairement, il est difficile pour ces systèmes d'optimisation de progresser. Ils ont également besoin de beaucoup de données ou d'une simulation pour apprendre. Pour le moment, les systèmes ne sont pas si efficaces dans la quantité de données qu'ils utilisent, ils en ont donc encore besoin de vastes quantités. Dans beaucoup de domaines, vous n'avez tout simplement pas autant de données. Spécifier l'objectif est l'une des choses clés dans la façon dont nous construisons nos systèmes d'IA, ce qu'on appelle l'apprentissage par renforcement, où ils apprennent progressivement à progresser vers leur objectif. Dans les jeux, leur but est de gagner et ils déterminent par eux-mêmes les différentes façons qui sont utiles pour gagner. Spécifier l'objectif est incroyablement important, tout comme le fait d'avoir une métrique pour vous dire à quel point vous êtes proche de cet objectif et d'avoir une simulation ou des données de vérité terrain pour apprendre. Ce sont les trois composants.

J'aime tout, du classique au drum and bass. Le drum and bass est plus énergique, alors que si je réfléchis ou lis, j'écouterai de la musique classique, comme Vivaldi ou Mozart, pour me mettre dans la bonne zone. Il s'agit vraiment de se mettre dans la bonne zone. J'ai beaucoup appris sur moi-même, et je recommanderais aux jeunes d'apprendre comment ils travaillent le mieux et ce qui déclenche certains états créatifs pour maximiser cela. J'aime aussi beaucoup le cinéma ; c'est l'une des principales choses que je fais pour me détendre. Je trouve les grands films très inspirants. Une fois que j'ai vu un grand film, je peux généralement redéclencher cette humeur ou cette émotion juste en regardant un petit clip sur YouTube, reconstruisant cet état émotionnel pour tout ce que je fais sur le moment.

Je pense que le sous-genre réel s'appelle le liquid drum and bass. Il y a un rythme mais aussi une mélodie. C'est répétitif, ce qui est bien si je dois me concentrer. Il ne peut pas y avoir de paroles parce que le cerveau commence à écouter les textes, donc je n'écoute que de la musique instrumentale. Sur le plan des neurosciences, je pense qu'il y a eu des études suggérant que cela vous place dans un état alpha parce que ce type de musique moderne est assez répétitif. Une fois que vous l'avez entendu quelques fois, c'est presque en arrière-plan, et le rythme m'aide à me concentrer.

Nous avons un groupe DeepMind ; ils sont très bons. Nous avons beaucoup de gens ici qui ont des talents cachés — des pianistes de concert ou des auteurs-compositeurs en parallèle. Nous avons un groupe maison très talentueux qui se réunit et joue à nos fêtes de Noël et à d'autres événements. Je pense qu'ils utilisent principalement la salle de musique.

Le film qui a eu le plus d'influence sur moi est probablement le Blade Runner original. Il a été très influent pour des raisons évidentes, car il traite de l'intelligence artificielle et de la nature de l'être humain. J'en ai beaucoup d'autres, mais cela dépend de l'humeur dans laquelle je suis.

Regardez à quelle vitesse Internet et la technologie mobile ont changé les choses. Concernant les emplois, il y a des métiers aujourd'hui que vous n'auriez pas pu imaginer il y a vingt ans, comme être un créateur de contenu YouTube ou certains types de concepteurs de jeux. Des classes entières de nouveaux métiers sont apparues. Je pense que cela se produira à nouveau, rendu possible par de nouvelles technologies dont l'IA fait partie. Je recommanderais aux étudiants d'aujourd'hui, plutôt que de se concentrer sur des 'emplois à vie' comme être comptable pendant cinquante ans, d'apprendre des compétences générales qu'ils pourraient ensuite adapter à n'importe quel nouveau secteur. Cela inclut apprendre à apprendre. J'encouragerais les écoles à enseigner la capacité d'apprendre — comment vous apprenez le mieux, ce qui déclenche votre apprentissage et comment vous pouvez accélérer votre propre apprentissage quel que soit le sujet. Ces compétences métacognitives sont indépendantes du sujet et seront utiles quel que soit le chemin que prendra le monde. Le monde devient imprévisible et les choses changent très vite. Dans cet environnement, vous voulez être aussi adaptable que possible.

Je pense qu'ils devraient apprendre à tirer le meilleur parti d'eux-mêmes et de ce qui les passionne. Ils devraient apprendre des compétences transférables — des compétences métacognitives — qui leur serviront quelle que soit l'évolution de la technologie ou du monde. Ils pourront trouver les choses les plus précieuses qui ont le plus d'impact s'ils ont une formation généralisée plutôt que la formation spécifique par matière qui a été l'histoire de la scolarité au cours du siècle dernier. C'est un moment passionnant de l'histoire humaine. Nous sommes à l'aube de choses incroyables ; si cela se passe bien, la vie sera bien meilleure pour la vaste majorité du monde.

D'abord, il faut se connaître vraiment bien. C'est ce que j'ai fait quand j'étais enfant : comment apprenez-vous le mieux, qu'est-ce qui vous motive, qu'est-ce qui vous passionne et à quelles heures de la journée travaillez-vous le mieux ? Ce sont les choses les plus importantes — comment tirer le meilleur de soi-même — et elles ne sont jamais vraiment enseignées à l'école. Une fois que vous maîtrisez cela, vous devriez penser à construire sur vos forces et vos passions pour créer une combinaison unique de compétences. Développez-les fortement. Beaucoup des grandes percées et des nouvelles entreprises à l'avenir seront interdisciplinaires, là où vous faites des connexions entre deux sujets disparates. Si vous êtes le seul capable de vraiment voir cette connexion, c'est de là que viennent les grandes percées. Je pense que cela va se produire encore et encore dans les dix ou vingt prochaines années.