Ce qui suit est une conversation avec Demis Hassabis, PDG et cofondateur de DeepMind, une entreprise qui a publié et construit certains des systèmes d'intelligence artificielle les plus incroyables de l'histoire de l'informatique, notamment AlphaZero qui a appris tout seul à jouer au jeu de Go mieux que n'importe quel humain au monde, et AlphaFold 2 qui a résolu le repliement des protéines, deux tâches considérées comme presque impossibles pendant très longtemps. Demis est largement considéré comme l'un des êtres humains les plus brillants et les plus influents de l'histoire de l'intelligence artificielle, de la science et de l'ingénierie en général. Ce fut un véritable honneur et un plaisir pour moi de m'asseoir enfin avec lui pour cette conversation, et je suis sûr que nous nous reparlerons souvent à l'avenir. C'est le podcast de Lex Fridman. Pour le soutenir, veuillez consulter nos sponsors dans la description. Et maintenant, chers amis, voici Demis Hassabis.

Commençons par une question un peu personnelle. Suis-je un programme d'IA que vous avez écrit pour interviewer des gens jusqu'à ce que je sois assez bon pour vous interviewer ?

Eh bien, je serais impressionné si c'était le cas. Je serais impressionné par moi-même si c'était le cas. Je ne pense pas que nous en soyons encore là, mais peut-être que vous venez du futur, Lex.

Si vous l'aviez fait, me le diriez-vous ? Est-ce une bonne chose de dire à un modèle de langage chargé d'interviewer qu'il est, en fait, une IA ?

Peut-être que nous sommes dans un méta-test de Turing. Ce ne serait probablement pas une bonne idée de vous le dire afin que cela ne change pas votre comportement. C'est une situation relevant du principe d'incertitude d'Heisenberg. Si je vous le disais, vous vous comporteriez différemment. C'est peut-être ce qui nous arrive.

C'est un benchmark du futur où ils rejouent 2022 comme une année avant que les IA ne soient assez performantes, et maintenant nous voulons voir, va-t-il réussir ?

Exactement.

Si j'étais un tel programme, seriez-vous capable de le dire ? Pour en revenir à la question du test de Turing, vous avez parlé de la référence pour résoudre l'intelligence. Quelle serait la chose impressionnante ? Vous avez parlé de remporter un prix Nobel, un système d'IA remportant un prix Nobel, mais je reviens toujours au test de Turing comme un test convaincant, à l'esprit du test de Turing comme un test convaincant.

Le test de Turing a eu une influence incroyable, et Turing est l'un de mes héros de tous les temps. Mais si l'on revient à son article original de 1950, je ne pense pas qu'il ait voulu en faire un test formel rigoureux. C'était plutôt une expérience de pensée, presque un peu de philosophie. Il ne l'a pas spécifié de manière très rigoureuse. Par exemple, il n'a pas spécifié les connaissances qu'aurait le juge expert ou le temps dont il disposerait pour enquêter. Ce sont des paramètres importants si l'on veut en faire un véritable test formel. Selon certaines mesures, des gens ont affirmé que le test de Turing avait été réussi il y a dix ans avec un modèle logique parce qu'ils prétendaient qu'il s'agissait d'un enfant. Ce serait très différent d'un expert en IA interrogeant une machine et sachant comment elle a été construite. Nous devrions probablement nous éloigner de cela en tant que test formel pour nous diriger vers des tests généraux où nous testons les capacités de l'IA sur une gamme de tâches pour voir si elle atteint un niveau de performance humain sur des milliers, voire des millions de tâches, couvrant tout l'espace cognitif. Pour son époque, c'était une expérience de pensée incroyable, mais dans les années 1950, c'était l'aube de l'ère informatique, donc il ne pensait qu'au texte. Maintenant, nous avons beaucoup plus d'entrées différentes.

Peut-être que la meilleure chose à tester est la généralisabilité à travers plusieurs tâches. Il est également possible, comme le montrent des systèmes comme Gato, que cela finisse par renvoyer au langage. Vous pourriez démontrer votre capacité à généraliser à travers les tâches en communiquant cette capacité, ce que nous faisons par la conversation quand nous passons d'un sujet à l'autre. En fin de compte, ce qu'il y a dans cette conversation n'est pas seulement un déplacement de connaissances ; c'est un déplacement de modalités de compréhension entièrement différentes qui correspondent à votre capacité à opérer avec succès dans tous ces domaines, que vous pouvez considérer comme des tâches.

En tant qu'humains, nous utilisons le langage comme principal outil de communication. Nous finissons par penser en langage et par exprimer nos solutions en langage. Ce sera un mode très puissant pour expliquer ce que fait le système, mais je ne pense pas que ce soit la seule modalité qui compte. Il y aura de nombreuses façons différentes d'exprimer des capacités autres que le simple langage.

Le visuel, la robotique, le langage corporel, les actions et l'aspect interactif en font tous partie.

Ce qui est intéressant avec Gato, c'est qu'il pousse la prédiction au maximum en mappant des séquences arbitraires à d'autres séquences et en prédisant ce qui va se passer ensuite. La prédiction semble être fondamentale pour l'intelligence.

Et ce que vous prédisez n'importe pas beaucoup.

Il semble que l'on puisse généraliser cela assez bien. Les modèles de langage prédisent le mot suivant, et Gato prédit potentiellement n'importe quelle action ou jeton. Ce n'est que le début. C'est notre agent le plus général jusqu'à présent, mais cela peut être mis à l'échelle massivement plus que nous ne l'avons fait, et nous sommes en tant que le faire.

Une grande partie de la résolution de l'AGI consiste à créer des benchmarks qui nous aident à nous rapprocher en testant la généralisabilité. Il est intéressant qu'Alan Turing ait été l'une des premières et probablement seules personnes à essayer de formuler un benchmark qui puisse être suivi. Même s'il est flou, il est suffisamment rigoureux pour être exécuté. Je pense toujours que quelque chose comme le test de Turing sera finalement ce qui impressionnera vraiment les autres humains, comme avoir un ami proche qui est un système d'IA. Pour que cet ami soit un bon ami, il devra jouer à StarCraft, vous apporter une bière, jouer à des jeux, et utiliser le langage et l'humour. Cela peut finalement se résumer au langage. On a l'impression que le langage sera l'endroit où l'intelligence générale brillera vraiment en termes d'impact sur le monde.

Parce que c'est une entrée-sortie si importante pour nous, je pense que vous avez raison. La philosophie derrière le test de Turing — l'idée d'une machine imitant les comportements d'un humain à travers le langage, les actions et la créativité — est la bonne configuration. Si elle peut égaler ou dépasser les capacités cognitives humaines, alors nous avons une véritable intelligence.

Il aura une sorte d'humour dans les systèmes d'IA du futur qui reviendront sur cette conversation et sur le test de Turing, en pensant au moment où ils ont finalement franchi le seuil de l'intelligence de niveau humain. Ils pourraient trouver drôle que nous soyons encore perplexes face à un problème résolu depuis longtemps. Bonjour aux agents d'IA du futur. Pour en revenir à votre parcours, quand êtes-vous tombé amoureux de la programmation pour la première fois ?

C'était à un jeune âge. Les jeux ont été mon premier amour. J'ai commencé à jouer aux échecs à quatre ans, et avec les gains d'une compétition d'échecs, j'ai acheté mon premier ordinateur à huit ans. C'était un ZX Spectrum, qui était populaire au Royaume-Uni et qui a formé toute une génération de programmeurs parce qu'il était si accessible. On l'allumait littéralement sur une invite BASIC. Mes parents ne connaissaient rien aux ordinateurs, mais comme c'était mon argent, je pouvais l'acheter. Je suis allé dans des librairies, j'ai pris des livres sur la programmation et j'ai commencé à taper du code. Une fois qu'on fait ça, on commence à l'ajuster et à créer ses propres jeux. C'est là que je suis tombé amoureux des ordinateurs et que j'ai réalisé qu'ils étaient des appareils magiques. J'avais l'impression qu'ils étaient une extension magique de l'esprit. On peut leur confier une tâche, aller dormir, et le lendemain elle est résolue. Toutes les machines améliorent nos capacités naturelles, comme les voitures nous permettent de nous déplacer plus vite que nous ne pouvons courir, mais celle-ci était une machine pour étendre l'esprit. L'IA est l'expression ultime de ce qu'une machine peut être capable de faire ou d'apprendre, donc cette pensée s'est étendue à l'IA assez rapidement.

Vous rappelez-vous du premier langage de programmation par lequel vous avez commencé ?

C'était juste du BASIC sur le ZX Spectrum. Plus tard, j'ai eu un Commodore Amiga, qui était une machine fantastique.

Maintenant, vous frimez, là.

Beaucoup de mes amis avaient des Atari ST, mais j'ai réussi à avoir un Amiga. Il était plus puissant, et c'était incroyable. Je faisais de la programmation en Assembleur et en AMOS BASIC. C'est là que j'ai appris toutes mes compétences en codage.

Quand êtes-vous tombé amoureux de l'IA ? Quand avez-vous commencé à comprendre que vous pouviez écrire des programmes qui n'étaient pas seulement des opérations mathématiques, mais quelque chose s'apparentant à une entité comprenant quelque chose de compliqué ?

Il y a eu plusieurs étapes quand j'étais très jeune. Quand j'avais environ dix ou onze ans, je pensais que j'allais devenir joueur d'échecs professionnel.

Donc le rêve était d'atteindre les plus hauts niveaux des échecs.

À douze ans, j'ai atteint le niveau de maître et j'étais le deuxième joueur le mieux classé au monde derrière Judit Polgár. Quand j'essayais de m'améliorer, je devais améliorer mes propres processus de pensée. Cela vous amène à réfléchir à la pensée : comment votre cerveau génère-t-il des idées, et pourquoi fait-il des erreurs ? Deuxièmement, c'était le début des ordinateurs d'échecs au milieu des années 80. J'avais une version de marque Kasparov. Ils étaient forts, et je m'entraînais contre eux pour m'améliorer. Je me souviens avoir pensé à quel point il était incroyable que quelqu'un ait programmé un plateau pour jouer aux échecs. J'ai acheté The Chess Computer Handbook de David Levy vers 1984, qui expliquait comment ces programmes étaient faits. Mon premier programme d'IA était sur mon Amiga. Il n'était pas assez puissant pour les échecs, alors j'ai écrit un programme pour jouer à Othello en utilisant des principes comme la recherche alpha-bêta. J'avais douze ans. Plus tard, quand j'avais seize ou dix-sept ans, je concevais des jeux professionnellement. J'ai écrit Theme Park, qui avait l'IA comme composante centrale du gameplay. Il s'est vendu à des millions d'exemplaires, et les gens adoraient la façon dont l'IA réagissait au joueur. C'était l'un des premiers jeux bac à sable, ce qui signifiait que chaque partie était unique.

Que faut-il pour créer un système d'IA impressionnant du point de vue de la conception de jeux, et à quel point ce problème est-il difficile ?

Les jeux ont été importants dans ma vie pour trois raisons. Premièrement, je me suis formé sur les jeux quand j'étais enfant. Ensuite, j'ai conçu des jeux et écrit de l'IA pour eux dans les années 90. À l'époque, l'industrie du jeu était à la pointe de la technologie, qu'il s'agisse de graphismes comme Quake de John Carmack ou de l'IA. Nous en récoltons encore les bénéfices aujourd'hui avec des choses comme les GPU, qui ont été inventés pour les graphismes mais se sont révélés incroyables pour l'IA parce que tout est multiplication de matrices. Black & White était un jeu auquel j'ai participé et qui comportait un exemple impressionnant d'apprentissage par renforcement. Vous dressiez un animal de compagnie qui apprenait de la façon dont vous le traitiez. Si vous le traitiez mal, il devenait méchant ; si vous étiez gentil, il serait gentil. Les gens étaient fascinés par la façon dont il se développait.

La correspondance avec le bien et le mal m'a fait réaliser que les choix que l'on fait définissent où l'on finit. Nous sommes tous capables du bien et du mal ; ce qui compte, ce sont les choix tout au long de cette trajectoire. Les jeux peuvent vous faire cela philosophiquement.

Les jeux sont un média unique parce que le joueur est un agent actif plutôt qu'un consommateur passif. Cela peut être plus viscéral que des films ou des livres. La troisième utilisation de l'IA a été chez DeepMind, en utilisant les jeux comme terrain d'essai pour prouver et développer des algorithmes d'IA. C'était une partie centrale de notre vision dès le début parce que les jeux sont super efficaces et qu'il est facile d'avoir des métriques pour voir comment les systèmes s'améliorent.

Parce que ces jeux sont enracinés dans des choses que les humains ont faites pendant longtemps, il existe déjà un ensemble de règles solides et un bon benchmark.

Oui, c'est bien parce que vous avez des mesures claires du niveau que les humains peuvent atteindre. Au Go, nous jouons depuis des milliers d'années. Les jeux ont souvent des scores ou des conditions de victoire, il est donc facile de spécifier des récompenses pour les systèmes d'apprentissage. Vous pouvez également tester la force de votre système en jouant contre les meilleurs joueurs du monde. Il est efficace d'exécuter des millions de simulations en parallèle sur le cloud. C'est une raison majeure de notre succès à partir de 2010. Nous avons également embauché d'incroyables ingénieurs de jeux de ma carrière précédente pour nous aider à démarrer rapidement.

C'est aussi fascinant sur le plan philosophique. L'histoire de l'IA est définie par des gens disant qu'il est impossible de faire battre un humain aux échecs par une machine. Une fois que cela est arrivé, les gens étaient certains que le Go ne pourrait pas être résolu à cause de sa complexité combinatoire. La loi de Moore et la puissance de calcul ne le craqueraient jamais. Il y a quelque chose de puissant à s'attaquer à cette impossibilité d'un point de vue technique, puis à voir la croyance humaine sur ce qui est impossible être brisée. Il est humiliant de réaliser que les choses que nous pensons impossibles aujourd'hui seront faites à l'avenir.

Cela a été un voyage fascinant. Je le comprends des deux côtés, en tant que créateur d'IA et joueur de jeux. Le match AlphaGo a été un moment fantastique mais doux-amer. Kasparov a appelé les échecs la drosophile de l'intelligence, et il a raison parce que les échecs sont allés de pair avec l'IA depuis le début. Chaque praticien de l'IA, à commencer par Turing et Claude Shannon, a essayé d'écrire un programme d'échecs. Turing en a écrit un célèbre, mais comme les ordinateurs étaient trop lents, il devait être l'ordinateur, exécutant son programme à la main pendant des jours pour jouer contre un ami. Deep Blue a été un moment énorme, mais j'ai été plus impressionné par l'esprit de Kasparov. Avec son cerveau humain, il pouvait jouer aux échecs plus ou moins au niveau de cette machine de calcul tout en étant capable de faire du vélo, de parler des langues et de faire de la politique. Deep Blue avait été codé à la main pour les échecs, distillant les connaissances des grands maîtres, mais il ne pouvait même pas jouer au morpion. Quelque chose manquait dans ce système que nous considérons comme de l'intelligence, et c'était l'idée de généralité et d'apprentissage. C'est ce que nous avons essayé de faire avec AlphaGo.

Avec AlphaGo, AlphaZero et MuZero, il y a une trajectoire fascinante. Concernant le côté humain des échecs, vous avez suggéré que ce qui rend le jeu captivant est la tension créative entre le fou et le cavalier. Pouvez-vous expliquer cela ?

Je réfléchissais à cela du point de vue d'un concepteur de jeux. Une raison cruciale pour laquelle les échecs sont captivants est le dynamisme des différentes positions, qui vient du fou et du cavalier. Leurs capacités sont très différentes en termes de mouvement, pourtant les échecs ont évolué pour équilibrer ces deux capacités presque également. Ils valent tous les deux environ trois points.

Pensez-vous que cette dynamique a toujours été là, et qu'ensuite le reste des règles a stabilisé le jeu ?

Les deux sont probablement venus ensemble. Le fait qu'il ait atteint cet équilibre où ils sont différents en puissance mais égaux en valeur crée une tension créative. Vous pouvez échanger l'un contre l'autre et viser un type de position différent. Si vous avez le cavalier, vous voulez une position fermée ; si vous avez le fou, vous voulez une position ouverte.

D'un point de vue de l'IA, les systèmes pourraient-ils éventuellement concevoir des jeux qui soient de manière optimale captivants pour les humains ?

C'est une question intéressante. Je pense qu'il existe différents niveaux de créativité. Si la créativité consiste à inventer quelque chose d'original et d'utile, le niveau le plus bas est l'interpolation, ou une moyenne d'exemples. Ensuite, il y a l'extrapolation, ce qu'AlphaGo a montré. Il a joué des millions de parties contre lui-même et a inventé de nouvelles stratégies brillantes, comme le coup 37 dans la deuxième partie, auxquelles aucun humain n'avait pensé en des milliers d'années. Au-dessus de cela, il y a la pensée hors cadre ou la véritable innovation, comme inventer les échecs ou le Go. Un jour, l'IA pourrait faire cela, mais nous ne savons pas encore comment spécifier cette tâche. Si je disais à un humain d'inventer le Go, je dirais : inventez un jeu qui prend cinq minutes à apprendre mais plusieurs vies à maîtriser, qui est esthétiquement beau et qui peut être terminé en quelques heures. Nous ne sommes pas encore capables de spécifier des notions abstraites comme celle-là à l'IA. L'IA est capable d'interpolation et d'extrapolation, mais pas encore de véritable invention.

On pourrait prendre un ensemble de règles et lancer une expérience d'auto-apprentissage pour voir combien de temps il faut à une IA pour apprendre. S'il satisfait à la rapidité d'apprentissage et à un long voyage vers la maîtrise, alors on a un jeu prometteur. Ce serait bien d'avoir quelque chose comme AlphaCode qui automatise la génération de règles.

J'ai pensé à des systèmes qui prendraient un jeu, y joueraient des dizaines de millions de fois, puis l'auto-équilibreraient. Ils pourraient ajuster les règles et les paramètres pour que les unités du jeu soient plus équilibrées. Ce serait un outil puissant pour l'auto-équilibrage, ce qui prend généralement des milliers d'heures aux testeurs humains pour des jeux comme StarCraft. On pourrait imaginer faire cela du jour au lendemain.

Pensez-vous qu'un jeu optimal conçu par une IA ressemblerait à la planète Terre ?

Peut-être. Le genre de jeux que j'ai essayé de créer dans ma carrière consiste à concevoir des parcs d'attractions ou des villes entières. Will Wright a écrit des jeux comme SimEarth en essayant de simuler toute la biosphère.

Est-ce que SimEarth intègre l'évolution ?

Oui, il la traite comme une biosphère entière d'un point de vue de haut niveau.

Ce serait bien de pouvoir zoomer et dézoomer.

Exactement. Il a écrit cela dans les années 90, donc ce n'était pas possible, mais ce serait le jeu bac à sable ultime.

Pensez-vous que nous vivons dans une simulation ?

Je ne crois pas tout à fait à la théorie de la simulation au sens où nous serions dans un jeu informatique créé par nos descendants. Mais je pense que la meilleure façon de comprendre la physique et l'univers est d'un point de vue computationnel, où l'information est l'unité de réalité la plus fondamentale plutôt que la matière ou l'énergie. L'information peut spécifier la matière ou l'énergie. La matière n'est que la façon dont les molécules de notre corps sont disposées. Par conséquent, on pourrait dire que nous sommes dans une simulation à cause de cela. Je ne souscris pas à l'idée qu'il existe des milliards de simulations jetables ; je pense que celle-ci est critique et peut-être unique.

Vous voulez dire que traiter l'univers comme un ordinateur traitant des informations est un bon moyen de résoudre les problèmes en physique, en chimie et en biologie.

Oui, comprendre la physique en termes de théorie de l'information pourrait être le meilleur moyen de comprendre ce qui se passe ici.

Pensez-vous qu'il y a quelque chose en dehors des capacités d'un ordinateur qui est présent dans notre univers ? Vous avez un désaccord avec Roger Penrose sur la conscience ; il pense qu'elle est plus que du calcul. Pensez-vous que tout cela peut être un calcul ?

J'ai eu de nombreux débats avec Sir Roger Penrose. Il pense que quelque chose de quantique est nécessaire pour expliquer le cerveau. Chez DeepMind, nous poussons le calcul classique à ses limites. J'ai fait mon doctorat en neurosciences pour voir s'il y avait quelque chose de quantique dans le cerveau, mais la plupart des biologistes classiques diraient qu'il n'y a aucune preuve de cela. Jusqu'à présent, le cerveau peut être expliqué par des théories classiques. L'IA de la dernière décennie a été une histoire de succès surprenants, renversant une théorie après l'autre sur ce qui était considéré comme impossible, du Go au repliement des protéines. J'hésiterais beaucoup à parier contre la portée de la machine de Turing universelle. Mon pari est que tout ce qui se passe dans notre cerveau peut être approximé sur une machine classique.

Nous y arriverons avec AlphaFold, qui commence le voyage de la modélisation du monde complexe de la biologie. Vous pensez que toute la magie de l'esprit humain vient de cette bouillie biologique computationnelle ?

Nos cerveaux sont les objets les plus complexes que nous connaissions dans l'univers. Construire l'IA nous aidera à débloquer l'unicité et les secrets de l'esprit que nous nous posons depuis l'aube de l'histoire, comme la conscience, les rêves et la créativité. Nous avons trouvé cela difficile parce qu'il n'y avait pas les outils pour enquêter scientifiquement sur cela autrement que par l'introspection. Maintenant, nous avons des outils de neurosciences et la capacité de construire des systèmes intelligents. C'est incroyable que nous puissions même enquêter sur ces questions.

L'univers a construit l'esprit humain qui construit maintenant des ordinateurs pour nous aider à comprendre à la fois l'univers et nous-mêmes.

Exactement. Nous sommes le mécanisme par lequel l'univers essaie de se comprendre lui-même.

Passons aux briques élémentaires de la biologie. Un jour, nous pourrions simuler l'intégralité de la biologie humaine. Le repliement des protéines était un problème jugé impossible, et AlphaFold 2 l'a résolu. Qu'est-ce que c'est et comment ça marche ?

Les protéines sont essentielles à toute vie et sont souvent appelées les chevaux de trait de la biologie. Ce sont d'incroyables bionanomachines spécifiées par leur séquence génétique d'acides aminés. Dans la nature, elles se replient d'un collier de perles en une structure 3D. Vous voulez connaître cette structure car elle aide à déterminer la fonction de la protéine. Si vous voulez cibler une maladie avec un médicament, vous devez comprendre cette structure.

Donc la structure est mappée sur la fonction.

La structure est d'une manière ou d'une autre spécifiée par la séquence d'acides aminés. Le problème du repliement des protéines est de savoir si l'on peut prédire par calcul la structure 3D à partir de cette séquence. C'est un défi majeur en biologie depuis plus de 50 ans. Il a été articulé par Christian Anfinsen en 1972, mais il n'a pas dit comment faire. Il a été décrit comme l'équivalent du dernier théorème de Fermat pour la biologie.

En tant que personne susceptible de remporter le prix Nobel, vous devriez mettre des choses au hasard dans les marges qui prennent 200 ans à résoudre juste pour lancer les gens.

Je devrai m'en souvenir pour l'avenir. Il a lancé ce champ de défi de 50 ans de la biologie computationnelle. Jusqu'à AlphaFold, cela se faisait expérimentalement en cristallisant la protéine et en utilisant des microscopes électroniques coûteux. La règle empirique en biologie expérimentale est qu'il faut un étudiant en doctorat pendant tout son doctorat pour faire une protéine. Avec AlphaFold 2, nous pouvons prédire la structure en quelques secondes. Nous avons fait tout le protéome humain, les 20 000 protéines du corps, ce qui a révolutionné ce que les biologistes structurels peuvent faire. Maintenant, ils peuvent consulter la structure de leurs protéines comme une recherche Google.

C'est incroyable qu'une protéine soit capable de faire ce calcul elle-même très rapidement. Elles ont évolué pour comprendre comment être des ordinateurs afin que vous puissiez créer des structures qui interagissent pour former des fonctions de haut niveau.

Les protéines sont magiques. Le paradoxe de Levinthal note qu'une protéine moyenne peut se replier dans 10 à la puissance 300 conformations différentes, pourtant la physique résout ce problème de recherche en millisecondes.

La plupart du temps, il y a un mappage unique. Il n'est pas évident de savoir comment elle trouve cette manière stable de se former.

Exactement. Dans la maladie, comme Alzheimer, une conjecture est que des protéines mal repliées s'emmêlent dans vos neurones. Il est important de comprendre à la fois le fonctionnement sain et la maladie. Les protéines changent aussi de forme lorsqu'elles interagissent avec quelque chose ; elles ne sont pas seulement statiques.

Qu'est-ce qui était très difficile à résoudre et qu'est-ce qui était beau dans la solution ?

AlphaFold est le système le plus complexe et le plus significatif que nous ayons construit. Nous avons commencé par des jeux comme AlphaGo, mais le but ultime était de construire des systèmes d'apprentissage général que nous pourrions appliquer à des défis scientifiques. Certaines des grandes innovations consistaient à intégrer des contraintes codées en dur autour de la physique et de la biologie pour contraindre les angles de liaison sans impacter le système d'apprentissage. L'ensemble d'entraînement ne comptait qu'environ 150 000 protéines. Nous avons utilisé l'auto-distillation, en réintégrant les propres prédictions confiantes d'AlphaFold dans l'ensemble d'entraînement pour l'agrandir. AlphaFold 1 produisait un distogramme, mais pour AlphaFold 2, nous l'avons rendu véritablement de bout en bout. Nous sommes passés directement de la séquence d'acides aminés à la structure 3D. En apprentissage automatique, plus vous le rendez de bout en bout, meilleur est le système car il est plus apte à apprendre les contraintes que les concepteurs humains ne le sont à les spécifier.

Donc vous commencez par des contraintes manuelles, puis vous développez la partie apprentissage jusqu'à ce qu'elle consomme tout le reste.

C'est l'évolution d'AlphaGo vers AlphaZero. AlphaGo a été spécifiquement entraîné pour jouer au Go. AlphaGo Zero a supprimé le besoin de parties humaines comme point de départ. AlphaZero l'a généralisé pour que n'importe quel jeu à deux joueurs puisse être joué à partir de zéro. Enfin, MuZero l'a étendu pour que vous n'ayez même pas à lui donner les règles.

C'est la trajectoire de l'apprentissage par imitation à l'apprentissage auto-supervisé complet.

Exactement. Apprendre toute la structure de l'environnement à partir de zéro par l'auto-apprentissage. Il aurait été très difficile pour nous de construire AlphaZero ou MuZero en premier.

Même psychologiquement, parce qu'il faut croire en soi pendant longtemps quand les gens disent que c'est impossible.

Nous avons beaucoup appris en construisant AlphaGo d'abord. J'appelle l'IA une science de l'ingénierie car, contrairement aux sciences naturelles, il faut d'abord construire l'artefact avant de pouvoir étudier comment il fonctionne.

Si nous regardons en arrière dans 200 ans, quelle a été la chose clé qui a résolu l'intelligence ? Est-ce les idées ou l'ingénierie ?

C'est une combinaison de ces choses, mais les ratios changent avec le temps. Nous avons lancé DeepMind en 2010 alors que personne ne parlait d'IA. J'ai fait un post-doc au MIT à cette époque, et on pensait que l'IA ne fonctionnait pas. Des gens comme Minsky et Patrick Winston pensaient que j'étais fou de croire que des avancées pouvaient être réalisées avec des systèmes d'apprentissage. Dans l'industrie, il était difficile d'obtenir le moindre financement. En 2010, les principes fondateurs de DeepMind étaient les avancées algorithmiques, l'apprentissage par renforcement et les avancées en neurosciences qui donnaient des indices sur les architectures utilisées par le cerveau. Les autres grandes choses étaient le calcul et les GPU, qui avaient été banalisés par l'industrie du jeu. Enfin, il y avait des définitions mathématiques de l'intelligence comme AIXI, qui est une preuve théorique de l'intelligence universelle. Dans les premiers temps, les idées étaient le plus important. À mesure que nous nous rapprochons de l'AGI, l'ingénierie et les données deviennent plus importantes car l'échelle est clairement une partie nécessaire d'une solution d'AGI.

Merci d'avoir soutenu des idées comme l'apprentissage par renforcement quand le succès était limité par le passé. Avoir les meilleurs chercheurs et parler de résoudre l'intelligence est puissant. Croire que l'on peut résoudre des défis impossibles est ce qui permet aux grands ingénieurs de construire de grands systèmes.

Notre énoncé de mission en 2010 était : étape un, résoudre l'intelligence ; étape deux, l'utiliser pour résoudre tout le reste. Nous avons réussi à trouver quelques personnes pour nous soutenir, mais c'était délicat. Nous n'en parlions pas aux professeurs parce qu'ils levaient les yeux au ciel. L'une des raisons pour lesquelles j'ai toujours cru en l'apprentissage par renforcement est que le cerveau des primates apprend de cette façon ; le système dopaminergique met en œuvre une forme d'apprentissage TD. Lorsque vous faites de la recherche fondamentale, vous avez besoin de n'importe quelle source d'information pour vous guider. DeepMind était à l'origine une confluence de neurosciences, d'apprentissage automatique, d'ingénierie et de mathématiques. Nous avons développé cela davantage pour inclure des philosophes et des éthiciens. J'ai essayé de construire un nouveau type de Bell Labs pour favoriser cette machine à innovation. DeepMind est une machine d'apprentissage avec de nombreux esprits humains qui s'unissent pour construire ces systèmes.

Envisagez-vous de simuler des systèmes biologiques plus complexes comme une vision à long terme ?

Oui. AlphaFold n'est que le début. Je discute avec le biologiste Paul Nurse depuis 20 ans de cellules virtuelles. Une simulation virtuelle d'une cellule serait incroyable pour la découverte de maladies car on pourrait faire des expériences in silico et ne les valider en laboratoire humide qu'à la dernière étape. Il faut 10 ans pour découvrir un médicament ; cela pourrait être raccourci d'un ordre de grandeur. J'ai dit à Paul l'année dernière que c'était le moment d'y aller. Nous avons des collaborations avec l'Institut Crick de l'autre côté de la rue. Je dis souvent que si les mathématiques sont le langage parfait pour la physique, l'IA pourrait être le langage de description parfait pour la biologie parce que la biologie est si désordonnée et émergente. J'ai du mal à croire que nous obtiendrons un jour des lois de Newton pour décrire une cellule ; l'IA est l'outil approprié pour cela.

Vous devez commencer par les briques élémentaires et utiliser l'IA pour exécuter la simulation. Les règles sont trop compliquées pour être déduites, vous devez donc les apprendre.

C'est exactement ça. La biologie est trop émergente et dynamique. Vous devez apprendre les règles.

Merci d'avoir mis AlphaFold et MuJoCo en open-source. Très peu d'entreprises le feraient. Quelle est la philosophie derrière cela ?

Nous avons estimé que c'était le bénéfice maximal pour l'humanité et la communauté scientifique. Nous avons acheté MuJoCo pour le mettre en libre accès parce que le professeur qui l'avait construit n'était plus en mesure de le soutenir car il devenait trop important. Avec AlphaFold, il y avait tellement d'applications en aval que nous ne pouvions pas imaginer. La meilleure façon d'accélérer la découverte de médicaments était de donner ces données et le système. Plus de 500 000 chercheurs l'ont utilisé ; nous pensons que c'est presque chaque biologiste dans le monde. Nous avons vu des recherches fondamentales, comme la cartographie de la structure du complexe du pore nucléaire, qui régit l'entrée des nutriments dans le noyau cellulaire. Les chercheurs ont pu utiliser les prédictions d'AlphaFold plus des données expérimentales pour assembler le tout comme un puzzle Lego géant. Chaque dirigeant d'entreprise pharmaceutique avec qui j'ai parlé dit que ses équipes utilisent AlphaFold pour accélérer leur travail. L'impact a été énorme.

C'est une drogue d'initiation à la biologie.

La prochaine étape consiste à construire sur la base d'AlphaFold dans des domaines comme la génomique. Tout ne sera pas en open-source ; certains seront commerciaux pour obtenir le plus de ressources et d'impact, et d'autres seront à but non lucratif. Nous devons également tenir compte de la sécurité et de l'éthique concernant la biologie synthétique. C'est à double usage. Nous avons consulté 30 bioéthiciens pour nous assurer qu'AlphaFold était sûr avant de le publier. Pour l'instant, c'est un cadeau à la communauté scientifique.

Pensez-vous qu'il y aura un jour où un système d'IA ne pourra pas se voir refuser son propre prix Nobel ?

Cela dépend du type d'IA que nous construisons. À l'heure actuelle, c'est l'incroyable ingéniosité humaine qui se cache derrière ces systèmes, et le système n'est qu'un outil. Ce serait comme dire que le mérite des découvertes de Galilée devrait revenir au télescope. Un jour, un système d'IA pourrait inventer quelque chose comme la relativité générale par lui-même, pas seulement en faisant la moyenne de ce qui se trouve sur Internet. S'il inventait le Go ou une nouvelle conjecture à partir de rien plutôt que d'être spécifié par des créateurs humains, alors il aurait besoin de ce crédit.

Il est intéressant de voir jusqu'où on va en faisant la moyenne de l'Internet. Peut-être que les prix Nobel des 100 prochaines années sont déjà sur Internet, attendant d'être découverts.

Je crois que beaucoup de grandes percées viendront à l'intersection de domaines disparates. Il est difficile pour nos esprits humains limités de comprendre ce que ce serait de lire tout Internet et de voir toutes les connexions qui s'y trouvent. Il ne fait aucun doute qu'il y a d'énormes choses à découvrir de cette façon. Mais je pense qu'il existe un autre type de créativité — une véritable étincelle de nouvelles connaissances qui ne peut pas être moyennée à partir de ce qui est connu. Les grands scientifiques font preuve d'une façon unique d'assembler les choses.

Connaître mille pages Wikipédia est déjà une intelligence puissante. Einstein utilisait des expériences de pensée pour simuler différentes idées.

On pourrait imaginer faire cela systématiquement sur des millions de pages. Je veux faire ces choses en science des matériaux, comme trouver des supraconducteurs à température ambiante ou des batteries optimisées. Une recherche systématique guidée par un modèle pourrait être extrêmement puissante.

Vous avez un article sur le contrôle magnétique des plasmas de tokamaks grâce à l'apprentissage par renforcement profond. L'IA peut-elle éventuellement résoudre la fusion nucléaire ?

Il a été productif de cocher des projets de rêve qui pourraient être transformateurs. L'énergie et le climat sont en haut de ma liste. La fusion présente de nombreux défis en physique et en ingénierie. Nous cherchons les meilleures personnes au monde avec qui collaborer, comme l'Institut technique suisse qui possède un réacteur d'essai. Nous examinons les problèmes de goulot d'étranglement qui freinent la fusion et voyons lesquels sont accessibles à l'IA. Le contrôle du plasma était parfait. Le plasma est plus chaud que le soleil, il doit donc être contenu dans des champs magnétiques supraconducteurs. Le plasma est instable, vous voulez donc prédire ce qu'il va faire pour déplacer le champ magnétique en quelques millisecondes. Les contrôleurs étaient autrefois fabriqués à la main, mais nous aimerions apprendre cela à la place.

Alors, l'IA peut-elle résoudre la fusion nucléaire ?

Nous avons maintenu le plasma dans des formes spécifiques pendant une durée record dans une recherche publiée dans Nature l'année dernière. C'est l'un des problèmes de la fusion résolu. Nous discutons avec des startups de fusion pour voir quel est le prochain problème que nous pouvons aborder.

Vous modélisez le comportement en mécanique quantique des électrons. L'IA peut-elle modéliser des systèmes de mécanique quantique arbitraires ?

Simuler les propriétés des électrons est fondamental pour faire progresser la science des matériaux. Nous avons l'équation de Schrödinger et des approximations comme la théorie de la fonctionnelle de la densité. Nous avons essayé d'apprendre une fonctionnelle qui décrirait plus de types de chimie. Aujourd'hui, on ne peut simuler que des molécules simples ; nous aimerions simuler de grands matériaux. Toutes les propriétés des matériaux sont régies par la façon dont les électrons interagissent.

À quel point est-il difficile d'apprendre la fonctionnelle ?

Nous pouvons exécuter des simulations de dynamique moléculaire sur nos clusters de calcul pour générer des données. Nous aimons les systèmes où nous pouvons créer autant de données que nous le souhaitons. Lorsque les ordinateurs sont libres dans le cloud, nous lançons ces calculs pour la chimie quantique au lieu de vidéos de chats. Nous pouvons ensuite apprendre les fonctionnelles à partir de ces données, qui sont bien plus efficaces que d'exécuter les simulations originales.

Pensez-vous que l'IA puisse nous permettre de percer la physique et de voyager plus vite que la lumière ?

Mon but ultime avec l'IA était de construire un outil pour nous aider à comprendre l'univers et la nature de la réalité. Quand nous nous approcherons de l'AGI, c'est l'une des premières choses auxquelles nous devrions l'appliquer. J'aimerais tester les limites de la physique. Plus on en découvre, plus on réalise qu'on ne sait rien. Il est surprenant que plus de gens ne soient pas troublés par le fait que nous n'ayons aucune idée du fonctionnement de choses fondamentales comme le temps, la conscience et la gravité.

Nous vivons en traitant les suppositions comme des faits, mais il y a beaucoup d'incertitude sur le temps et la gravité. Peut-être que l'IA vous permet d'ouvrir cela et de voir ce que c'est vraiment.

Nous devrions être ouverts d'esprit et non dogmatiques. Cela nous permettra de construire des outils expérimentaux pour tester des théories qui ne sont pas testables aujourd'hui, comme la nature computationnelle de l'univers. Nous pourrions être capables de tester quelle quantité d'information une unité de Planck spécifique de l'espace-temps peut contenir. C'est ce que j'imagine que nous serons capables de faire dans quelques décennies.

Quelles questions peuvent être répondues en lançant des simulations, peut-être même l'origine de la vie ? Comment la vie est-elle apparue sur Terre ?

L'utilisation ultime de l'IA est d'accélérer la science au maximum. L'IA va doper l'arbre de toutes les connaissances. Je veux explorer autant de branches que possible, de la recherche de motifs à la construction de nouveaux outils et de simulations. Nous faisons de petits pas maintenant, mais le plein épanouissement dans les décennies à venir sera incroyable.

L'arbre humain de la connaissance est assez petit étant donné nos limites cognitives. Des systèmes non humains pourraient être capables d'aller plus loin.

Avec l'IA, nous allons explorer beaucoup plus. Il peut y avoir des contraintes fortes, comme si certaines choses sont compréhensibles de l'intérieur de l'univers.

Nous pensons que l'espace-temps est fondamental parce que nos cerveaux sont habitués aux trois dimensions.

Nos outils pourraient aller au-delà et penser en 11 ou 12 dimensions. Si vous êtes raisonnablement bon aux échecs, vous ne pouvez pas inventer le coup que fait Garry Kasparov, mais il peut l'expliquer et vous pouvez comprendre le raisonnement a posteriori. On peut apprécier la beauté de Mozart sans être capable d'inventer la musique soi-même. Un signe d'intelligence est la capacité d'expliquer les choses clairement et simplement. Richard Feynman a dit que si l'on peut expliquer un sujet complexe simplement, c'est le meilleur signe qu'on le comprend.

Je me vois bien en train de chambrer un système d'IA frustré par ma bêtise. Je lui dirais que s'il était vraiment intelligent, il pourrait l'expliquer simplement.

Nous pourrions aussi nous améliorer. Nous sommes déjà en symbiose avec nos téléphones, et des choses comme Neuralink pourraient faire progresser cela davantage. Il existe de nombreuses possibilités incroyables.

Pensez-vous qu'il existe de nombreuses civilisations extraterrestres ?

Mon opinion personnelle est que nous sommes seuls. Nous essayons de détecter des signaux depuis le programme SETI. Dans l'évolution des humains, nous aurions facilement pu avoir un million d'années d'avance ou de retard. Si le météore avait frappé les dinosaures un million d'années plus tôt, nous pourrions avoir un million d'années d'avance maintenant. Imaginez où l'humanité en sera dans un million d'années si elle s'épanouit ; nous nous répandrons parmi les étoiles. Von Neumann a calculé qu'il ne faudrait qu'un million d'années pour avoir une sonde dans chaque système de la galaxie. Nous aurions dû entendre une cacophonie de voix lorsque nous sommes devenus technologiquement sophistiqués, mais nous n'avons rien entendu. Je n'achète pas l'argument selon lequel nous regardons dans les mauvaises bandes ; si la vie était partout, cela devrait être évident. La vision du 'safari' selon laquelle on ne nous dérange pas n'est pas très différente de l'hypothèse de la simulation parce que ce que nous voyons n'est pas tout à fait la réalité.

Ils pourraient communiquer d'une manière que nous sommes trop bêtes pour comprendre, par exemple à travers nos propres pensées.

Je ne vois pas pourquoi toutes les espèces extraterrestres se comporteraient ainsi. Il devrait y avoir une distribution normale : certains agressifs, certains curieux, d'autres philosophes. Je ne vois pas pourquoi des centaines seraient uniformes dans la communication par la pensée.

Si nous sommes seuls, alors le grand filtre est derrière nous. Quelle a été l'étape la plus difficile ?

Je suis presque sûr que les grands filtres sont derrière nous. La première forme de vie issue d'une soupe chimique semble difficile, mais je ne serais pas surpris de voir des bactéries ailleurs. La vie multicellulaire semble incroyablement difficile.

Diriez-vous que la multicellularité est l'étape la plus importante ?

Je pense que c'en est une. L'avènement de l'intelligence consciente est également énorme, et elle n'a évolué qu'une seule fois dans l'histoire de la Terre.

Quelle est l'origine de l'intelligence ? Est-ce la cuisson de la viande sur le feu, la coopération ou la fabrication d'outils ?

Le feu et la cuisson sont importants pour l'efficacité énergétique. L'utilisation d'outils nous a permis de surpasser les autres espèces. L'intelligence est très coûteuse ; le cerveau utilise 20 % de l'énergie du corps. Pour qu'un organisme justifie cela, il doit y avoir un gain énorme. Il est difficile de justifier une demi-intelligence sur le plan de l'évolution jusqu'à ce que l'on atteigne un cerveau de niveau humain, c'est pourquoi cela n'a été fait qu'une fois. Nous avons vu la même chose avec les systèmes d'IA : il a été plus facile de concevoir une solution spécifique comme les échecs que de construire un système d'apprentissage général initialement moins efficace.

Les systèmes d'AGI ont-ils besoin d'avoir une conscience pour être véritablement intelligents ?

Je pense que la conscience et l'intelligence sont doublement dissociables. On peut voir de la conscience chez les animaux de compagnie ou les dauphins ; ils ont une conscience d'eux-mêmes et semblent rêver, pourtant ils ne sont pas si intelligents selon les normes de QI.

Peut-être que notre compréhension de l'intelligence est imparfaite.

La plupart des animaux sont assez spécialisés et optimisés pour une seule chose.

Ils ont convaincu les humains de les nourrir et de les servir.

Nous voyons de l'intelligence dans les systèmes artificiels qui sont brillants pour certaines choses mais ne semblent pas conscients. Construire l'IA est l'un des meilleurs moyens de briser le mystère de la conscience. Nous aurons des dispositifs capables mais qui n'auront aucun semblant de conscience de soi. Je préconiserais de construire d'abord des systèmes d'IA qui soient des outils non conscients, jusqu'à ce que nous les comprenions mieux.

Les gens projetteront une sensibilité sur des systèmes de plus en plus intelligents. Que pensez-vous de l'ingénieur de Google qui croyait que LaMDA était sentiente ?

Aucun des systèmes que nous avons aujourd'hui n'a une once de sensibilité. Il est prématuré d'en discuter. C'est une projection de la façon dont nos propres esprits fonctionnent pour interpréter une intentionnalité même dans des choses inanimées. Les premiers chatbots comme ELIZA ont trompé certaines personnes. C'est pourquoi le test de Turing est imparfait ; il dépend de la sophistication du juge. Il n'y a pas de définition convenue de la conscience, mais j'aime l'idée que c'est la façon dont l'information est ressentie lorsqu'elle est traitée. Les neurosciences voient des conditions préalables comme la conscience de soi, un sens de soi et de l'autre, et des préférences cohérentes. Nous nous considérons également comme sentients parce que nous partageons le même substrat biologique à base de carbone.

Mais nous n'aurons jamais d'équivalence de substrat avec une machine.

Nous devrions juger uniquement sur le comportement. L'équivalence de substrat est la raison pour laquelle nous supposons que les autres humains sont conscients.

Quelle est la responsabilité des systèmes d'IA concernant ces sentiments projetés ? L'IA doit-elle toujours être un outil ?

Nous ne comprenons pas encore assez bien les grands modèles pour les déployer à grande échelle. Il y a des questions éthiques, comme de savoir si un système d'IA devrait toujours annoncer qu'il s'agit d'une IA. Je suis convaincu que nous aurons des outils d'interprétabilité et d'analyse, mais nous devons également nous tourner vers la philosophie et les sciences humaines pour comprendre ce que signifie être humain et améliorer la condition humaine. L'IA devrait nous amener dans un monde d'abondance radicale. C'est une idée trop vaste pour être dirigée par une seule personne ; elle devrait appartenir à l'humanité. Les valeurs des bâtisseurs laisseront un résidu dans le système. Alors que nous sommes dans un monde fragmenté, peut-être que l'abondance radicale nous permettra d'être plus coopératifs si les ressources ne sont plus si rares.

Pensez-vous à la nature corruptrice du pouvoir concernant l'IA superintelligente ?

J'y pense tout le temps. Une défense consiste à rester ancré et humble. Mes meilleurs amis sont toujours ceux de mes années d'études de premier cycle. Être une personne multidisciplinaire aide à rester humble car il y aura toujours quelqu'un de meilleur que vous dans quelque chose. Réapprendre un nouveau domaine comme la biologie est une leçon d'humilité. J'espère que nous serons à l'avant-garde afin de pouvoir influencer l'évolution de l'IA.

Les atrocités se produisent lorsqu'il y a une contrainte importante sur les ressources.

La rareté mène à une pensée de jeu à somme nulle. J'aimerais que nous soyons dans un monde à somme positive, et pour cela, il faut supprimer la rareté. L'IA devrait appartenir au monde et tout le monde devrait avoir son mot à dire.

Quels conseils avez-vous pour les jeunes ?

Trouvez vos vraies passions en explorant autant de choses que possible quand vous êtes jeune. Cherchez des liens entre les choses d'une manière unique. Deuxièmement, connaissez-vous vous-même. Comprenez comment vous travaillez le mieux, quels sont vos moments de travail optimaux et comment vous gérez la pression. Améliorez vos faiblesses et perfectionnez vos forces uniques. Si vous pouvez combiner des passions avec des compétences uniques, vous pouvez faire une énorme différence.

À quoi ressemble une journée productive parfaite pour vous ?

Il y a dix ou vingt ans, cela aurait été une journée de recherche individuelle, de programmation et de lecture d'articles de recherche.

Beaucoup de travail concentré en profondeur.

Au cours de la dernière décennie, j'ai utilisé une structure qui me convient. Je suis un complet oiseau de nuit. J'arrive au travail vers 11 heures et je travaille jusqu'à 19 heures, en enchaînant les réunions. Ensuite, je rentre chez moi, je passe du temps avec ma famille et je me détends. Je commence une 'deuxième journée de travail' vers 23 heures. Jusqu'à 4 ou 5 heures du matin, je réfléchis, je lis et j'écris des articles de recherche. Je n'ai plus le temps de coder, mais c'est là que je fais de longues sessions de planification et que j'envoie des e-mails à mon équipe.

Utilisez-vous une feuille de papier et un stylo ?

Je préfère le crayon et le papier pour élaborer des choses. C'est efficace de lire sur un écran, mais j'imprime encore souvent des choses car cela s'imprime mieux dans le cerveau en utilisant des outils physiques.

Donc vous prenez des notes.

J'ai des notes électroniques et des piles de carnets à la maison.

Comment déterminez-vous la bonne prochaine étape pour l'équipe ?

Je réfléchis à ces choses dans la phase nocturne. Les heures calmes entre 1 heure et 3 heures du matin sont précieuses. Je mets de la musique inspirante et j'ai des pensées profondes. Je lis de la philosophie — Spinoza et Kant — et je lis sur les grands scientifiques de l'histoire. Faire de la réflexion créative en un seul bloc garantit que je ne suis pas interrompu. Si je tiens quelque chose, je peux prolonger jusqu'à 6 heures du matin et juste en payer le prix le lendemain. Je n'ai pas besoin de reprogrammer ma journée comme le ferait une personne du matin.

Vous devez devenir très bon en changement de contexte pour suivre les domaines scientifiques.

J'apprécie cela. J'ai toujours été un généraliste. Il y a trop de choses intéressantes dans le monde pour passer tout son temps sur une seule.

Quel est, selon vous, le sens de tout cela ?

Le but est d'acquérir des connaissances et de comprendre l'univers. Acquérir des connaissances vous rend plus compatissant et tolérant. Que se passe-t-il réellement ici ? On a l'impression d'être dans un immense puzzle. C'est incroyable que les ordinateurs soient même possibles et faits de silicium, notre élément le plus commun. Pas mal de choses me semblent un peu suspectes.

Si vous pouviez poser une question à un système d'AGI, quelle serait-elle ?

Je demanderais : quelle est la véritable nature de la réalité ? Je ne sais pas si je comprendrais la réponse — ce serait peut-être 42 — mais c'est la question que je poserais.

Et puis il y aurait un profond soupir du système. À quoi ressemblerait la réponse ?

Cela ressemblerait à des explications plus fondamentales de la physique.

Peut-être en vous donnant des aperçus de choses que vous avez manquées en physique.

Exactement. Des aperçus d'une explication plus profonde ou plus simple que le modèle standard, englobant des mystères comme la conscience, la vie et la gravité.

Demis, c'est un immense honneur que vous ayez pris le temps pour cette conversation. Merci.

Merci de m'avoir invité. J'ai vraiment apprécié.

Merci d'avoir écouté cette conversation avec Demis Hassabis. Et maintenant, laissez-moi vous quitter avec quelques mots d'Edsger Dijkstra : 'L'informatique n'est pas plus une question d'ordinateurs que l'astronomie n'est une question de télescopes.' Merci de m'avoir écouté et j'espère vous revoir la prochaine fois.