Dans l'industrie, on craint que les gens ne comprennent pas cela et nous allons devoir faire face à un événement — je ne sais pas comment le dire sans paraître cruel — un événement mortel modeste, quelque chose de l'équivalent de Tchernobyl, qui effrayera tout le monde au point de comprendre que ce que nous voyons comme possibilité, nous faisons tout notre possible pour le contenir et l'empêcher.

L'ancien PDG de Google, le Dr Eric Schmidt, vient de donner une interview hallucinante au SRI Forum. Il a lancé des avertissements massifs sur ce que l'IA va faire aux humains dans les années à venir. Regardez ceci.

On parle d'IA, mais ce dont on devrait vraiment parler, c'est de l'informatique à grande échelle. Je parlais à Elon, entre autres, il y a une semaine à propos de Grok 3 et je lui ai demandé comment Grok 2 est passé à Grok 3, qui est si bon qu'il est bien placé dans le classement. Sa réponse a été qu'il disposait de la plus grande collection d'ordinateurs effectuant l'entraînement d'un seul modèle, alors que tous les autres étaient fragmentés. C'est encore une autre donnée d'il y a une semaine montrant que les lois de mise à l'échelle de l'informatique à grande échelle vous permettent de faire ces choses extraordinaires. Et c'est pourquoi on revient à l'arc de l'Alto, de l'Ethernet, et ainsi de suite, et on ne fait que cumuler. Quand les lois de mise à l'échelle s'arrêteront-elles ? Dario a écrit un très bon article que vous devriez tous lire, c'est Dario Amodei sur DeepSeek et les lois de mise à l'échelle. Il y propose qu'il y a en fait trois lois de mise à l'échelle en cours. La première est celle que vous connaissez sur l'apprentissage profond. L'apprentissage profond est ce sur quoi repose ChatGPT, et cette loi dit qu'à mesure que vous ajoutez du matériel et des données, vous obtenez plus de comportements émergents. Nous n'en avons pas encore trouvé la limite. Tout le monde dit qu'il y a une limite, mais nous ne l'avons pas encore trouvée. Je suis sûr qu'il y aura une limite, mais nous ne l'avons pas encore trouvée, alors je rejoins le club. Et rappelez-vous que le fait qu'il y ait une limite ne signifie pas qu'elle est proche. La deuxième concerne l'apprentissage par renforcement. L'apprentissage par renforcement est essentiellement ce qu'AlphaGo a fait et, fondamentalement, il évalue différents chemins. Il regarde vers l'avant et vers l'arrière et donne une fonction de récompense pour cela. Et puis la troisième s'appelle le calcul au moment du test, où à l'intérieur du système, pendant que vous fournissez des réponses, vous mettez également à jour vos réponses. Il soutient, et je pense que c'est exact, que les deux dernières n'en sont qu'au début de leurs lois de mise à l'échelle. Cela signifie que les gens du matériel dans la salle doivent nous construire plus de matériel. Et ceux d'entre vous qui travaillent sur l'électricité et l'énergie, nous avons besoin de beaucoup plus d'énergie. La demande d'énergie, je vais vous donner un exemple, j'ai passé beaucoup de temps dans le monde arabe récemment et en Inde. Ces gens sont suffisamment fous pour parler de centres de données d'un à cinq gigawatts, voire jusqu'à 10 gigawatts. Permettez-moi de vous rappeler ce qu'est un gigawatt. Le plus grand barrage fait environ deux gigawatts. Les gros, ceux qui sont trop longs à traverser en voiture. Une centrale nucléaire fait environ un gigawatt et demi à deux gigawatts. Nous parlons donc de deux centrales nucléaires pour un seul centre de données. C'est de cela que nous discutons. Et au fait, un gigawatt représente environ 45 milliards de dollars de matériel à l'intérieur. Donc, si vous en avez 10, c'est un demi-billion de dollars.

Et avec ce genre de mise à l'échelle, je sais que beaucoup de gens travaillent sur des algorithmes et d'autres approches pour réduire les besoins énergétiques de ces clusters, particulièrement pour le calcul avec l'IA, mais comme cela devient plus rentable en termes d'énergie et avec des algorithmes plus efficaces, les gens pourraient l'utiliser davantage. Alors, quelle courbe pensez-vous gagnera à la fin en termes de cet agrégat où-

Eh bien, il y a un vieux dicton qui dit que Grove donne et Gates reprend. Les anciens sauront que je parle d'Intel qui fabrique le matériel et de Microsoft qui utilise tout. Et cela semble arriver juste à temps. Comme si la chose ne fonctionnait pas, le meilleur matériel arrive et boum, les gens du logiciel sont contents, puis ils se plaignent d'avoir besoin de plus de matériel. Je pense que c'est ainsi que cela fonctionne. Nous sommes certainement au milieu de cela, mais pas à la fin. Donc, un scénario qui me semble le plus probable est que nous finirons par avoir de très grands centres de données. Et oui, il y a des améliorations. Un autre exemple est DeepSeek qui a attiré toute cette attention, nous pouvons parler de cette amélioration du coût par requête, et l'amélioration du coût par fourniture de requête est en fait plus rapide sur Gemini que sur DeepSeek. Et cela a été bien établi. Et l'amélioration de ces algorithmes, désormais essentiellement d'apprentissage profond, augmente d'un facteur 10 par an. Donc, avec un facteur 10 par an, chaque année vous avez beaucoup de place pour l'innovation. Ce qu'a fait DeepSeek, c'est qu'ils ont inventé un tout nouvel algorithme pour faire quelque chose appelé SFT, et c'est une véritable invention. Mais parce qu'ils l'ont publié en open source, tous leurs concurrents ne font que le copier. Et de plus, ils ont basé leurs algorithmes, ils l'ont reconnu, sur le modèle open source de Meta, Llama 400. Il est également vrai que beaucoup pensent qu'ils ont distillé illégalement ou de manière inappropriée à partir d'OpenAI et ainsi de suite. La façon dont on peut le dire est que si vous demandez à DeepSeek qui il est, il répond "Je suis OpenAI". Il a appris ce qu'on lui a dit.

Je repensais parce qu'il y a-

D'accord, dans cette partie suivante, l'hôte demande au Dr Schmidt : "Que se passe-t-il lorsque nous manquons de données pour entraîner l'IA ?" et son point de vue sur la question est assez intéressant. Regardez ceci.

Une grande partie des données sur lesquelles vous vous entraînez sont des données traitées, ceci-

L'industrie croit en fait que nous avons toutes les données.

Mais je pensais aussi à la vitesse. Vous parliez du matériel et ce qui est étonnant concernant ce qui se passe avec l'IA, ce n'est pas seulement des puces plus rapides, mais c'est l'architecture informatique, ce sont les algorithmes, cela provoque une accélération beaucoup plus rapide. Je pense que c'était l'un des commentaires dans votre livre lorsque vous écriviez la postface du premier livre, que cela avance encore plus vite que vous ne l'aviez prévu. Et maintenant, je pense qu'une grande partie de la conversation est l'extrapolation au-delà de l'algorithme : peut-il faire ceci, combien d'énergie utilise-t-il, où est-il fragile, où va-t-il halluciner, mais fondamentalement, comment cela change-t-il l'interaction des gens avec l'ordinateur. Parce que je pensais au fait que tout cela est possible parce que des gens ont développé des algorithmes, ils ont développé des puces, des hordes de gens ont dû étiqueter des données pour l'entraînement, maintenant des gens sont embauchés pour vérifier les réponses et voir si c'est la meilleure réponse en termes de renforcement, mais à un moment donné cette relation va changer en termes de personnes avec les outils, elle change déjà, cela pourrait être d'une toute nouvelle manière, c'est un peu ce que vous méditiez dans le livre-

Mais laissez-moi avancer un argument plus fort.

Oui.

Il y a 40 ou 50 ans, dans ce bâtiment, ce que l'on appelle l'interface Windows, icônes, menus et menus déroulants a été inventé. Je le sais parce que je l'ai utilisée. Je ne l'ai pas inventée, je l'ai utilisée. Cette interface WIMP a 50 ans et c'est ce que vous utilisez tous les jours sur un ordinateur personnel, et il y en a des dérivés sur le téléphone. Ne semble-t-il pas logique que l'IA soit capable de générer assez de bits pour avoir une interface à la demande, adaptée à vous pour votre tâche, et que toute la notion de graphisme matriciel et de cadres de délimitation fixes et tout ce truc qui a été inventé ici soit complètement remplacé par la narration. Et quand vous commencez à y penser dans la culture et la langue de la personne, c'est une expérience profondément différente.

Et je pensais aussi à cela en termes de différence entre l'IA et l'analyse, parce que nous pensons au Big Data et tout ça, et dans beaucoup de ces cas, les gens définissent les algorithmes, les approches que l'ordinateur a suralimentés, mais avec tout ce que Google a fait, il ne s'agissait pas de s'entraîner sur des algorithmes fournis par des humains mais de lui apprendre comment apprendre, et c'est ainsi qu'il a gagné aux échecs, au Go, et à tant d'autres choses, ainsi que le repliement des protéines. Alors comment voyez-vous le fait que l'interaction des gens avec l'ordinateur pourrait changer au-delà de l'ordinateur comme simple outil, comme extension aidant à ces tâches, vers une collaboration d'un type différent que nous n'avons jamais vu.

Et encore une fois, je sais que c'est quelque chose sur lequel vous travaillez au SRI depuis longtemps. Si vous y réfléchissez un instant, au moins pour la prochaine décennie-

D'accord, dans cette partie, le Dr Schmidt nous donne une sorte de calendrier sur la durée pendant laquelle les humains pourront contrôler l'IA. Puis il fait allusion à l'arrivée de l'ASI, un point où l'on soupçonne l'IA de dominer pratiquement la population humaine, un peu comme une ère dystopique.

Ce sera nous plus les ordinateurs travaillant ensemble. Il y a des scénarios que nous appelons la superintelligence artificielle dont je peux parler, où cela pourrait changer, mais au moins dans un avenir prévisible, ce sera nous et les ordinateurs. Et le premier livre comme celui-ci traitent fondamentalement de ce que signifie l'identité humaine quand on travaille avec une intelligence supérieure à la nôtre dans certains domaines et moins élevée dans d'autres. Et nous pensons collectivement que l'industrie fait progresser ces choses plus vite que les gouvernements, la société et la société civile ne peuvent s'adapter. Je peux vous assurer que les personnes qui ont inventé les réseaux sociaux, qui étaient en grande partie des gens libéraux de San Francisco, n'avaient pas prévu la polarisation mondiale que les réseaux sociaux ont permise en vous permettant de trouver vos amis. Ainsi, le rétrécissement de votre société et le boost algorithmique qui a commencé vers 2015 dans les diverses entreprises technologiques se sont avérés être au moins corrélés, pas nécessairement la cause, mais corrélés à une augmentation des maladies mentales chez les adolescents, en particulier les adolescentes, il y a beaucoup de preuves ou du moins de corrélations de cela. Donc encore une fois, quand nous inventions tout cela il y a 20 ou 30 ans, cela ne nous est jamais venu à l'esprit. Maintenant, Henry dirait avec sa voix allemande : c'est parce que vous n'avez suivi aucun de ces cours, et j'ai répondu oui, j'étais trop occupé à programmer. Donc sa position, qui était en partie l'objet du livre, était que les solutions ne consistent pas à laisser les « tech bros » prendre ces décisions. Désolé pour le stéréotype, mais c'est vrai. Cela nécessite un effort concerté et la raison pour laquelle nous avons écrit ce livre était un appel à dire que nous avons besoin d'équipes interdisciplinaires, de gens qui comprennent l'histoire, qui n'ont pas eu des vies enchantées, qui comprennent comment les gens sont victimes, en particulier les femmes et les enfants, dans la conversation. Quels sont les garde-fous appropriés dans ces domaines ? Les avantages de l'IA sont si profonds, laissez-moi juste les énumérer : guérir toutes les maladies. J'ai un groupe qui a décidé qu'en deux ans ils pouvaient définir toutes les cibles médicamenteuses humaines. C'est un projet énorme. Et ensuite, l'industrie pharmaceutique essaierait de traiter ces cibles. Nous verrons s'ils y parviennent, mais au moins ils sont ambitieux. C'est un exploit digne d'un prix Nobel s'ils y arrivent. Il y a énormément de choses en biologie. La biologie est à l'IA ce que les mathématiques sont à la physique, dans le sens où la biologie est si complexe que vous aurez besoin de l'IA pour l'interpréter. Et c'est un peu ce qui se passe. Une autre façon de le dire pour la biologie est que la prédiction de séquence — ce qu'est encore une fois ChatGPT — l'apprentissage profond, la façon dont ces algorithmes évoluent est qu'ils prennent une phrase, enlèvent un mot, puis évaluent s'ils remettent le mot correct. Tout système de physique, de mathématiques, de biologie, etc., qui est basé sur des séquences est amenable à ces techniques. Et c'est pourquoi, par exemple, AlphaFold a si bien réussi. C'est une utilisation naturelle suivante de la prédiction de séquence. Donc des choses comme le changement climatique, le changement climatique continue les gars, et le développement de nouvelles sources d'énergie, de matériaux, une meilleure capture du carbone sont tous liés à cela. Je peux vous donner exemple après exemple. La santé est l'évidence. Pourquoi pas un médecin IA pour le monde ? Quelqu'un qui travaille avec l'infirmier praticien. J'étais en Birmanie et je parlais à la guide et j'ai dit que je n'avais pas vu d'hôpitaux. Elle a dit oh nous n'en avons pas. Et je demande qu'est-ce qui se passe ? Elle a dit oh eh bien certains, s'ils sont vraiment malades, ils marchent dans les bois et ils meurent. Très triste. Je veux dire encore une fois, cela ne me serait jamais venu à l'esprit mais c'est probablement vrai pour une grande partie de la population mondiale. Pourquoi ne pouvons-nous pas améliorer cela ? Et la réponse est d'imaginer un médecin IA dans leur langue qui les sert. Les enseignants, n'est-ce pas, pour l'IA il y a beaucoup de preuves d'une excellente utilisation de l'IA dans le haut de gamme, mais pourquoi ne pas relever l'éducation de la personne moyenne, encore une fois dans sa langue et à son niveau pour aider les enseignants dans les écoles rurales. Pourquoi n'avons-nous pas cela ? Toutes ces choses sont très puissantes. Du côté négatif, j'ai travaillé avec les suspects habituels susmentionnés sur cette question de la sécurité de l'IA, quelque chose que vous avez aussi beaucoup examiné, et le problème central aujourd'hui est le bio et le cyber. Cyber parce qu'il est assez évident que si vous faites assez d'apprentissage par renforcement, vous pouvez finir par trouver un exploit zero-day comme on les appelle. Imaginez donc que si vous avez une superintelligence, elle peut tous les trouver très rapidement. Nous verrons si cela arrive. Et en bio, il s'avère qu'il est relativement facile de prendre des virus existants et de les modifier pour que les diverses solutions et détections ne fonctionnent plus et qu'ils tuent alors beaucoup de gens. Dieu merci, cela n'est pas encore arrivé. Dans l'industrie, on craint que les gens ne comprennent pas cela.

D'accord, dans la suite, le Dr Eric Schmidt compare la situation actuelle de l'IA à la nécessité d'un événement mortel modeste comme Tchernobyl pour que les gens soient alertés du risque. Je suppose que c'est une déclaration massive venant d'une personne qui s'y connaît en IA. Écoutons.

Et nous allons devoir faire face à un événement — je ne sais pas comment le dire sans paraître cruel — un événement mortel modeste, quelque chose de l'équivalent de Tchernobyl, qui effrayera tout le monde au point de comprendre que ce que nous voyons comme possibilité, nous faisons tout notre possible pour le contenir et l'empêcher. Mais faut-il une tragédie ? Hiroshima et Nagasaki étaient une tragédie. C'est ce qu'Henry a fait comme vous le savez, et c'était un projet de la RAND où ils ont inventé essentiellement la destruction mutuelle assurée dans les années 1950. Nous allons donc devoir passer par un processus similaire et je préférerais le faire avant l'événement majeur aux conséquences terribles plutôt qu'après qu'il ne se produise.

Et parce que vous dépeignez à la fois qu'il peut y avoir des bienfaits incroyables et des risques, et souvent le risque dont nous parlons et dont vous parlez dans votre livre est comment aligner ces systèmes pour qu'ils reflètent et protègent les valeurs humaines. Et j'ai aussi trouvé très convaincante la discussion sur la façon dont la productivité s'améliorera, une croissance énorme dans la société globale, mais cela pourrait avoir des effets très perturbateurs en ce qui concerne l'équité et l'équilibre en termes d'opportunités pour les gens et des choses comme ça. Alors peut-être un dernier commentaire et ensuite nous prendrons quelques questions sur ce qui peut être fait selon les lignes que vous avez décrites dans le livre pour la stratégie sur comment commencer à délimiter cela pour en tirer les bénéfices et minimiser les risques.

Alors Henry et moi sommes allés en Chine pour rencontrer Xi pour avertir que c'était bien avant DeepSeek. Et en conséquence, les États-Unis et la Chine ont ce qu'on appelle des discussions de « voie deux » à ce sujet. Elles sont hilarantes parce que les Américains sont tous sur Zoom, des Américains normaux un peu ébouriffés, et les Chinois sont tous alignés en rang avec leurs petites cravates, très organisés, très précis. Je suppose que c'est la façon dont chaque côté montre de l'amour à l'autre. Je ne pense pas que je vais être un très bon diplomate. Et mon co-auteur Craig nous dirige et le fait très bien.

Tant que vous n'avez pas à manger des crevettes non décortiquées avec des baguettes. Ça m'est arrivé une fois quand j'étais à Pékin.

Je pense que la vraie question, d'abord, c'est peut-être pour cela encore une fois que je ne suis pas diplomate, amener l'autre camp à renoncer à quelque chose pendant que vous êtes dans une course s'avère être vraiment difficile. Je vais vous donner un exemple. Une personne a dit j'ai une idée. J'ai dit d'accord quelle est votre idée ? Ce qu'on va faire, c'est qu'on va avoir un traité où chaque camp a une bombe sur l'alimentation électrique du centre de données et on peut faire exploser la bombe à distance, pas sur le centre de données mais sur l'alimentation du centre de données, dès qu'on est vraiment mécontent. Et j'ai dit bonne chance, essayez ça. Donc encore une fois, les gens réfléchissent à comment créer une situation. J'ai publié un article avec Dan Hendrycks la semaine dernière sur la superintelligence que j'espère que vous aurez tous l'occasion de lire. Et juste pour finir, c'est en fait important, laissez-moi le dire. L'industrie pense que dans peu de temps nous allons arriver au point où nous n'aurons plus seulement des scientifiques humains, mais nous aurons des scientifiques IA. L'industrie croit donc que vous aurez par exemple mille personnes chez OpenAI et que vous aurez cent mille scientifiques IA. Maintenant, supposons que ces scientifiques IA soient aussi bons que les humains ou même meilleurs. Et c'est la pente de l'innovation, et je vous ai déjà dit que c'est un facteur 10 par an, ce qui est hallucinant. Que se passe-t-il quand vous ajoutez un million de scientifiques IA ? On peut supposer que la pente fait comme ça. D'accord ? Maintenant, supposons pour les besoins de l'argument que les États-Unis se reprennent, ce qui est fort improbable, et que we fassions effectivement cela, que nous ayons tous les centres de données et ainsi de suite et que nous venons de faire cela. Et la Chine a six mois de retard. Maintenant, tout le monde ici dirait pas de problème, six mois ce n'est pas grand-chose. Dans les entreprises à effet de réseau, quand la pente de croissance est telle, vous ne rattrapez jamais votre retard. D'accord ? Cela signifie donc que lorsque l'Amérique arrive au point où quelque chose de nouveau qui pourrait détruire complètement la Chine se produit, la Chine aurait une latence de six mois ou plus. Ou vice versa. Donc la première chose que vous concluez est que l'Amérique devrait gagner la course pour la superintelligence. C'est un peu évident. Mais la vraie question est comment gérez-vous les partenariats mondiaux ? Et une chose évidente à faire est de dire : eh bien, que ferait la Chine dans ce scénario où nous sommes en avance ? La première chose est qu'ils essaieraient de voler la propriété intellectuelle. La deuxième chose qu'ils feraient est d'essayer de modifier les poids, c'est ce qu'on appelle une attaque adverse. Cela pourrait fonctionner. Disons donc que cela ne fonctionne pas et que nous approchons du point de domination intellectuelle totale, n'est-ce pas, que nous construisons mille Einstein et mille Léonard de Vinci bien avant eux. Quelles sont les options de la Chine ? Une attaque préparatoire, une attaque préliminaire. Vous voyez donc que dans cette logique, c'est intrinsèquement déstabilisant pour l'ordre mondial. Et c'est un problème qu'Henry n'avait pas. Quand il négociait avec les Soviétiques, ce qu'il faisait, était de leur dire combien de missiles ils avaient au début. Nos informations classifiées sur leurs informations classifiées si vous voulez.

Pour qu'ils sachent ce que nous savions.

Pour qu'ils sachent, et alors les négociations consistaient à dire : eh bien, vous en avez 5 000 fois autant de kilotonnes et c'est trop, et nous en avons moins mais plus de kilotonnes et ainsi de suite, peut-être pouvons-nous réduire les deux chiffres. Vous ne pouvez pas avoir cette conversation dans une entreprise à effet de réseau. Mais il m'a raconté un jour qu'il est allé à une réunion, les Soviétiques sont assis là, les Américains ici, il dirige la séance et il commence, et immédiatement ils se mettent tous à hurler les uns sur les autres du côté adverse et un gars est évacué du côté russe. Il n'était pas habilité à savoir ce que faisaient les Russes, ce qu'Henry était sur le point de leur dire. Imaginez tout cela se produisant aujourd'hui.

Alors que nous passons aux questions, faites-vous une distinction entre la superintelligence et l'intelligence généralisée ?

D'accord, cette partie suivante est celle où le Dr Eric Schmidt affirme que nous sommes à trois ans de l'AGI, puis il compare l'AGI à l'ASI, qui est la forme d'intelligence artificielle la plus redoutée.

Oui, le terme qui évolue dans l'industrie, et je devrais dire au passage que j'appelle cela l'école de San Francisco. L'école de San Francisco croit que nous parviendrons à l'équivalent de quelque chose de proche de l'AGI d'ici trois à quatre ans, ce qui, si c'est le cas, est un événement immense. C'est encore une autre donnée d'il y a une semaine montrant que les lois de mise à l'échelle de l'informatique à grande échelle vous permettent de faire ces choses extraordinaires. Enfin pas de beaucoup, juste un peu. Le PARC est vraiment important, et c'est l'arrivée d'une superintelligence qui est égale à l'union de l'intelligence de tout le monde et vous dites que nous sommes encore plus intelligents que cela.

D'accord, dans cette partie, le Dr Eric Schmidt fait une déclaration très intéressante sur l'IA par rapport à l'esprit humain. Regardez.

Une question sur la désinformation. Qu'est-ce que la vérité ? Il y a plus. Quand de nouvelles informations dépassent les informations humaines connues et la question provocatrice : ne sommes-nous pas en train de créer la réalité ?

Henry était très intéressé par le coup 37 dans AlphaGo. Le jeu de Go existait depuis 2 500 ans et AlphaGo a inventé un coup qui n'avait jamais été vu ou du moins documenté dans l'histoire humaine, qui a fonctionné et leur a permis de gagner la partie. Et il n'arrêtait pas de me dire : comment se fait-il que ce soit une intelligence extraterrestre ? Je veux dire, qu'est-ce que c'est ? J'ai donc répondu en disant que c'est une dérivation algorithmique d'un chemin particulier. Ce n'est pas ce qu'il cherchait. Il cherchait pourquoi cela s'était produit là et pas chez les humains. En ce qui concerne la question de la vérité, chez Google, je répondais toute la journée en disant que je n'en ai aucune idée, mais que nous savons comment classer les tentatives de vérité des gens. En tant que scientifique, je vous dirai que la raison pour laquelle la science fonctionne est la capacité de falsifier. Dès que quelqu'un a un résultat scientifique, tout le monde essaie de voir s'il peut le falsifier. Et s'il est attaqué assez de fois, alors c'est vrai. Je me souviens avoir appris la relativité d'Einstein et avoir pensé que c'était la chose la plus stupide qui soit. Alors j'en ai parlé à mon ami doctorant en physique qui m'a dit : je l'utilise tous les jours, ça marche, ça marche tout le temps. Il a dit en d'autres termes : Eric, tu as tort. Il semble donc bien que la façon dont nous comprenons la vérité en science passe par la répétabilité et la falsifiabilité. En ce qui concerne la parole, nous sommes dans une situation où les gens ont perdu le fil parce que la distinction entre le en ligne et le hors ligne est en train de disparaître parce qu'ils vivent en ligne et hors ligne de manière fluide. Ils perdent la perspective sur ce qu'est la vérité et quelles sont les choses les plus importantes dans votre vie : votre santé, votre famille, les gens autour de vous, votre sécurité, votre environnement immédiat. Nous sommes en train de perdre tout cela. Et c'est rendu bien pire par les algorithmes d'IA car les algorithmes d'IA maximisent les revenus en maximisant l'indignation.