Return to site

Ce qu'il faut retenir du livre référence "AI Superpowers" de Kai-Fu Lee, et analyse des lacunes

Ce qu'il faut retenir de AI Superpowers (l'analyse vient en toute fin) :

    • écrit par Kai-Fu Lee (KFL), qui a été un des chercheurs de pointe en IA et reconnaissance vocale dans les années 90, puis a travaillé pour Apple, Microsoft et Google entre les Etats-Unis et la Chine
    • KFL a fondé le fonds de capital risque Sinovation Ventures en 2009 qui à ce jour a investi dans 5 des 15 licornes chinoises (entreprises non cotées en bourse mais valant plus d'un milliard d'USD)
    • KFL est un des mieux placés pour analyser la course à l'IA opposant Chine et Etats-Unis, c'est l'objet de son livre
    • La victoire du logiciel AlphaGo de DeepMind (appartenant à Alphabet) sur le champion de Go, Ke Jie, en mai 2017 a été le moment "Sputnik" des Chinois : comment un logiciel a-t-il pu maîtriser un jeu vieux de 2500 ans qui suppose pourtant intuition et créativité ? Moins de 2 mois plus tard, le gouvernement chinois a annoncé faire de l'IA une priorité absolue, avec l'objectif de devenir la puissance dominante en la matière à horizon 2030, pour la théorie, la technologie, et leurs applications. En 2017 au final plus de capitaux ont été investis dans des startups en IA en Chine qu'aux Etats-Unis !
    • KFL explique que la percée théorique récente du deeplearning (menée par les 3 parrains Geoffrey Hinton, Yoshua Bengio et Yann LeCun au Canada) est unique en son genre, inédite depuis 50 ans, et qu'il est peu probable qu'on en connaisse de nouvelles de même ampleur avant longtemps, et qui plus est, la recherche en IA est largement partagée et Open Source : nous avons donc basculé dans l'ère de l'implémentation, et à ce jeu, la Chine dispose de solides atouts pour concurrencer les Etats-Unis :
      • accès de vastes quantités de données :
        • car les Chinois adoptent rapidement les nouvelles technologies (le cash a quasiment disparu, les mendiants utilisent des QR code par ex.)
        • ils sont peu soucieux de leurs données personnelles
        • le gouvernement tolère largement pour l'instant les moissons de données
        • "des algorithmes peaufinés par un ingénieur moyen seront plus efficaces que ceux fignolés par un un expert mondial, si l'ingénieur moyen a accès à beaucoup plus de données", donc ce n'est pas si grave d'un point de vue "business" si la majorité des meilleurs chercheurs se trouvent aux Etats-Unis
      • très large marché où faire grandir des licornes
      • le capital risque coule à flot
      • l'ardeur au travail inégalée de ceux qu'il appelle les entrepreneurs-gladiateurs (qui pratiquent le fameux 9-9-6, travailler au moins de 9h à 21h, 6 jours sur 7)
      • le soutien du gouvernement chinois
    • si les Chinois ont longtemps copié trait pour trait les startups américaines, c'était leur façon d'apprendre, de faire leurs gammes, dans un pays qui était encore largement rural il y a 50 ans, mais on est passé depuis à l'adapation puis à l'innovation pure, copiée maintenant en retour par les Américains (la messagerie WeChat est plus innovante que Whatsapp par ex)
    • contrairement à une idée reçue, si les entreprises américaines peinent à convaincre en Chine, ce n'est pas tant parce que le gouvernement chinois leur met des bâtons dans les roues, mais parce qu'elles font face à des acteurs locaux prêts à tout, qui sont eux-même les survivants de luttes sans merci avec d'autres acteurs laissés sur le carreau. Les entreprises américaines rechignent à adapter leurs produits aux spécificités chinoises et ne donnent que peu d'autonomie aux équipes locales, les privant de recruter les meilleurs, les plus ambitieux qui au contraire vont rejoindre les startups chinoises. La façon dont Alibaba a terrassé en Chine Ebay en est le parfait exemple. Idem pour Meituan Dianping, qui a démarré comme un copycat de Groupon et vaut maintenant 30 milliards d'USA (la 4ème plus grosse startup au monde), alors que Groupon se meurt, n'ayant jamais su se réinventer.
    • Didi, le Uber chinois, organise plus de courses en Chine que Uber dans le monde
    • En 2016, on compte en Chine 20 millions de livraisons de nourriture commandées par internet, 10 fois plus qu'aux Etats-Unis
    • En 2017, les Chinois ont dépensé 50 fois plus que les Américains en paiement par téléphone
    • Alors que les familles chinoises se demandaient que penser des carrières dans les startups, le gouvernement chinois dès 2014 a officiellement encouragé les vocations d'entrepreneurs, invitant cordialement les municipialités à ouvrir des incubateurs (plus de 6000 ont été crées rapidement dans la foulée de la consigne officielle)
    • Le gouvernement chinois a perfectionné des mécanismes d'investissement public voués à attirer du même coup les capitaux et les guider vers les startups, bilan :
      • 2011-2013 : environ 3 milliards d'USD par an d'investissement en capital risque en Chine
      • 2014, année de l'approbation officielle du "startupariat" par le gouvernement : 12 milliards d'USD
      • 2015 :26 milliards d'USD
    • En 2017, la jeune startup chinoise Face++ a fini première et a battu Google, Microsoft et Facebook dans 3 des 4 catagories les plus importantes du concours de reconnaissance d'image COCO
    • la startup chinoise iFlyTek a battu à plusieurs reprises, même pour l'anglais, les Google, DeepMind, Facebook et IBM Watson au jeu de la reconnaisance vocale
    • Les 7 géants du deeplearning :
      • Google, Facebook, Amazon, Microsoft
      • les BAT : Baidu, Alibaba, Tencent
    • Kai-Fu Lee (KFL) juge improbable que la prochaine percée théorique en IA vienne d'un de ces géants (d'après lui ça ne viendra pas avant longtemps, et sans doute d'un labo d'université parmi des centaines dans monde, tombant un peu par hasard sur le nouveau paradigme). Mais si ça doit venir d'un d'eux, il mise sur Google, qui dépense en R&D plus de 2 fois le budget fédéral américain pour la recherche en math et sciences informatiques. 50% des meilleurs chercheurs en IA au monde sont chez Google
    • Les 2 approches pour commercialiser/diffuser l'IA :
      • la métaphore du réseau électrique (power grid) :
        • celle notamment de Google, Alibaba, Amazon
        • faire de l'IA une "commodity" que toutes les autres entreprises de l'ancien monde peuvent acheter/louer pour rationnaliser leurs procédés (de production, de conception, de distribution, de communication, etc.)
      • la métaphore de la batterie électrique
        • celle des nouvelles startups qui internalisent la compétence et se concentrent sur un créneau qu'elles entendent bouleverser (disrupt)
        • ex : Tesla, Uber, Netflix aux USA, ou Face++ et Bytedance en Chine (Bytedance s'est développée en autonomie, sans le soutien des BAT, en dépit d'eux en fait, spécialisée dans la curation automatisée de news et vidéo, fondée en 2012, elle est valorisée aujourd'hui à 75B US$, il s'agit tout simplement de la plus grosse licorne du moment dans le monde)
    • en IA, il ne faut pas oublier l'importance des microprocesseurs dédiés : si la Silicon Valley reste le leader, gouvernement et capital risque chinois ne sont pas en reste et d'énormes efforts sont entrepris aujourd'hui pour rattraper cette avance avec de solides chances de succès
    • les 4 grandes vagues de l'IA
      • internet AI (en cours)
        • Google, Facebook, Netflix, etc.
        • IA utilisée notamment dans les moteurs de recommandation (priorisation des résultats de recherche, des histoires du fil d'actu, des suggestions de films, etc.)
        • IA aussi utilisée pour rédiger des articles de presse très simples, mais demain pour composer images, vidéos, musiques
        • Le diagnostic de KFL sur le partage du leadership pour l'internet AI:
          • 2018 : Etats-Unis 50 % - Chine 50%
          • 2023 : Etats-Unis 40 % - Chine 60%
      • business AI (en cours)
        • adoption par les entreprises "non-digital native" de l'IA pour améliorer leurs procédés (trading électronique, diagnostic médical, etc), l'IA leur permettant de capitaliser sur et faire parler les données accumulées par ailleurs depuis des années et sous-utilisées jusque-là (pensez aux banques et assurances, etc.)
        • concomittament à l'apparition de startups spécialisées : l'exemple de la startup chinoise Smart Finance qui ne se sert que de l'IA pour analyser les infos du téléphone (vitesse de frappe du clavier, niveau de batteries comptent parmi les signaux faibles pris en compte!!) de ses clients avant de leur octroyer un prêt (fin 2017, plus de 2 millions de petits prêts par mois, avec tx de défaut inférieur à 5%)
        • Le diagnostic de KFL sur le partage du leadership pour business AI:
          • 2018 : Etats-Unis 90 % - Chine 10%
          • 2023 : Etats-Unis 70 % - Chine 30%
      • perception AI
        • couplage des capteurs des objets connectés avec l'IA pour offrir de nouveaux servcies intelligents révolutionnaires
        • concept de OMO (online-merge-offline)
        • concerne aussi l'Education AI (qui suppose d'analayser le langage corporel des étudiants) ainsi que la cyber surveillance dans la rue
        • la Chine dispose ici d'un énorme avantage avec la ville de Shenzen qui est la Silicon Valley mondiale des entreprises avec forte composante hardware
        • exemples chinois de Xiaomi, du leader mondial des drones DJI
        • Le diagnostic de KFL sur le partage du leadership pour perception AI:
          • 2018 : Etats-Unis 40 % - Chine 60%
          • 2023 : Etats-Unis 20 % - Chine 80%
      • autonomous AI
        • voitures autonomes, drones autonomes, robots ultra-agiles et indépendants dans les usines, etc.
        • deviner qui sera le leader ici suppose de savoir ce qui sera le facteur limitant:
          • la compétence technologique (prime aux Etats-Unis)
          • les politiques publiques (prime à la Chine)
            • autre exemple de la détermination de la Chine : en 2007 la Chine ne comptait aucun km de ligne à grande vitesse, en 2017 elle en avait plus que tout le reste du monde réuni !!
        • Le diagnostic de KFL sur le partage du leadership pour autonomous AI:
          • 2018 : Etats-Unis 90 % - Chine 10%
          • 2023 : Etats-Unis 50 % - Chine 50%
    • Pour KFL nous sommes encore très loin d'une IA qui atteindra notre niveau d'intelligence
      • cela requiert une série d'avancées théoriques du niveau de celle du deeplearning, pour faire la différence sur :
        • l'apprentissage multi-domaine et général (quel que soit le domaine)
        • compréhension du langage humain, bon sens
        • capacité à planifier des actions
        • apprendre de peu d'exemples
      • ce n'est donc pas pour demain (plusieurs décennies sinon siècles, peut-être même impossible)
    • Sa principale crainte : la destruction d'emplois à court terme et l'impact sur nos sociétés (inégalités entre pays et au sein des pays)
      • L'IA n'est pas une technologie comme une autre, elle est à ajouter aux 3 grandes précédentes "general purpose technologies" :
        • la maîtrise de la vapeur (première révolution industrielle de 1760 à 1830)
        • la maîtrise de l'électricité (seconde révolution industrielle de 1870 à 1914)
        • internet
      • Les deux premières ont détruit des emplois, mais en ont surtout créés énormément, des emplois plus simples, accessibles de tous (deskilling), tout en produisant des biens et services moins chers. Pendant ces périodes, productivité et salaires ont augmenté de concert
      • Si internet par contre nous met dans les mains de bien meilleurs services, bien moins chers, il offre aussi du même coup une prime aux plus qualifiés qui peuvent accroître leur portée. Sur les 30 dernières années, la productivité a continué à augmenter mais le salaire médian a très largement stagné, avec les inégalités que l'on sait dans les pays comme les Etats-Unis qui ne disposent pas de bons amortisseurs sociaux
      • l'IA est donc la 4ème grande "general purpose technology", pour KFL elle va accroître, dans la continuité d'internet, le découplage entre d'un côté taux d'emploi et niveau des salaires qui vont stagner voire décroître, et de l'autre productivité qui va continuer à augmenter, pour permettre de faire toujours plus et mieux avec moins
      • l'IA va impacter les métiers intellectuels de routine bien plus vite que les métiers manuels de routine, car IA progresse plus vite que IA+robots
      • Cette 4ème révolution va aller plus vite que les 3 premières du fait de  :
        • un focus sur le software plutôt que le hardware
        • abondance de capital risque
        • concurrence Etats-Unis / Chine
      • Impact qualitatif sur les emplois
        • Métiers intellectuels : plus un tel métier suppose de la créativité et/ou de la stratégie, et des rapports humains, plus il est à l'abri
        • Métiers manuels: plus un tel métier suppose de la dextérité et/ou d'opérer dans un environnement déstructuré,  et des rapports humains,  plus il est à l'abri
        • la Chine sera moins brutalement touchée que les Etats-Unis au début, car l'IA touchera plus vite, plus profondément les services (software) que l'industrie (qui suppose de gros progrès en robotique)
      • Impact quantitatif sur les emplois
        •  les 4 grandes études clefs à connaître
          • Université d'Oxford, 2013 : 47% des emplois d'aujourd'hui aux Etats-Unis pourraient techniquement être automatisés d'ici 10-20 ans
          • OCDE, 2016 : seulement 9% des emplois aux Etats-Unis sont en fait en danger d'être automatisés
            • la différence vient du fait qu'ici on découpe les emplois en tâches, et si beaucoup de tâches pourront être automatisées, plein d'autres non, limitant l'impact total
          • PwC, 2017 : en reprenant l'analyse plus granulaire par tâche de l'OCDE, mais avec un algo plus fin, PwC arrive à 38% d'emplois en danger d'automatisation d'ici à 2030
          • McKinsey Global Institute, 2017 : même analyse par tâche, ils concluent que 50% des tâches sont déjà automatisables potentiellement, et 30% des emplois d'ici à 2030 pourraient être automatisés
        • les 2 gros problèmes de ces études:
          • les 3 premières notamment reposent sur les capacités du machine learning datant de 2012 !
            • or, pour info, en 2012, les algos de machine learning avait un tx d'erreur de 75% sur la reconnaissance d'image par exemple, aujourd'hui, c'est 5%!!
          • elles ne raisonnent qu'en termes de remplacement d'emplois ou de tâches dans un écosytème d'entreprises continuant par ailleurs à fonctionner de la même façon...
            • ...sans comprendre que certains secteurs allaient être complètement balayés avec de nouveaux business models refondant complètement comment un service/produit est conçu, produit, distribué.
          • KFL retient au final le chiffre de 38% de PwC auquel il ajoute 10% au titre des disruptions de secteurs, pour arriver à l'estimation que 40% à 50% des métiers aux Etats-Unis seront automatisables techniquement d'ici à 15 ans.
            • Il précise bien que cela ne veut pas dire qu'autant d'emplois seront détruits, du fait de l'inertie, des freins publics, etc. D'autant que de nouveaux emplois seront créés
        • la dernière étude majeure en date : Bain and Company, février 2018
          • d'ici à 2030, l'économie aura besoin de 20% à 25% moins d'employés, soit 30 à 40 millions de personnes aux Etats-Unis
      • un grave problème se pose pour les pays encore en cours de développement qui ne pourront suivre le modèle de développement par les exportations grâce à une main d'oeuvre bon marché, que vont-ils faire ? la question reste entière pour KFL
    • Les 3 R, les 3 grandes solutions envisagées pour faire face à ce futur chômage de masse qui s'annonce
      • Reconvertir (retraining)
        • pb : paraît très insuffisant, car plus le progrès automatisera les emplois, plus souvent il faudra se reformer, ça risque d'être compliqué pour beaucoup, surtout si on ne sait pas dans quoi se relancer, si ça sera épargné ou non
      • Réduire le temps de travail (tiens, tiens, ça nous rappelle quelque chose)
        • Larry Page de Google "passons à la semaine de 4 jours, ou partageons les emplois entre plusieurs personnes"
        • pb : semble également insuffisant face aux progrès continus de l'IA et de la robotique
      • Redistribuer (revenu universel de base inconditionnel, voire revenu minimum garanti comme en France en fait)
        • KFL s'oppose à un revenu de base inconditionnel, il préconise d'en verser un, qu'il appelle le "social investment stipend", mais en rémunération d'un de ces 3 types de métiers
          • l'aide (aux enfants, personnes âgées, invalides, malades)
          • services d'intérêt général / travail associatif, dans ONG
          • éducation (se faire payer pour apprendre ET/OU enseigner)
        • il laisse entière la question de savoir comment mesurer et récompenser ces métiers
    • KFL se refuse à penser la rivalité Chine/Etats-Unis comme une nouvelle guerre froide, on aurait tous à y perdre
      • il considère que l'enjeu principal autour de l'IA n'est pas le risque de la Singularité (très hypothétique, et si possible pas avant des décennies voire des siècles) ni même l'enjeu des armes autonomes qu'il na pas voulu aborder, mais essentiellement l'impact sur l'emploi et les inégalités entre pays, et au sein des pays

La (courte) analyse (je me concentre sur les lacunes)

  • KFL insiste sur l'automatisation croissante portée par l'IA et sur les profits que ça va générer d'un côté pour certaines entreprises et le chômage par ailleurs, mais c'est discutable. Beaucoup des gains en productivité se matérialiseront en meilleurs services, moins chers, plus qu'en profits, du fait de la concurrence qui va régner entre les GAFA and co, dans un contexte d'IA qui va se diffuser toujours plus dans toute l'économie à la manière de l'électricité. Un bel exemple est Amazon qui nous ofre plus de choix, moins cher, plus rapidement livré. Peut-être effectivement qu'à terme un pourcentage élevé de la population ne pourra plus prétendre à aucun emploi au sens où on l'entend aujourd'hui, mais il coûtera beaucoup moins cher de vivre bien mieux qu'aujourd'hui par ailleurs. On constate même déjà par exemple aux Etats-Unis que moins de jeunes veulent travailler qu'il y a 20 ans, tout en se disant plus heureux ! Cela s'expliquerait entre autres par la grande abondance nouvelle de contenus numériques gratuits et qualitatifs ! (source)
  • KFL pense que les activités supposant de la compassion et de la chaleur humaine resteront largement hermétiques aux machines. Mais l'IA aura vite fait de comprendre nos émotions (comme dit Y. N. Harari, "si l'IA peut diagnostiquer le cancer, elle pourra aussi diagnostiquer l'amour"), et d'en simuler avec des avatars photoréalistes générés en réalité virtuelle. Des peluches autonomes primitives apportent déjà un grand confort à certaines personnes âgées.
  • KFL écrit un livre sur l'IA et sur les "superpowers", mais ne parle à aucun moment de la course aux armes autonomes qui est bel et bien lancée. C'est un enjeu majeur qui mobilise pourtant beaucoup de chercheurs, acteurs et penseurs de l'IA. KFL a beau jeu de s'en dédouaner à la fin, mais c'est insuffisant, il ne pouvait pas ignorer cet aspect.
  • KFL ne dit rien non plus du risque que l'IA renforce les régimes autoritaires en leur donnant de meilleurs moyens de surveillance. C'est sans doute parce qu'il travaille en Chine (bien que Taiwanais d'origine) et que le sujet est sensible, mais du coup cette auto-censure nuit à la crédibilité de son livre sinon très important dans le débat, le meilleur livre sur l'IA depuis Life 3.0 de Max Tegmark
  • Enfin KFL explique que rien ne semble encore joué entre la Chine et le Etats-Unis dans la course à la domination de la technologie de la voiture autonome, mais Elon Musk disait début novembre qu'il considérait que Tesla était largement en tête, devant tous les autres, avec peut-être Waymo d'Alphabet derrière, et qu'il lancerait dès 2019 le mode autonome complet ! J'ai pu échanger sur twitter avec KFL, voici sa réponse :
All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OKSubscriptions powered by Strikingly