nouvelles

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Li Ning/Texte L’intelligence artificielle (IA) générative, connue comme la quatrième révolution industrielle, représente-t-elle réellement une nouvelle révolution de productivité ?

Si l’on regarde l’histoire, les révolutions industrielles précédentes ont entraîné d’énormes progrès en matière de productivité. La première révolution industrielle a commencé dans les années 1760, marquées par la machine à vapeur améliorée de Watt, qui a déclenché le passage du travail manuel à la production mécanique. La deuxième révolution industrielle a été caractérisée par l’utilisation généralisée de l’électricité. Ces deux révolutions ont considérablement réduit le coût d’utilisation de la bioénergie, de la main-d’œuvre et de la force animale et, dans de nombreux scénarios, ont ramené le coût marginal de la valeur générée par le travail manuel à un niveau proche de zéro. La troisième révolution industrielle, également connue sous le nom de révolution des technologies de l’information, a commencé après la Seconde Guerre mondiale et a été marquée par la popularisation des ordinateurs et d’Internet. À ce stade, les sociétés Internet représentées par Google ont réduit le coût d'acquisition et de diffusion de l'information à des niveaux extrêmement bas.

Comme l'a souligné Lu Qi, ancien président de Baidu, les sociétés Internet ont réalisé une transformation clé : convertir le coût marginal d'obtention de l'information en un coût fixe. Prenons l'exemple de Google. L'entreprise investit environ 1 milliard de dollars chaque année dans la production de cartes, mais pour chaque utilisateur, le coût d'obtention d'informations cartographiques est presque nul. Ce modèle change non seulement la manière dont l’information est obtenue, mais affecte également profondément tous les horizons.

Cependant, nous devons reconnaître la différence essentielle entre information et connaissance. La révolution de l'information a réduit le coût d'obtention des informations existantes, mais ces informations sont généralement des connaissances créées par les générations précédentes, telles que des livres, des points de connaissance ou des codes. Après l’acquisition d’informations, la recréation et l’application des connaissances reposent encore principalement sur les humains.

L’émergence de l’IA générative a changé cette logique. Cela réduit considérablement le coût de la production des connaissances. La création de connaissances est la force essentielle du progrès social, couvrant tout, depuis la recherche scientifique de pointe, la recherche et le développement des entreprises, les solutions de vente dans le secteur des services jusqu'à l'éducation et la planification de la vie quotidienne dans le domaine familial. Essentiellement, ces activités sont des processus de recombinaison et de création d’informations existantes.

Par exemple, avec l'aide de l'IA, nous pouvons générer une copie de haute qualité en quelques secondes, réaliser un grand nombre de brainstormings créatifs en quelques minutes seulement et même générer rapidement des images, des vidéos et des œuvres musicales.

Dans le domaine de la recherche scientifique, l’application de l’IA est encore plus frappante. Par exemple, AlphaFold (un nouveau modèle développé par Google DeepMind et I-somorphic Labs, deux sociétés d'IA de Google), en tant que technologie d'IA révolutionnaire, change complètement le paysage de la recherche biomédicale, raccourcissant considérablement le cycle de recherche scientifique et réduisant les coûts.

Traditionnellement, la détermination de la structure tridimensionnelle d'une protéine nécessite l'utilisation de méthodes expérimentales telles que la cristallographie aux rayons X ou la cryomicroscopie électronique. Ces méthodes sont non seulement longues et laborieuses, prenant souvent des mois, voire des années, mais également. aussi cher. AlphaFold peut prédire avec précision les structures des protéines en quelques heures ou quelques jours, raccourcissant ainsi considérablement le cycle de recherche.

En prenant comme exemple la recherche et le développement de médicaments, ESM3 (un modèle d'intelligence artificielle générative révolutionnaire développé par la startup d'IA EvolutionaryScale et spécifiquement utilisé pour la conception de protéines) peut rapidement simuler et générer de nouvelles séquences de protéines, y compris des anticorps et des enzymes dotés de fonctions spécifiques, permettant aux scientifiques de concevoir ciblé des médicaments avec une précision sans précédent.

Cette capacité permet aux chercheurs de générer et de tester rapidement de nouvelles conceptions de protéines, en contournant l’approche par essais et erreurs qui domine le développement de médicaments traditionnels, concentrant ainsi la recherche sur les candidats médicaments les plus prometteurs. La nature interactive d'ESM3 permet aux chercheurs de guider le processus de conception des protéines via des invites, améliorant ainsi l'efficacité de la découverte de médicaments. Cela accélère non seulement la recherche, mais réduit également considérablement les coûts, car les chercheurs peuvent explorer un plus large éventail d’espaces protéiques dans un environnement virtuel avant de le valider en laboratoire. La capacité d'ESM3 à simuler des millions d'années de processus évolutifs naturels ouvre de nouvelles possibilités pour le développement de médicaments innovants.

Mustafa Suleyman, PDG de Microsoft AI, prédit que dans les 15 à 20 prochaines années, le coût de la production de nouvelles connaissances approchera de zéro. Il pense que ces changements marqueront un véritable « point d’inflexion » dans l’histoire de l’humanité.

Nouvelle vision et nouvelle logique

Si le développement et la vulgarisation de l’IA générative concrétisent la vision selon laquelle le coût marginal de la création de connaissances approche de zéro, nous inaugurerons un avenir sans précédent. Dans cet avenir, la production de connaissances deviendra extrêmement bon marché et efficace, ce qui entraînera de profonds changements.

Imaginez que les chercheurs scientifiques puissent réaliser la conception expérimentale et l'analyse des données en quelques minutes, et que le cycle de recherche scientifique qui prenait auparavant des mois soit considérablement raccourci. Des tâches complexes telles que la prédiction de la structure des protéines et le dépistage des substances chimiques deviendront précises et efficaces, et les progrès scientifiques seront promus comme jamais auparavant. En laboratoire, les chercheurs seront davantage plongés dans l’exploration créative plutôt que dans des expériences fastidieuses et répétées.

À l'avenir, les médecins pourront obtenir les dernières connaissances médicales et les meilleures options de diagnostic et de traitement d'un simple clic de souris, et personnaliser les plans de traitement personnalisés pour les patients. Chaque patient peut bénéficier du service médical le plus adapté, et l'efficacité et l'efficience du diagnostic et du traitement sont grandement améliorées. Des améliorations significatives de la santé permettront aux populations de jouir d’une meilleure qualité de vie et la maladie ne sera plus un ennemi invincible.

En classe, l'IA générative fournira des ressources d'apprentissage personnalisées en fonction des progrès d'apprentissage et des intérêts de chaque élève, en enseignant véritablement aux étudiants en fonction de leurs aptitudes. Les étudiants ne seront plus liés par un programme d’études unifié, mais pourront étudier de la manière et au rythme qui leur conviennent le mieux. Le potentiel de chaque enfant sera pleinement stimulé, l’apprentissage deviendra une activité amusante et la qualité de l’éducation sera considérablement améliorée.

Dans la salle de conseil psychologique, l’IA générative fournira un conseil psychologique personnalisé et un soutien émotionnel. L'IA peut identifier et analyser avec précision l'état émotionnel d'un individu et fournir une aide psychologique rapide et efficace. Qu'il soit confronté au stress, à l'anxiété ou qu'il recherche un réconfort émotionnel, chacun peut trouver la paix intérieure et le bonheur grâce aux soins et au soutien de l'IA.

L’IA générative sera désormais omniprésente dans la vie quotidienne. Tutorat pour les examens d'entrée à l'université, services de conseil et travail créatif, l'IA améliorera considérablement l'efficience et l'efficacité. Les gens sont capables d’accomplir facilement diverses tâches, libérant ainsi plus de temps et d’énergie à consacrer à un travail créatif et stratégique. Les tâches répétitives et mécaniques seront prises en charge par l'IA, et la vie des gens deviendra plus facile et plus agréable.

Après avoir clarifié la vision future que pourrait apporter l’IA générative, nous devons réfléchir à une nouvelle logique de prise de décision. Étant donné que le coût marginal de la production de connaissances approchera de zéro, chacun, des individus aux entreprises, devra ajuster ses décisions et ses stratégies pour s’adapter à ce changement.

Les individus doivent réévaluer leur propre valeur. À une époque où le savoir est facilement accessible, quelles capacités et qualités sont encore précieuses ? Bien que l’IA ait démontré de puissantes capacités dans de nombreux domaines, la véritable innovation de 0 à 1 reste indissociable de l’inspiration et de l’intuition humaines. Ce type d’innovation nécessite une étincelle d’inspiration, un moment d’épiphanie, et l’IA est actuellement incapable de reproduire pleinement ce type de créativité à partir de zéro.

Nous devons donc réfléchir à la manière de conserver notre singularité dans cet environnement. L'apprentissage continu et le perfectionnement personnel nous aident non seulement à nous adapter à un monde en évolution rapide, mais nous permettent également de continuer à innover dans nos propres domaines et de rester compétitifs. L'innovation de 0 à 1 nécessite une inspiration et une intuition imprévisibles, une petite étincelle dans la pensée humaine, qui peut enflammer l'ensemble du processus créatif. Nous devons chérir cette capacité et continuer à la cultiver et à la stimuler.

Plus important encore, bien que l’IA soit puissante, elle manque actuellement de sens et d’objectif. L’un des rôles clés des humains à cette époque est de donner une direction et un sens à l’IA. Nous devons décider quels problèmes l’IA doit être utilisée pour résoudre, comment utiliser l’IA pour améliorer la vie humaine et comment garantir que le développement de l’IA répond aux normes morales et éthiques. Cette capacité nécessite que nous ayons une perspective macro, des connaissances approfondies et une compréhension approfondie des valeurs humaines et des besoins sociaux.

Le domaine de la recherche scientifique fournit un exemple stimulant de l’impact profond que l’IA générative peut avoir sur le processus de création de connaissances.

Traditionnellement, la recherche scientifique est considérée comme le palais de la création de nouvelles connaissances, et le processus est souvent long, laborieux et coûteux. En prenant la gestion comme exemple, la recherche ne consiste pas seulement à découvrir de nouveaux phénomènes et théories, mais nécessite également un peaufinage minutieux et une démonstration rigoureuse. Comme le décrivent les chercheurs en gestion Markus Baer et Jason Shaw dans leur article, les chercheurs en gestion s'engagent dans un « savoir-faire académique ».

Cependant, l’émergence de l’IA générative pourrait avoir un impact profond sur la valeur de ce « savoir-faire académique ». Cela nous rappelle l’impact des révolutions industrielles précédentes sur les artisans traditionnels.

Avant la révolution industrielle, les artisans qualifiés étaient très appréciés et leurs compétences étaient rares et précieuses. Cependant, avec l’introduction des machines et l’essor de la production de masse, de nombreux métiers autrefois hautement spécialisés ont été progressivement remplacés par des processus industriels standardisés, et le statut et la valeur des artisans traditionnels dans la société ont considérablement décliné.

Aujourd’hui, il semble que nous soyons confrontés à un tournant similaire. L’IA générative peut traiter rapidement des quantités massives de données, générer des hypothèses et des conclusions apparemment raisonnables, et peut même imiter le style de rédaction académique. Cela nous fait réfléchir : l’IA réduira-t-elle considérablement la valeur des « artisans » universitaires ? Les tâches qui exigeaient autrefois que les chercheurs investissent beaucoup de temps et d’énergie, telles que l’analyse de la littérature, l’analyse des données et même l’élaboration d’une théorie préliminaire, ne prennent désormais plus que quelques minutes avec l’IA.

Ce changement aura sans aucun doute un impact profond sur le monde universitaire. Tout comme la révolution industrielle a modifié la valeur de l’artisanat et fait en sorte que les compétences artisanales auparavant inaccessibles ne soient plus rares, l’émergence de l’IA générative fera-t-elle également perdre à certaines compétences académiques traditionnelles leur caractère unique ? En tant que métier minoritaire, la recherche scientifique est-elle confrontée à la remise en question de son irremplaçabilité ?

Ces questions ont déclenché une série de réflexions plus approfondies : à l’ère de l’IA, quelle est la valeur la plus essentielle des chercheurs ? Devons-nous redéfinir ce que nous entendons par « innovation académique » ? Peut-être que le rôle des universitaires changera fondamentalement à l’avenir, mais comment exactement ? Vont-ils se concentrer davantage sur la pose de questions véritablement innovantes et laisser le travail de recherche de routine à l’IA ? Ou la valeur des chercheurs se reflétera-t-elle davantage dans la manière de guider l’IA dans la conduite de la recherche et dans la manière de juger de la fiabilité et de l’importance des résultats générés par l’IA ?

Par ailleurs, devons-nous repenser l’ensemble du processus de création de connaissances ? À une époque où l’IA peut générer rapidement des résultats de recherche apparemment raisonnables, comment garantir la profondeur et l’originalité de la recherche universitaire ? Quel rôle la créativité et la perspicacité humaines joueront-elles dans ce processus ?

À l’ère de l’IA générative, les entreprises, en tant qu’entités importantes dans la création de connaissances, sont confrontées à des défis et à des opportunités sans précédent. La chaîne de valeur traditionnelle de création de connaissances est complètement bouleversée, et les activités essentielles de l’entreprise telles que la conception de produits, l’innovation de services et la connaissance du marché pourraient toutes subir des changements fondamentaux en raison de l’intervention de l’IA. Dans ce contexte, les entreprises doivent également repenser leur positionnement et leur cœur de compétitivité.

Alors que l’IA peut générer rapidement des plans de conception, des idées de produits et des analyses de marché, comment les entreprises peuvent-elles trouver leur propre valeur unique dans la chaîne de création de connaissances ? Une direction possible serait de se concentrer sur des domaines difficiles à reproduire facilement avec l’IA, tels que la création de valeur de marque, la création de liens émotionnels ou l’innovation transfrontalière. Cela oblige les entreprises à réévaluer leurs atouts et à investir davantage dans l’humanisation et la créativité. Ces questions ont déclenché une réflexion approfondie sur l’orientation future du développement de l’entreprise.

La formulation et l’exécution des stratégies doivent être basées sur la réalité selon laquelle le coût marginal de la connaissance est proche de zéro. L’entreprise doit-elle ajuster sa stratégie avec flexibilité pour répondre rapidement aux changements du marché et aux avancées technologiques ? Le processus de prise de décision sera davantage axé sur les données. L’IA générative fournira-t-elle des analyses et des prévisions précises en temps réel pour aider les décideurs à faire des choix plus intelligents ? Dans le même temps, la culture d’entreprise doit-elle être plus ouverte et inclusive, encourager l’innovation et la coopération transfrontalière et s’adapter à un environnement en évolution rapide ?

Dans ce processus, nous devons avoir une discussion ouverte : comment les entreprises équilibrent-elles efficacité et innovation ? À une époque où le savoir est facilement accessible, quels ajustements stratégiques peuvent permettre aux entreprises de se démarquer face à une concurrence féroce ? Les futures formes d’organisation des entreprises deviendront-elles plus plates et plus flexibles ?

Il n’existe pas de réponses toutes faites à ces questions, mais ce sont ces réflexions et explorations qui nous amèneront à nous adapter et à contrôler ce nouveau changement technologique.

Comment y parvenir : un voyage à double sens entre les personnes et la technologie

Dans la vision future de l’IA générative, le coût marginal de la création de connaissances approche de zéro, ce qui signifie que nous allons inaugurer une ère d’efficacité et d’innovation sans précédent. Pour atteindre cet objectif, la clé réside dans la ruée bidirectionnelle des personnes et de la technologie.

L’IA générative n’est pas un simple outil sans instructions claires, mais une capacité et un potentiel qui nécessitent que les gens les maîtrisent. Le rôle humain est crucial dans ce processus. Les individus doivent améliorer leurs capacités d'IA, ce qui fait référence à la capacité globale d'utiliser l'IA pour accomplir des tâches et résoudre des problèmes à l'ère de l'IA. La puissance de l'IA n'est pas seulement la capacité d'utiliser des outils d'IA, mais également un nouveau mode de pensée et une nouvelle structure de capacités.

Dans le processus d’amélioration des capacités de l’IA, les individus doivent continuellement apprendre, s’adapter et maîtriser les méthodes et techniques de l’IA générative. Par exemple, comment concevoir des mots d’incitation efficaces pour interagir avec l’IA, comment déconstruire des tâches et coopérer avec l’IA pour accomplir des tâches complexes. La culture de cette capacité permettra à chacun de devenir un « super individu » et d’amplifier considérablement ses capacités et son efficacité avec l’aide de l’IA.

Outre l'amélioration des capacités individuelles, le développement de la technologie constitue également un moyen important d'atteindre cet objectif. L'IA générative nécessite non seulement les capacités de base des grands modèles, mais nécessite également un développement et une optimisation continus dans divers scénarios. Par exemple, l’émergence de Suno (une application de génération musicale basée sur l’IA) a rendu la création musicale, une compétence qui nécessite des connaissances professionnelles, à portée de main. Ce progrès technologique a considérablement abaissé le seuil de création de connaissances.

Dans le domaine de la traduction, le récent projet de traduction open source du professeur Andrew Ng facilite grandement la traduction d'une tâche professionnelle, démontrant l'application rapide de la technologie dans des scénarios spécifiques. Dans des domaines tels que l'analyse de données, le diagnostic médical complexe et la recherche scientifique, même s'il reste encore beaucoup à faire, la direction du développement technologique est claire, c'est-à-dire que grâce à l'innovation et à l'optimisation continues, le coût de la création de connaissances sera finalement considérablement réduit. .

Un monde où le coût de la création de connaissances approche de zéro

Lorsque le coût marginal de la création de connaissances approchera de zéro, nous serons confrontés à une série de questions profondes et ouvertes. Il n’existe peut-être pas encore de réponses claires à ces questions, et certaines font l’objet de vifs débats partout dans le monde.

Lorsque le coût de la création de connaissances sera nul, où ira l’humanité ? Quelle est la signification d’être humain ? Dans un monde où la connaissance est facilement accessible, comment les humains redéfiniront-ils leur propre valeur et leur existence ? Les nouvelles capacités et qualités deviendront-elles la clé de la compétitivité humaine ? Devons-nous réexaminer des domaines tels que la créativité, l’émotion, l’éthique et la responsabilité sociale qui ne peuvent être complètement remplacés par l’IA ?

Dans un monde où les connaissances peuvent être facilement acquises et générées, les formes traditionnelles d’organisation des entreprises sont-elles toujours pertinentes ? Comment les organisations vont-elles se restructurer et fonctionner pour s’adapter à cette tendance ? Les organisations du futur deviendront-elles plus plates, plus décentralisées et plus flexibles ? Comment la compétitivité fondamentale des entreprises va-t-elle évoluer ? À l’ère de la connaissance infinie, comment les entreprises maintiennent-elles l’innovation et les avantages concurrentiels ?

Plus important encore, comment pouvons-nous garantir que tout le monde profite de ce changement ? Réduire le coût de la création de connaissances ne devrait pas être seulement le privilège de quelques personnes, mais devrait être la richesse commune de la société tout entière. Comment concevoir un mécanisme de répartition équitable pour garantir que les dividendes de la connaissance et de la technologie profitent à tous ? Cela comprend la vulgarisation et l'amélioration de l'éducation, l'amélioration du système de sécurité sociale ainsi que la formulation et la mise en œuvre de politiques et de réglementations. Comment faire face à un éventuel chômage et à l’injustice sociale ? Comment pouvons-nous garantir que les bénéfices du progrès technologique sont équitablement répartis ?

Comme l’a prédit avec audace le PDG de Microsoft AI, le coût de la création de connaissances sera proche de zéro dans 10 à 15 ans. À ce moment-là, nous devons faire face à ces problèmes profonds et trouver les moyens de les résoudre. Disposons-nous de suffisamment de mécanismes et de politiques sociales pour guider et protéger cette transformation ?

Le sens et la valeur de l’être humain, la forme et le fonctionnement des organisations, l’équité et le progrès sociaux sont autant de sujets majeurs auxquels nous devons nous préparer et réfléchir à l’avance. Les réponses à ces questions ne sont peut-être pas faciles à trouver, mais ce sont ces réflexions et explorations qui nous mèneront vers un avenir meilleur et plus juste. Sommes-nous prêts pour ce changement ? À quoi ressemblera le monde de demain et comment trouverons-nous notre place dans cette transformation ?

(L'auteur est professeur à la Chaire Flextronics et directeur du Département de leadership et de gestion organisationnelle, École d'économie et de gestion, Université Tsinghua)

Déclaration de droit d'auteur : le contenu ci-dessus est l'œuvre originale de "Economic Observer" et le droit d'auteur appartient à "Economic Observer". La réimpression ou la mise en miroir sont strictement interdites sans l’autorisation d’Economic Observer, faute de quoi les acteurs concernés seront tenus juridiquement responsables. Pour une coopération en matière de droits d'auteur, veuillez appeler : [010-60910566-1260].