L'intelligence artificielle aide à construire des infrastructures physiques telles que des logements modulaires, des gratte-ciel et des usines. "... de nombreux problèmes auxquels nous sommes confrontés dans toutes les formes d'ingénierie et de conception sont des problèmes très, très complexes... ces problèmes commencent à atteindre les limites de la capacité humaine", déclare Mike Haley, vice-président de la recherche chez Autodesk. Mais il y a de l'espoir avec les capacités de l'IA, poursuit Haley "C'est un endroit où l'IA et les humains se rencontrent très bien parce que l'IA peut en fait prendre certains problèmes très complexes dans le monde et les refondre."
Et là où "l'IA et les humains se rencontrent" est au début du processus avec la conception générative, qui intègre l'IA dans le processus de conception pour explorer des solutions et des idées qu'un humain seul n'aurait peut-être même pas envisagées. "Vous voulez vraiment pouvoir regarder l'ensemble du cycle de vie de la production de quelque chose et vous demander :" Comment puis-je produire cela en utilisant le moins d'énergie possible ?" Ce type de réflexion réduira l'impact, pas seulement de la construction. , mais toute sorte de création de produit sur la planète.
La relation symbiotique homme-ordinateur derrière la conception générative est nécessaire pour résoudre ces « problèmes très complexes », y compris la durabilité. "Nous n'allons pas avoir une société durable tant que nous n'aurons pas appris à fabriquer des produits - des téléphones portables aux bâtiments en passant par les grandes infrastructures - qui survivent à long terme", note Haley.
La clé, dit-il, est de commencer dès les premières étapes du processus de conception. "Les décisions qui affectent la durabilité se produisent dans la phase conceptuelle, lorsque vous imaginez ce que vous allez créer." Il poursuit : « Si vous pouvez commencer à intégrer des fonctionnalités dans les logiciels, dans les systèmes décisionnels, dès le début, ils peuvent guider les concepteurs vers des solutions plus durables en les affectant à ce stade précoce.
L'utilisation de la conception générative se traduira par des solutions malléables qui anticipent les besoins ou exigences futurs pour éviter d'avoir à créer de nouvelles solutions, produits ou infrastructures. "Et si un bâtiment qui a été construit dans un but, lorsqu'il devait être transformé en un autre type de bâtiment, n'était pas détruit, mais juste légèrement modifié ?"
C'est la véritable opportunité ici - créer une relation entre les humains et les ordinateurs sera fondamental pour l'avenir du design. "La conséquence de réunir le numérique et le physique", dit Haley, "est que cela crée une boucle de rétroaction entre ce qui est créé dans le monde et ce qui est sur le point d'être créé la prochaine fois."
Afficher les notes et les références
"Qu'est-ce que la conception générative et comment peut-elle être utilisée dans la fabrication ?" par Dan Miles, Redshift par Autodesk, 19 novembre 2021
"4 façons dont l'IA dans l'architecture et la construction peut dynamiser les projets de construction" par Zach Mortice, Redshift by Autodesk, 22 avril 2021
Transcription complète
Laurel Ruma : De MIT Technology Review, je m'appelle Laurel Ruma, et voici Business Lab, l'émission qui aide les chefs d'entreprise à donner un sens aux nouvelles technologies qui sortent du laboratoire et arrivent sur le marché. Notre sujet d'aujourd'hui est de savoir comment mieux concevoir avec l'intelligence artificielle, tout, des logements modulaires aux gratte-ciel en passant par les produits manufacturés et les sols d'usine, peut être conçu avec et bénéficier des technologies d'IA et d'apprentissage automatique. Alors que l'intelligence artificielle aide les humains avec des options de conception, comment peut-elle nous aider à construire plus intelligemment ? Deux mots pour vous : conception durable. Mon invité est Mike Haley, vice-président de la recherche chez Autodesk. Mike dirige une équipe de chercheurs, d'ingénieurs et d'autres spécialistes qui explorent l'avenir de la conception et de la fabrication.Cet épisode de Business Lab est produit en association avec Autodesk.Bienvenue, Mike.
Mike Haley : Bonjour Laurel. Merci de m'avoir.
Laurel : Donc, pour ceux qui ne le savent pas, la technologie Autodesk prend en charge l'architecture, l'ingénierie, la construction, la conception de produits, la fabrication, ainsi que les industries des médias et du divertissement. Et nous parlerons de ce type de conception et d'intelligence artificielle aujourd'hui. Mais un aspect spécifique de celui-ci est la conception générative. Qu'est-ce que la conception générative ? Et comment se prête-t-il à une collaboration IA-humain ?
Mike : Alors Laurel, pour répondre à cette question, vous devez d'abord vous demander : qu'est-ce que le design ? Lorsque les concepteurs abordent un problème, ils examinent généralement le problème à travers un certain nombre de contraintes, donc si vous construisez un bâtiment, il y a une certaine quantité de terrain dont vous disposez, par exemple. Et vous essayez également d'améliorer ou d'optimiser quelque chose. Alors peut-être essayez-vous de construire le bâtiment à un coût très faible, ou d'avoir un faible impact environnemental, ou de soutenir autant de personnes que possible. Vous avez donc ce problème simultané de gérer vos contraintes, puis d'essayer de maximiser ces différents facteurs de conception.
C'est vraiment l'essence de tout problème de conception. L'histoire du design est qu'il s'agit d'un problème entièrement humain. Les humains peuvent utiliser des outils. Ces outils peuvent être des stylos et des crayons, des calculatrices et des ordinateurs pour résoudre ce problème. Mais en réalité, l'essence de la résolution de ce problème réside uniquement dans l'esprit humain. La conception générative est la première fois que nous produisons une technologie qui utilise la capacité de calcul de l'ordinateur pour nous aider dans ce processus, pour nous aider à aller peut-être au-delà de nos considérations habituelles.
Comme vous et moi sommes sûrs que la plupart des spectateurs le savent, les gens parlent beaucoup de biais dans les algorithmes d'IA, mais le biais provient généralement des données que ces algorithmes voient, et le biais dans ces données provient généralement des humains, donc nous sommes en fait très , très partial. Cela se voit aussi dans la conception. L'avantage d'utiliser l'assistance informatique est que vous pouvez introduire des formes d'IA très avancées qui ne sont pas réellement basées sur des données. Ils sont basés sur des compréhensions algorithmiques ou physiques du monde, de sorte que lorsque vous essayez de comprendre ce bâtiment, ou de concevoir un avion, ou de concevoir un vélo, ou ce que cela pourrait être, il peut en fait utiliser des choses comme les lois de la physique, par exemple, pour comprendre l'ensemble des solutions possibles pour résoudre ce problème de conception dont je viens de parler.
Ainsi, à certains égards, vous pouvez considérer la conception générative comme une technologie informatique qui permet aux concepteurs d'élargir leur esprit et d'explorer des espaces et des possibilités de solutions qu'ils n'iraient peut-être pas autrement. Et cela pourrait même être en dehors de leur zone de confort traditionnelle, donc des préjugés pourraient les empêcher d'y aller. Une chose que vous trouvez avec la conception générative, c'est que lorsque nous regardons les gens utiliser cette technologie, ils ont tendance à l'utiliser de manière itérative. Ils fourniront le problème à l'ordinateur, laisseront l'ordinateur proposer des solutions, puis ils examineront ces solutions, puis commenceront à ajuster leurs critères et à recommencer. C'est presque ce type de relation symbiotique qui se forme entre l'humain et l'ordinateur. Et j'apprécie vraiment cela parce que l'esprit humain n'est pas très bon en informatique. L'idée populaire est que vous pouvez garder sept faits dans votre tête à la fois, ce qui est beaucoup plus petit que l'ordinateur, n'est-ce pas ?
Mais les esprits humains sont excellents pour répondre et évaluer les situations et apporter un très large éventail de considérations. C'est en fait l'essence de la créativité. Donc, si vous rassemblez tout cela et examinez l'ensemble du processus, c'est vraiment ce qu'est la conception générative.
Laurel : Donc, ce dont vous parlez vraiment, c'est de la relation entre un humain et un ordinateur. Et le résultat de cette relation est quelque chose de mieux que ce que l'un ou l'autre pourrait faire par lui-même.
Mike : Oui, c'est vrai. Exactement. Je veux dire, les humains ont un ensemble de limites, et nous avons un ensemble de compétences que nous réunissons vraiment lorsque nous sommes créatifs. Il en est de même pour un ordinateur. L'ordinateur a certaines choses comme le calcul, par exemple, et la compréhension des lois de la physique et des choses comme ça. Mais c'est bien mieux que nous. Mais il est également très limité dans sa capacité à évaluer l'efficacité d'une solution. Donc, générative consiste vraiment à réunir ces deux choses.
Laurel : Il y a donc eu beaucoup de discussions sur la crainte que l'IA et l'automatisation remplacent les travailleurs. Quelle est la collaboration humaine de l'IA que vous envisagez pour l'avenir du travail ? Comment ce partenariat peut-il perdurer ?
Mike : Il existe une relation incroyablement intéressante entre l'IA et non seulement la résolution de problèmes dans le monde avec les humains, mais aussi l'amélioration de la condition humaine. Ainsi, lorsque nous parlons de la tension entre l'IA et le travail humain, j'aime vraiment l'examiner à travers cette lentille, de sorte que lorsque nous pensons à l'IA apprenant le monde, apprenant à faire les choses, cela peut conduire à quelque chose comme l'automatisation. Ces apprentissages - ces apprentissages numériques - peuvent piloter des choses comme un robot, ou une machine dans une usine, ou une machine sur un chantier de construction, ou même juste un algorithme informatique qui peut décider de quelque chose pour vous.
Cela peut être puissant s'il est géré de manière appropriée. Bien sûr, vous avez toujours des risques de partialité et d'injustice et ce genre de choses dont vous devez être conscient. Mais il y a un autre effet de l'apprentissage de l'IA : il est maintenant capable de mieux comprendre ce que fait un être humain. Alors imaginez une IA qui vous regarde taper dans un traitement de texte, par exemple. Et il vous regarde taper pendant de très nombreuses années. Il apprend des choses sur votre style d'écriture. Maintenant, l'une des choses évidentes d'automatisation qu'il peut faire est de commencer à faire des suggestions pour votre écriture, ce qui est bien. Nous commençons déjà à le voir aujourd'hui. Mais quelque chose qu'il pourrait aussi faire est de commencer à évaluer votre écriture et à comprendre, peut-être de manière très nuancée, comment vous vous comparez aux autres écrivains. Alors peut-être que vous écrivez une sorte de fiction, et ça dit : « Eh bien, généralement dans ce domaine de la fiction, les gens qui écrivent comme vous ciblent ce genre de public. Et peut-être que vous voulez considérer ce genre de ton, ou la nature de votre écriture."
Ce faisant, l'IA fournit en fait des moyens plus adaptés de vous enseigner en tant qu'être humain par l'interprétation de vos actions et de travailler à nouveau de manière vraiment itérative avec une personne pour la guider afin d'améliorer ses propres capacités. Il ne s'agit donc pas d'automatiser le problème. Il s'agit en fait d'une manière ironique d'automatiser le processus de formation d'une personne et d'améliorer ses compétences. Nous aimons donc vraiment mettre cet objectif sur l'IA et regarder de cette façon, oui, nous automatisons beaucoup de tâches, mais nous pouvons également utiliser cette même technologie pour aider les humains à développer des compétences et à améliorer leurs propres capacités.
L'autre chose que je mentionnerai dans cet espace est que de nombreux problèmes auxquels nous sommes confrontés dans toutes les formes d'ingénierie et de conception sont très, très complexes, et nous parlons de certains d'entre eux en ce moment. Ces problèmes commencent à atteindre les limites des capacités humaines. Nous devons commencer à les simplifier à certains égards. C'est un endroit où l'IA et les humains se rencontrent très bien parce que l'IA peut en fait prendre certains problèmes très complexes dans le monde et les refondre. Ils peuvent être refondus ou réinterprétés dans un langage ou des sous-problèmes que les êtres humains peuvent réellement comprendre, avec lesquels nous pouvons lutter et apporter des réponses. Et ensuite, l'IA peut reprendre ces réponses et fournir une meilleure solution à tout problème auquel nous sommes confrontés à ce moment-là.
Laurel : Donc, en parlant de certains de ces problèmes vraiment difficiles, le changement climatique, la durabilité, c'est certainement l'un d'entre eux. Et vous avez en fait écrit, et voici une citation de votre article, citation : "La qualité des produits doit s'améliorer car une société du jetable dépassée n'est pas acceptable à long terme." Vous dites donc ici que l'IA peut également aider à résoudre ces types de gros problèmes de société.
Mike : Ouais, exactement. C'est exactement le genre de problème difficile dont je parlais tout à l'heure. Par exemple, combien de personnes obtiennent un nouveau smartphone, et dans un an ou deux, vous le jetez pour obtenir votre nouveau ? Et cela fait partie de notre façon de vivre. Et nous n'allons pas avoir une société durable tant que nous n'apprendrons pas à fabriquer des produits, et les produits peuvent être n'importe quoi, d'un téléphone mobile à un bâtiment, ou de gros éléments d'infrastructure, qui survivent à long terme.
Maintenant que se passe-t-il à long terme ? Généralement, les exigences changent. Le pouvoir des choses change. La réaction des gens à cela, encore une fois, comme je viens de le dire, est de les jeter et de créer quelque chose de nouveau. Mais que se passerait-il si ces choses étaient susceptibles de changer d'une certaine manière ? Et s'ils pouvaient être partiellement recréés à mi-chemin de leur vie ? Et si un bâtiment qui a été construit dans un but, lorsqu'il devait être transformé en un autre type de bâtiment, n'était pas détruit, mais juste légèrement modifié ? Parce que lorsque le concepteur a conçu ce bâtiment pour la première fois, il y avait un moyen de contempler ce que pourraient être tous les futurs utilisateurs de ce bâtiment. Quels sont les modèles de ceux-ci? Et comment ce bâtiment pourrait-il être conçu de manière à soutenir ces utilisations futures ?
Donc, résoudre ce genre de problème de conception, résoudre un problème où vous ne résolvez pas seulement votre problème actuel, mais vous essayez de résoudre tous les problèmes futurs d'une certaine manière est un problème très, très difficile. Et c'était le genre de problème dont je parlais plus tôt. Nous avons vraiment besoin d'un ordinateur pour vous aider à réfléchir à cela. En termes de conception, c'est ce que nous appelons un problème de système parce qu'il y a plusieurs systèmes auxquels vous devez penser, un système de temps, un système de société, d'économie, de toutes sortes de choses autour desquelles vous devez réfléchir. Et la seule façon de réfléchir à cela est qu'un système d'IA ou un système de calcul soit votre assistant tout au long de ce processus.
Laurel : Je dois dire que c'est un peu hallucinant de penser à toutes les itérations possibles d'un bâtiment, d'un porte-avions ou même d'un téléphone portable. Mais ce genre d'accent mis sur la durabilité change certainement la façon dont les produits, les gratte-ciel et les sols des usines sont conçus. Quoi d'autre est possible avec l'IA et l'apprentissage automatique avec durabilité ?
Mike : Nous avons tendance à penser normalement selon trois axes. Donc, l'un des principaux problèmes dont nous sommes tous conscients à l'heure actuelle est le changement climatique, qui est enraciné dans le carbone. Et de très nombreuses pratiques dans le monde impliquent la production d'énormes quantités de carbone ou ce que nous appelons le carbone retenu. Donc, si nous produisons du béton, vous produisez du carbone supplémentaire dans l'atmosphère. Nous pourrions donc commencer à concevoir des bâtiments, ou des produits, ou quoi que ce soit, qui utilisent moins de carbone dans la production des matériaux, ou dans la création des structures elles-mêmes, ou dans le meilleur des cas, utilisent même des choses qui ont des effets négatifs. carbone.
Par exemple, l'utilisation d'une grande quantité de bois dans un bâtiment peut en fait réduire la consommation globale de carbone, car pendant la durée de vie de cet arbre, il a consommé du carbone. Il incarnait le carbone à l'intérieur de l'atmosphère en lui-même. Et maintenant vous l'avez utilisé. Vous l'avez emprisonné essentiellement à l'intérieur du bois, et vous l'avez placé dans le bâtiment. Vous n'avez pas créé de nouveau carbone à la suite de la production du bois. L'énergie incarnée est une autre chose à laquelle nous pensons aussi. En créant quoi que ce soit dans le monde, il y a de l'énergie qui va y aller. Cette énergie peut être le moteur d'une usine, mais cette énergie peut être l'expédition de produits ou de matières premières à travers le monde. moins d'énergie tout au long ?" Et vous aurez un impact moindre sur la planète.
Le dernier exemple est le gaspillage. Il s'agit d'un domaine très important pour que l'IA ait un effet, car le gaspillage concerne à certains égards une conception qui n'est pas optimale. Lorsque vous produisez des déchets à partir de quelque chose, cela signifie qu'il y a des pièces dont vous n'avez pas besoin. Il y a du matériel dont vous n'avez pas besoin. Il en ressort quelque chose qui est évidemment rejeté. Il est souvent possible d'utiliser l'IA pour évaluer ces conceptions de manière à minimiser ces déchets, puis de produire également des automatisations, comme par exemple, une scie robot qui peut couper du bois pour un bâtiment, ou de la charpente en bois d'un bâtiment, qui connaît la quantité de bois dont vous disposez. Il sait où chaque pièce va aller. Et c'est en quelque sorte couper le bois pour qu'il soit sûr qu'il produira le moins de chutes qui seront jetées que possible. Quelque chose comme ça peut en fait avoir un effet significatif à la fin de la journée.
Laurel : Vous avez mentionné plus tôt que l'IA pourrait aider, par exemple, à écrire quelque chose, et comment les gens écrivent et leurs styles, etc. Mais aussi, comprendre les systèmes et comment les systèmes fonctionnent est également très important. Alors, comment l'IA et le ML pourraient-ils être appliqués à l'éducation ? Et comment cela affecte-t-il les étudiants et l'enseignement en général ?
Mike : L'un des domaines qui me passionne vraiment, où la conception générative et l'apprentissage se rejoignent, concerne un terme avec lequel nous jouons depuis un moment dans toutes ces recherches, à savoir cette idée d'apprentissage génératif, qui apprend pour vous. un peu dans le sens de certaines des choses dont nous avons parlé précédemment, où vous regardez presque l'humain comme faisant partie d'une boucle avec l'ordinateur. L'ordinateur comprend ce que vous essayez de faire. C'est en apprendre davantage sur la façon dont vous vous comparez aux autres, peut-être où vous pourriez améliorer vos propres compétences. Et puis il vous guide dans ces directions. Peut-être que cela vous donne des défis qui vous poussent spécifiquement à les relever. Peut-être qu'il vous donne des directions. C'est peut-être le fait de vous connecter avec d'autres qui peut réellement vous aider à vous améliorer.
Comme je l'ai dit, nous considérons cela comme une sorte d'apprentissage génératif. Ce que vous essayez d'optimiser ici n'est pas une conception, comme ce dont nous avons parlé précédemment, mais nous essayons d'optimiser votre apprentissage. Nous essayons d'optimiser vos compétences. De plus, je pense qu'il y a aussi un changement de paradigme sous-jacent à cela. Jusqu'à assez récemment, les ordinateurs étaient vraiment considérés comme de grosses calculatrices. Droit? Certainement dans la conception, même dans nos logiciels ici chez Autodesk. Je veux dire, le logiciel était généralement utilisé pour explorer une conception ou pour documenter une conception. Le logiciel n'a pas été utilisé pour calculer chaque aspect de la conception. Il a été utilisé à certains égards comme une sorte de comité de rédaction très complexe, dans un certain sens.
Cela change maintenant avec des technologies comme la conception générative, où vous êtes vraiment, comme j'en ai parlé plus tôt, en train de travailler en boucle avec l'ordinateur. L'ordinateur vous suggère donc des choses. Cela vous pousse en tant que designer. Et vous, en tant que designer, êtes aussi un peu conservateur maintenant. Vous réagissez aux choses que l'ordinateur vous suggère ou vous fournit. Il est donc vraiment très important d'adopter ce paradigme dès le début de l'éducation, avec les étudiants qui entrent dans la conception et l'ingénierie aujourd'hui. Je pense qu'ils ont la possibilité d'amener les domaines de la conception et de l'ingénierie à des niveaux entièrement différents grâce à la capacité d'utiliser efficacement ces nouvelles capacités.
Laurel : Un autre endroit où cela doit également être appliqué est le lieu de travail. Les employés et les entreprises doivent donc comprendre que la technologie changera également leur façon de travailler. Alors, quels outils sont disponibles pour naviguer dans notre milieu de travail en évolution ?
Mike : L'automatisation peut avoir de nombreux effets secondaires imprévus sur un lieu de travail. Donc, l'une des premières choses que toute entreprise doit faire est de vraiment lutter avec cela. Vous devez être très, très réel quant à l'effet sur votre main-d'œuvre. Si l'automatisation va prendre des décisions, quel est le risque que ces décisions soient injustes ou biaisées à certains égards ? L'une des choses que vous devez comprendre est qu'il ne s'agit pas simplement de le brancher, de l'allumer et tout est Aller au travail. Vous devez même impliquer votre main-d'œuvre dès le début dans ces décisions concernant l'automatisation. Nous le voyons dans notre propre industrie, les entreprises qui réussissent le mieux à adopter l'automatisation sont celles qui écoutent le plus attentivement leur main-d'œuvre en même temps.
Ce n'est pas qu'ils ne font pas d'automatisation, mais ils le déploient en fait d'une manière qui correspond à la main-d'œuvre, et il y a une certaine ouverture dans ce processus. Je pense que l'autre aspect que j'aime regarder dans un environnement de travail en évolution est la capacité de concentrer notre temps en tant qu'êtres humains sur ce qui compte vraiment, et de ne pas avoir à faire face à tant d'ennui dans nos vies. Une grande partie de notre temps à utiliser un ordinateur est fastidieuse. Vous essayez de trouver la bonne application. Vous essayez d'obtenir de l'aide sur quelque chose. Vous essayez de contourner une petite chose que vous ne comprenez pas dans le logiciel.
Ce genre de choses commence à disparaître avec l'IA et l'automatisation. Et comme ils le font, nous avons encore un bon chemin à parcourir. Mais à mesure que nous avançons sur cette ligne, cela signifie que les personnes créatives peuvent passer plus de temps à être créatives. Ils peuvent se concentrer sur l'essence d'un problème. Donc, si vous êtes un architecte qui aménage des bureaux dans un espace de bureau, vous n'êtes probablement pas payé pour aménager chaque bureau. Vous êtes payé pour concevoir un espace. Alors, que se passe-t-il si vous concevez l'espace et que l'ordinateur aide réellement à la disposition physique du bureau ? Parce que c'est une chose assez simple à automatiser. Je pense qu'il y a un changement vraiment fondamental dans l'endroit où les gens passeront leur temps et comment ils passeront réellement leur temps.
Laurel : Et cela revient en quelque sorte à un sujet dont nous venons de parler, à savoir l'IA et l'éthique. Comment les entreprises adoptent-elles l'éthique en pensant à l'innovation lorsqu'elles envisagent ces opportunités d'intelligence artificielle ?
Mike : C'est quelque chose d'incroyablement important dans toutes nos industries. Nous voyons cette montée, la prise de conscience de cette montée, évidemment c'est là dans la société populaire en ce moment. Mais nous examinons cela depuis un certain temps, et quelques enseignements que je peux vous donner d'emblée sont que toute entreprise qui s'occupe d'automatisation et d'IA doit s'assurer qu'elle bénéficie d'un soutien pour une approche éthique à ce sujet dès le départ. sommet de l'entreprise parce que les décisions éthiques ne se situent pas seulement au niveau technique, elles se situent à tous les niveaux de prise de décision. Ce seront des décisions d'affaires. Ce seront des décisions de marché. Ce seront des décisions de production, des décisions d'investissement et des décisions technologiques. Vous devez donc vous assurer qu'il est compris dans n'importe quel environnement d'entreprise ou industriel.
Ensuite, tout le monde doit être aligné en interne sur ces organisations sur : que signifie réellement l'éthique ? L'éthique est un terme qui est utilisé assez largement. Mais quand il s'agit de faire quelque chose à ce sujet et de comprendre si vous y parvenez, il est très important d'être assez précis là-dessus. Cela m'amène au troisième point, que si vous allez annoncer, si vous l'avez fait, et que vous comprenez maintenant ce que c'est, vous devez maintenant vous assurer que vous résolvez un problème concret parce que l'éthique peut être un sujet très, très flou. Vous pouvez faire du lavage éthique très, très facilement dans une organisation.
Et si vous n'abordez pas cela rapidement et ne définissez pas réellement un problème très spécifique, cela restera flou, et cela n'aura jamais l'effet que vous aimeriez voir au sein d'une entreprise. Et la dernière chose que je dirai, c'est qu'il faut le rendre culturel. Si vous ne vous assurez pas que le comportement éthique fait réellement partie des valeurs culturelles de votre organisation, vous ne le mettrez jamais vraiment en pratique. Vous pouvez mettre en place des structures de gouvernance, vous pouvez mettre en place des systèmes logiciels, vous pouvez mettre en place toutes sortes de choses qui garantissent un niveau d'éthique assez élevé. Mais vous ne serez jamais certain que vous le faites vraiment à moins que cela ne soit profondément ancré dans la culture de la façon dont les gens se comportent au sein de votre organisation.
Laurel : Donc, lorsque vous prenez tout cela ensemble, quels types de produits ou d'applications voyez-vous dans les premiers développements auxquels nous pouvons nous attendre ou même attendre avec impatience dans les trois à cinq prochaines années, par exemple ?
Mike : Il y a un certain nombre de choses. La première catégorie à laquelle j'aime penser est la catégorie élever tous les bateaux, ce qui signifie que nous commençons à voir des outils qui rendent généralement tout le monde plus efficace dans ce qu'ils font, donc c'est similaire à ce dont je parlais plus tôt sur l'architecte aménageant des bureaux. Il peut s'agir d'un designer automobile qui conçoit une nouvelle voiture. Et dans la plupart des voitures d'aujourd'hui, il y a beaucoup de câblage électrique. Aujourd'hui, le concepteur doit acheminer chaque câble à travers cette voiture et indiquer au logiciel exactement où va ce câble. Ce n'est pas vraiment très pertinent pour la conception de base de la voiture, mais c'est un mal nécessaire pour spécifier la voiture. Cela peut être automatisé.
Nous commençons à voir ces automatisations assez simples commencer à devenir disponibles pour tous les concepteurs, tous les ingénieurs, qui leur permettent juste d'être un peu plus efficaces, leur permettent d'être un peu plus précis sans aucun effort supplémentaire, donc j'aime penser à cela comme le genre de fonctionnalité de relancer tous les bateaux. La question suivante, que nous avons abordée plus tôt dans la session, était la durabilité des solutions. Il s'avère que la plupart des décisions clés qui affectent la durabilité d'un produit, ou d'un bâtiment, ou vraiment n'importe quoi, se produisent dans les premières étapes de la conception. Ils se produisent vraiment dans cette sorte de phase conceptuelle lorsque vous imaginez ce que vous allez créer. Donc, si vous pouvez commencer à mettre des fonctionnalités dans les logiciels, dans les systèmes de prise de décision dès le début, ils peuvent guider les concepteurs vers des solutions plus durables en les affectant à ce stade précoce. C'est la prochaine chose que je pense que nous allons voir.
L'autre chose que je vois apparaît déjà beaucoup, et ce n'est pas seulement vrai dans l'IA, mais c'est juste généralement vrai dans l'espace numérique, c'est l'émergence de plates-formes et d'outils très flexibles qui s'adaptent aux besoins des utilisateurs eux-mêmes . Lorsque j'utilisais beaucoup de logiciels pour la première fois, et je suis sûr que beaucoup d'entre nous s'en souviennent, vous n'aviez qu'un seul produit. Il faisait toujours une chose très spécifique, et c'était la même chose pour celui qui l'utilisait. Cette ère touche à sa fin, et nous finissons par voir des outils hautement personnalisables, peut-être même qu'ils se reconfigurent automatiquement à mesure qu'ils comprennent mieux ce dont vous avez besoin d'eux. S'ils comprennent mieux ce qu'est réellement votre travail, ils s'y adapteront. Je pense donc que c'est l'autre chose que nous voyons.
La dernière chose que je mentionnerai, c'est qu'au cours des trois à cinq prochaines années, nous verrons plus de choses sur la suppression de la barrière entre le numérique et le physique. L'intelligence artificielle a la capacité d'interpréter le monde qui nous entoure. Il peut utiliser des capteurs. Ce sont peut-être des microphones, peut-être des caméras, ou peut-être des capteurs plus compliqués comme des capteurs de contrainte à l'intérieur du béton, ou des capteurs de contrainte sur un pont, ou même comprendre la façon dont les humains se comportent dans un espace. L'IA peut en fait utiliser tous ces capteurs pour commencer à les interpréter et créer une compréhension, une compréhension plus nuancée de ce qui se passe dans cet environnement. C'était très difficile, même il y a 10 ans. Il était très, très difficile de créer des algorithmes informatiques capables de faire ce genre de choses.
Donc, si vous prenez par exemple quelque chose comme le comportement humain, nous pouvons réellement commencer à créer des bâtiments où les bâtiments comprennent réellement comment les humains se comportent dans ce bâtiment. Ils peuvent comprendre comment ils modifient la climatisation pendant la journée et la température du bâtiment. Comment les gens se sentent-ils à l'intérieur du bâtiment ? Où les gens se rassemblent-ils ? Comment ça coule ? Quelle est la durée d'utilisation de ce bâtiment ? Si vous pouvez commencer à comprendre tout cela et à le rassembler, cela signifie que le prochain bâtiment que vous créez, ou même les améliorations apportées au bâtiment actuel, peuvent être meilleurs, car le système comprend désormais mieux : comment ce bâtiment est-il réellement utilisé ? Il y a une compréhension numérique de cela.
Cela ne se limite pas aux bâtiments, bien sûr. Cela pourrait être littéralement n'importe quel produit là-bas. Et c'est la conséquence du rapprochement du numérique et du physique, c'est que cela crée cette boucle de rétroaction entre ce qui est créé dans le monde et ce qui est sur le point d'être créé la prochaine fois. Et la compréhension numérique de cela peut constamment améliorer ces résultats.
Laurel : C'est une perspective incroyable. Mike, merci beaucoup de vous joindre à nous aujourd'hui pour ce qui a été une conversation fantastique sur The Business Lab.
Mike : De rien, Laurel. C'était super amusant. Merci.
Laurel : C'était Mike Haley, vice-président de la recherche chez Autodesk, avec qui j'ai parlé depuis Cambridge, Massachusetts, siège du MIT et du MIT Technology Review, qui surplombe la rivière Charles. C'est tout pour cet épisode de Business Lab. Je suis votre hôte, Laurel Ruma. Je suis le directeur d'insights, la division de publication personnalisée de MIT Technology Review. Nous avons été fondés en 1899 au Massachusetts Institute of Technology. Et vous pouvez nous trouver dans la presse écrite, sur le Web et lors d'événements chaque année dans le monde entier. Pour plus d'informations sur nous et sur le salon, veuillez consulter notre site Web à l'adresse technologyreview.com.
Cette émission est disponible partout où vous obtenez vos podcasts. Si vous avez apprécié cet épisode, nous espérons que vous prendrez un moment pour nous évaluer et nous donner votre avis. Business Lab est une production de MIT Technology Review. Cet épisode a été produit par Collective Next. Merci pour l'écoute.
Cliquez ici pour découvrir comment Autodesk s'associe à des clients de tous les secteurs pour imaginer plus grand, collaborer plus intelligemment, aller plus vite et mieux construire.
Cet épisode de podcast a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n'a pas été rédigé par la rédaction de MIT Technology Review.
