- il y a 2 jours
- #technologie
- #ia
- #innovation
Neuralink fait bouger un curseur par la pensée, l’IA reconstitue des images vues par le cerveau et pourrait même prescrire des traitements… Ajoutez des cellules virtuelles, des robots et des chats détectives : les nouvelles technologies n’ont jamais été aussi surprenantes. Découvrez tout ça avec nous ! #Technologie #IA #Innovation
Abonnez-vous à la chaîne pour ne rien manquer !
Dites-nous en commentaire ce que vous avez préféré dans la vidéo !
👉 Cette chaîne est réalisée en collaboration avec https://www.youtube.com/@realidadeimpressionante
• The Inspired Business Technology de RomanSenykMusic
0:01 - Neuralink rapproche le cerveau de l’ordinateur
5:52 - Reconstituer des images à partir de l’activité cérébrale
9:15 - Une IA autorisée à prescrire des traitements
11:55 - Créer des cellules virtuelles grâce à l’IA
14:25 - Kawasaki vise l’autonomie des robots humanoïdes
16:30 - Un hydrogel étirable pour les batteries flexibles
18:24 - Des chats aident à retrouver les animaux perdus
Abonnez-vous à la chaîne pour ne rien manquer !
Dites-nous en commentaire ce que vous avez préféré dans la vidéo !
👉 Cette chaîne est réalisée en collaboration avec https://www.youtube.com/@realidadeimpressionante
• The Inspired Business Technology de RomanSenykMusic
0:01 - Neuralink rapproche le cerveau de l’ordinateur
5:52 - Reconstituer des images à partir de l’activité cérébrale
9:15 - Une IA autorisée à prescrire des traitements
11:55 - Créer des cellules virtuelles grâce à l’IA
14:25 - Kawasaki vise l’autonomie des robots humanoïdes
16:30 - Un hydrogel étirable pour les batteries flexibles
18:24 - Des chats aident à retrouver les animaux perdus
Catégorie
🤖
TechnologieTranscription
00:01Et dans l'épisode d'aujourd'hui, entre autres choses, vous allez voir,
00:05Neuralink vient de franchir une étape très importante avec son implant cérébral.
00:09Et ce qu'ils ont démontré pourrait bien nous montrer les premiers pas
00:12d'une véritable fusion entre l'homme et la machine.
00:16Pendant ce temps, une autre intelligence artificielle a réussi à observer l'activité d'un cerveau tout entier
00:22et ainsi à reconstruire ce qu'une vraie personne était en train de voir à ce moment-là.
00:26Aux Etats-Unis, une intelligence artificielle vient de recevoir l'autorisation de prendre une décision
00:31qui jusqu'à présent devait passer par un médecin humain.
00:34Google, Meta et le gouvernement américain investissent des milliards de dollars
00:38dans une technologie qui a pour but de créer.
00:41Quelque chose de plutôt étrange, vous voyez ?
00:44Des cellules humaines virtuelles, ouais, voyons voir tout ça.
00:47Et encore d'autres choses sur les nouvelles technologies.
00:55Une personne regarde simplement l'écran d'ordinateur, ne touche pas à la souris, ne touche pas au clavier, ne
01:01touche à rien.
01:02Pourtant, le curseur bouge.
01:04Et maintenant, dans certains tests, il n'a même plus besoin de parcourir toute cette distance jusqu'à l'endroit
01:09souhaité.
01:10Il apparaît simplement là où la personne a l'intention de cliquer.
01:13Oui, mes amis, ça évolue très vite.
01:15Chier, est-ce une technologie que Neuralink appelle le téléport curseur ou curseur téléporté ?
01:20Et cela fait partie de l'avancée, qui semble petite à première vue, d'accord ?
01:23Je sais.
01:24Mais cela montre comment cette connexion directe entre le cerveau humain et les ordinateurs
01:29commence dès à présent à changer pour toujours.
01:32Et Neuralink vient tout juste d'annoncer un nouveau record pour leur implant cérébral.
01:35En utilisant des signaux enregistrés directement dans le cerveau,
01:38les participants ont réussi à atteindre 11,32 bits par seconde pour le contrôle du curseur, bits par seconde.
01:44Dans ce cas-là, cela ne signifie pas simplement la vitesse physique à laquelle le curseur traverse l'écran, d
01:49'accord ?
01:49Cette mesure prend en compte la vitesse et la précision avec lesquelles une personne parvient à sélectionner ce qu'elle
01:54souhaite réellement à l'écran.
01:56Et selon Neuralink, le résultat dépasse déjà les performances de la plupart des personnes valides dans ce type précis de
02:03tâche.
02:04Mais il convient de préciser que cette comparaison n'a pas encore fait l'objet d'une vérification indépendante.
02:09Mais ce record n'est peut-être même pas le point le plus important de cette histoire,
02:13car il existe un problème inhérent à presque toutes les interfaces à cerveau-machine.
02:17Notre cerveau, le cerveau biologique, ne produit pas exactement les mêmes signaux tous les jours.
02:22Et l'implant de Neuralink enregistre de petites impulsions électriques produites par les neurones dans le cortex.
02:27Moteur, le logiciel apprend alors à reconnaître certains schémas dans cette activité
02:31et à les associer à l'intention d'effectuer un mouvement.
02:35C'est exactement comme cela que quelqu'un peut penser à déplacer le curseur.
02:38Et l'ordinateur transforme cette intention en commande.
02:40Seulement ces signaux, comme je l'ai mentionné, changent tous les jours.
02:43De légères modifications dans les neurones enregistrés peuvent faire en sorte
02:46que ce qui fonctionnait hier ne soit plus interprété de la même manière aujourd'hui.
02:50C'est pourquoi les systèmes doivent être recalibrés.
02:52Et c'est précisément ici qu'a eu lieu l'une des avancées les plus intéressantes de cette histoire.
02:57Neuralink a rassemblé plus de 50 000 heures d'activité neuronale
03:00produites par les participants à ses essais cliniques.
03:02Et a utilisé cet énorme ensemble d'informations
03:04pour entraîner ce qu'elle décrit comme un modèle de fondation pour l'interface cerveau-ordinateur.
03:09Au lieu d'enseigner au système uniquement à reconnaître des commandes spécifiques,
03:13l'idée est de faire en sorte que le logiciel apprenne des représentations plus générales
03:17de ses activités cérébrales.
03:18En pratique, c'est comme s'il y a commencé désormais à apprendre quelque chose de bien plus profond
03:22sur la manière dont différentes intentions de mouvements se manifestent dans le système.
03:26Les signaux du cerveau humain.
03:27Et les premiers résultats sont particulièrement importants.
03:30Certains des nouveaux décodeurs ont continué à fonctionner pendant des semaines
03:32au lieu de seulement quelques jours comme c'était le cas auparavant.
03:35Pour certains participants, le temps de rétalonnage nécessaire est passé d'environ 10 minutes
03:40chaque jour à seulement 10 minutes par semaine.
03:43Et cela change considérablement la façon de voir cette nouvelle technologie.
03:47Parce qu'il y a une énorme différence entre une expérience qui fonctionne
03:50dans des conditions soigneusement préparées
03:52et une interface cerveau-ordinateur que vous pouvez simplement utiliser.
03:56L'utiliser au quotidien sans devoir constamment la réétalonner.
03:59Mais Neuralink veut aller bien au-delà de ça.
04:01L'entreprise prévoit désormais de combiner les informations neuronales de différents participants
04:06pour tenter de construire des modèles encore plus généraux.
04:08Et à l'avenir, cela pourrait permettre à des systèmes d'exécuter une nouvelle tâche
04:12avec très peu d'étalonnage, voire à terme, bien sûr,
04:16sans avoir besoin d'un étalonnage spécifique pour chaque tâche.
04:19Et c'est là qu'apparaît une idée particulièrement intéressante.
04:22Vous voyez, Neuralink évoque la possibilité future de créer quelque chose de similaire,
04:26similaire à une API pour le cortex moteur.
04:28Mais informatique, une API fonctionne comme une sorte de couche commune
04:32qui permet à différents systèmes de communiquer entre eux.
04:35Appliquée au cerveau, l'idée serait de développer une représentation suffisamment générale
04:40de l'intention du mouvement pour la transformer directement en commande numérique.
04:44Vous pensez à accomplir une action ?
04:46Le cerveau produit les signaux liés à cette intention et l'implant enregistre ces signaux.
04:50Puis l'ordinateur, grâce à une intelligence artificielle, interprète ce que vous voulez faire.
04:55Il est important de préciser, bien sûr, que nous sommes encore très loin d'une interface universelle
04:59entre le cerveau et la machine, d'accord ?
05:01Les résultats publiés actuellement proviennent de Neuralink elle-même
05:05et n'ont pas encore été présentés sous la forme d'une étude scientifique revue par des pairs.
05:09De plus, l'objectif immédiat reste de redonner de l'autonomie aux personnes paralysées
05:12en leur permettant de contrôler des ordinateurs et d'autres appareils
05:15uniquement grâce à l'activité cérébrale.
05:17Mais c'est vrai, il est difficile d'ignorer la direction vers laquelle cette technologie se dirige, n'est-ce
05:21pas ?
05:21D'abord, nous avons réussi à enregistrer les signaux directement depuis le cerveau.
05:25Ensuite, nous avons appris à transformer ces signaux en mouvements de curseurs.
05:29Et maintenant, de grands modèles commencent déjà à apprendre le schéma
05:32à partir de dizaines de milliers d'heures d'activités neuronales humaines.
05:36Rien dans cette communication beaucoup plus rapide, plus stable
05:39et nécessitant aussi beaucoup moins de calibrage.
05:41Et c'est peut-être précisément ainsi qu'une véritable intégration
05:45entre être humain et ordinateur, ou machine, si l'on peut dire, commence à se développer.
05:50Tout doucement, n'est-ce pas ? Non.
05:52Tandis que Neuralink tente de transformer les signaux cérébraux en commandes pour une machine,
05:57des chercheurs effectuent désormais le chemin inverse.
06:00Grâce à l'intelligence artificielle, ils parviennent déjà à observer l'activité cérébrale d'une personne réelle
06:04et à reconstruire les images de ce qu'elle voit, de manière très simple.
06:08D'après eux, ces travaux ont été menés par des chercheurs de l'Institut Weizmann des sciences
06:12et ils y sont parvenus en utilisant des examens d'IRM fonctionnels, ou IRMF.
06:17Montant l'expérience, des volontaires ont observé différentes images
06:20pendant que l'appareil enregistrait les variations d'activités dans diverses régions de leur cerveau.
06:25A partir de ces signaux, l'intelligence artificielle devait résoudre un problème extrêmement difficile,
06:30découvrir quelle image aurait pu provoquer ce schéma d'activité neuronale.
06:35Pour ce faire, les chercheurs ont divisé la tâche en deux parties.
06:38D'accord ?
06:39Un système tentait d'extraire des informations liées à la structure de l'image,
06:43comme les formes, les positions et la composition.
06:45Et l'autre cherchait à interpréter les informations de plus haut niveau sur ce qui apparaît dans la scène.
06:49Ensuite, ces informations sont combinées et utilisées par un modèle de génération d'images
06:54pour produire une reconstruction de ce que la personne était peut-être en train d'observer.
06:59Et les résultats sont impressionnants, d'accord ?
07:01Précisément parce que l'intelligence artificielle ne reçoit pas la photographie originale,
07:05elle reçoit les signaux produits par le cerveau pendant que quelqu'un regarde cette photographie.
07:09Dans certains cas, la reconstruction parvient à préserver des caractéristiques très importantes de la scène originale, vous savez.
07:15Mais soyons bien clairs, d'accord ?
07:17Pour l'instant, nous sommes loin d'une machine capable de lire parfaitement ce qui se trouve dans la tête
07:21d'une personne.
07:22Et les erreurs le montrent très clairement.
07:24Dans l'un des exemples décrits par les chercheurs, une personne regardait un chien dans une baignoire,
07:29l'intelligence artificielle a réussi à le reconstituer, mais c'était une chèvre dans une baignoire,
07:34elle a confondu le chien avec une chèvre.
07:36Mais c'est déjà assez étrange tout ça, non ?
07:38Elle a compris une bonne partie de la structure et même le sens de la scène,
07:42mais elle s'est justement trompée sur l'identité de l'animal.
07:45Et encore un autre problème, entraîner des systèmes de ce genre exige d'énormes quantités de données cérébrales
07:50et l'obtention de milliers d'IRMF haute résolution.
07:53C'est bien plus compliqué que de simplement rassembler des millions de photos sur Internet ?
07:58C'est pourquoi les chercheurs ont aussi créé le processus inverse.
08:01Ils montrent une image au modèle d'IA et lui demandent d'estimer quel schéma d'activité cérébrale
08:05cette image produirait probablement chez un être humain.
08:08Six données cérébrales synthétiques peuvent ensuite être utilisées pour aider à entraîner les systèmes
08:12qui tentent de faire le chemin inverse du cerveau vers l'image.
08:17CEST, ce que nous voyons ici pour l'instant.
08:19Tout cela dépend de volumineux équipements d'IRM et de conditions expérimentales qui sont extrêmement contrôlées.
08:26Cela ne signifie pas non plus que l'on puisse placer une personne dans une machine
08:30et simplement découvrir n'importe quelle pensée qu'elle produit à ce moment-là.
08:34Si et que les chercheurs démontrent et bien plus spécifiques
08:37la possibilité de reconstruire du contenu visuel représenté dans l'activité cérébrale.
08:41Pourtant, mettez cette expérience-là à côté de ce que nous venons de voir avec Neuralink
08:47et il émerge alors une situation pour le moins curieuse.
08:50D'un côté, les machines apprennent à transformer notre intention en commande numérique.
08:54L'autre, elles commencent déjà à transformer notre activité cérébrale
08:58en de nouvelles images, des images que nous sommes probablement en train de voir.
09:02Et peu à peu, cette barrière qui, tout au long de l'histoire de l'humanité,
09:06a gardé ce qui se passe à l'intérieur du cerveau d'une personne uniquement pour elle-même.
09:10C'est eux, c'est-à-dire que nos pensées nous appartiennent.
09:12Elle commence désormais à s'ouvrir sur l'extérieur par de petites fenêtres, n'est-ce pas ?
09:15Si est-ce dangereux ?
09:18Et aux Etats-Unis, une intelligence artificielle vient d'obtenir l'autorisation de s'attaquer à une tâche
09:23qui, jusqu'à présent, devait passer par un médecin humain.
09:27D'abord, prescrire des médicaments à un patient.
09:29Oui, c'est ce qu'une IA peut désormais faire là-bas.
09:31L'État de l'Utah a autorisé un programme pilote de Nola Health
09:34qui permettra de tester un système d'intelligence artificielle
09:38capable d'évaluer des patients souffrant d'une simple acné
09:40et de choisir seul le traitement.
09:43Jugez bien plus adapté pour cet être humain.
09:45Le processus commence sur le téléphone.
09:47Le patient, qui doit être majeur, répond à un questionnaire d'environ 10 à 15 minutes
09:52fournissant des informations sur ses antécédents et son état.
09:55Ensuite, il utilise son propre smartphone pour prendre des photos détaillées de son visage.
09:59L'intelligence artificielle analyse alors ces informations, évalue la situation
10:03et peut choisir un traitement figurant sur une liste spécifique de médicaments,
10:07préalablement définie par un médecin humain.
10:09Il y a des limites importantes, d'accord ?
10:11Le système a été initialement autorisé uniquement pour les cas d'acné légères à modérer.
10:16Et il ne peut pas simplement choisir n'importe quel médicament disponible.
10:19Il ne peut pas non plus prescrire de médicaments oraux ou des traitements comme l'isotrétinoïne,
10:24utilisés dans les cas d'acné plus graves.
10:26S'il y a en contre une situation hors des paramètres établis
10:29ou n'a pas suffisamment confiance dans sa décision,
10:31le patient doit alors être orienté vers un professionnel humain.
10:35Mais la partie la plus intéressante réside peut-être justement dans la manière dont l'UTA prévoit
10:39d'accorder progressivement de l'autonomie à cette intelligence artificielle.
10:43Pour les 100 premiers patients, toutes les ordonnances générées par le système
10:47doivent encore être approuvées par un médecin humain
10:49avant d'être effectivement envoyées à chaque patient.
10:52Après cela, une nouvelle étape commencera.
10:55L'intelligence artificielle pourra enfin émettre l'ordonnance en premier,
10:58tandis que les médecins analyseront à posteriori les décisions prises par le système.
11:02Si les résultats restent tous conformes aux critères établis,
11:05la supervision pourra être encore réduite,
11:07passant à des audits portant uniquement sur un échantillon de ces cas.
11:11En d'autres termes, l'objectif de l'expérience est d'arriver à une situation
11:14qui est particulièrement inhabituelle, vous voyez.
11:16Une AIA analysant le patient, choisissant le traitement
11:19et délivrant une première ordonnance
11:21sans avoir besoin d'attendre l'approbation d'un médecin humain.
11:24Ce qui est testé, ce n'est pas seulement si l'intelligence artificielle
11:27est déjà capable de reconnaître une affection cutanée.
11:30Mais ce qui se passe réellement en ce moment, c'est d'observer
11:32jusqu'où nous, êtres humains, pouvons permettre à une IA
11:35d'intervenir dans la prise de décision médicale
11:37avant même qu'un être humain n'ait besoin d'intervenir là-dedans.
11:41Aujourd'hui, mes amis, la limite est une liste restreinte
11:44de traitements contre l'acné.
11:45Mais si ce modèle fonctionne en toute sécurité,
11:48ce qui est le but de ces gars-là,
11:49la question suivante se pose presque d'elle-même, non ?
11:52Et elle sera la prochaine décision médicale
11:54que nous serons prêts à confier à une machine ?
11:55Et une nouvelle initiative, impliquant certaines des plus grandes entreprises
11:59technologiques du monde, veut porter l'intelligence artificielle
12:02à une échelle complètement différente.
12:05Google, Meta et le gouvernement des États-Unis
12:08participent désormais à un effort visant à créer des modèles virtuels
12:11capables de prédire le comportement des cellules réelles.
12:14L'initiative est menée par le Sean Zuckerberg Biohub
12:17et rassemble également des organisations comme Google DeepMind,
12:20DeepMining et Heisenberg Labs,
12:21En cumulant les financements, l'infrastructure,
12:24les ressources informatiques et d'autres contributions,
12:26cet effort représente environ 1,8 milliard de dollars.
12:30Maï, d'après eux, l'objectif n'est pas simplement
12:32de construire une base de données bien plus grande
12:34que celle qu'ils possèdent déjà.
12:36L'idée est de générer la quantité gigantesque
12:38d'informations biologiques nécessaires
12:40pour développer ce que les chercheurs appellent
12:42des cellules virtuelles.
12:43Aujourd'hui, pour découvrir comment une cellule
12:45réagira à une altération donnée,
12:47il est souvent nécessaire de réaliser
12:49plusieurs expériences en laboratoire.
12:51Les modifiés de gènes appliquent une certaine substance
12:53ou bien introduisent une sorte de perturbation.
12:57Ensuite, ils se mettent à observer
12:58ce qui arrive à ces cellules.
13:00Et une cellule virtuelle tenterait
13:02de faire partie de ces processus.
13:03Sur ordinateur, le chercheur pourrait simplement
13:06indiquer l'état initial d'une cellule
13:08et interroger le modèle.
13:09Oh !
13:11Ce passerait-il probablement
13:13si tel gène était désactivé
13:15ou si une protéine était modifiée
13:16ou si un autre type d'intervention y était réalisé.
13:18L'intelligence artificielle tenterait alors
13:21de prédire la réponse de la cellule
13:22avant même que l'expérience ne soit menée
13:24dans le monde réel.
13:25Et cela pourrait permettre aux scientifiques
13:27de tester virtuellement
13:28une quantité astronomique d'hypothèses
13:31pour ne tester en laboratoire
13:32que celles jugées les plus prometteuses.
13:35Mais il y a un problème gigantesque avec tout ça.
13:37D'accord ?
13:37Les vraies cellules sont absurdement complexées.
13:40Même les immenses bases de données actuelles
13:42contenant des informations
13:43sur des centaines de milliards d'entre elles
13:45pourraient ne pas suffire pour apprendre
13:47à une intelligence artificielle
13:48à prédire leur comportement
13:50de manière véritablement fiable.
13:51On estime que des modèles de ce type
13:53pourraient avoir besoin d'apprendre
13:54à partir de milliards
13:55et peut-être même de billions de cellules.
13:57Ce est pourquoi une partie fondamentale du projet
14:00consistera à produire
14:01de nouveaux ensembles de données biologiques
14:03à une échelle bien plus vaste que l'actuelle.
14:05Mais si, ou lorsque cette technologie
14:07atteindra le niveau escompté,
14:08elle pourrait bel et bien transformer
14:09l'une des étapes les plus longues
14:11de la recherche biologique,
14:12pourquoi cela ?
14:13A l'avenir, avant de tester une idée
14:15sur une vraie cellule,
14:16les scientifiques pourront peut-être
14:17d'abord découvrir ce qui est susceptible
14:19de se produire simplement
14:21en testant cette même idée
14:22sur sa version virtuelle.
14:24Ce serait intéressant.
14:25Et, après environ une décennie passée
14:27à développer son propre modèle
14:29de robot humanoïde,
14:30Kawasaki prépare désormais
14:31un changement majeur.
14:32L'entreprise souhaite que Kaledo,
14:34son robot humanoïde,
14:35dépende de moins en moins
14:36d'une personne contrôlant
14:37ce qu'il est en train de faire.
14:38Ses modèles de robots
14:39ont commencé à être développé
14:40par l'entreprise en 2015
14:42et a déjà connu plusieurs générations.
14:44La version la plus récente,
14:45le Kaledo neuf,
14:46peut marcher de manière autonome
14:47et utiliser des capteurs
14:48comme le lidar
14:49pour cartographier son environnement,
14:51déterminer sa propre position
14:52et identifier des personnes,
14:54ainsi que des obstacles
14:55et même des marches autour de lui.
14:57Mais il y a une très grande différence
14:58entre marcher tout seul
14:59et travailler tout seul.
15:01Lorsque le Kaledo doit exécuter
15:02des tâches plus complexes,
15:03il dépend encore fortement
15:04de la téléopération
15:05ou même d'une supervision humaine.
15:08Et c'est précisément
15:09ce que Kawasaki a l'intention
15:10de changer selon l'entreprise,
15:11n'est-ce pas ?
15:12Ils ont annoncé une collaboration
15:13avec la société japonaise Noetra
15:15pour intégrer au robot humanoïde
15:16une plateforme de physical AI
15:17ou intelligence artificielle physique.
15:19Et l'entreprise affirme
15:20qu'elle a déjà des discussions
15:21avec de potentiels clients
15:22des secteurs de l'automobile
15:24et des semi-conducteurs
15:25afin de comprendre
15:26où des robots humanoïdes
15:27de ce type
15:27pourraient réellement être utiles
15:29à ces entreprises.
15:30Mais il était important
15:31de garder une perspective réaliste
15:32sur l'ampleur du projet
15:33et les délais.
15:34D'accord ?
15:35Kawasaki ne dit pas
15:36que Kaleido est désormais
15:37devenu un robot humanoïde
15:38totalement autonome.
15:39L'intégration
15:40de cette nouvelle technologie
15:41devrait commencer vers 2030.
15:43D'abord avec des opérations
15:44encore assistées
15:45ou partiellement contrôlées
15:47par des êtres humains.
15:48Et leur véritable objectif
15:49est d'aboutir
15:50à des robots
15:50totalement capables
15:51de travailler
15:52de manière autonome
15:53dans des environnements
15:54moins structurés,
15:55ce qui apparaît
15:55dans les prévisions
15:56de l'entreprise.
15:57Aux alentours de 2040
15:58et il est important
15:59de mentionner que Kawasaki
16:00collabore également
16:01avec Nvidia
16:02sur une technologie
16:03d'intelligence artificielle physique.
16:04L'idée est de permettre
16:05des mouvements autonomes
16:06de plus en plus complexes
16:07pour ces robots.
16:08Tout cela montre
16:09l'un des plus grands défis
16:10de cette course
16:11aux robots humanoïdes.
16:12Construire des jambes
16:13capables de marcher,
16:14des bras capables
16:15de porter des objets
16:16et des mains capables
16:17de manipuler des outils
16:18est déjà extrêmement difficile.
16:20N'est-ce pas ?
16:21Mais il existe
16:22un problème
16:23encore plus grand que cela.
16:24Faire en sorte
16:24que ces machines
16:25comprennent d'elles-mêmes
16:26ce qu'elles doivent réellement faire
16:27dans un monde
16:28qui change constamment,
16:29n'est-ce pas ?
16:30Et c'est peut-être
16:31précisément pour cela
16:32que la prochaine grande évolution
16:34des robots humanoïdes
16:35ne réside pas seulement
16:36dans la construction
16:37de meilleurs corps
16:38mais plutôt dans le fait
16:39de donner enfin
16:40à ces corps
16:41une certaine capacité
16:42à décider par eux-mêmes
16:43de ce qu'ils doivent faire.
16:45Et des chercheurs sud-coréens
16:46ont mis au point
16:47un nouveau matériau
16:48pour les dispositifs
16:49de stockage d'énergie
16:50capable de faire quelque chose
16:52de tout à fait inhabituel.
16:53Il peut être étiré
16:55jusqu'à environ 9 fois
16:56sa taille d'origine
16:57et continuer à fonctionner
16:58après cela.
16:59Le matériau développé
17:00est un hydrogel électrolytique
17:02qui intègre des particules
17:03de métal liquide
17:03et les électrolytes
17:04sont des composants fondamentaux
17:06des batteries
17:06et autres dispositifs
17:07de stockage d'énergie.
17:08Et c'est grâce à eux
17:09que les ions
17:10peuvent se déplacer
17:11entre ces électrodes
17:12pendant les cycles
17:13de charge et de décharge.
17:15Le problème,
17:16c'est que si nous voulons
17:17concevoir des appareils électroniques
17:18réellement flexibles
17:19ou des dispositifs
17:20capables de suivre
17:21les mouvements du corps humain,
17:22les matériaux utilisés
17:23pour stocker l'énergie
17:24doivent également supporter
17:25des déformations constantes.
17:26Et c'est précisément
17:28ce que les chercheurs
17:29ont tenté de résoudre.
17:29CE nouvel hydrogel
17:31parvient à atteindre
17:32environ 900% d'étirements
17:34sans perdre sa fonction
17:35électrochimique.
17:36Ces comportements
17:37s'expliquent en partie
17:38par le fait que sa structure
17:39possède des liaisons
17:40réversibles.
17:41Cela signifie que
17:42lorsque le matériau
17:43est étiré,
17:44certaines de ces liaisons
17:45peuvent se rompre
17:45pour absorber la déformation.
17:47Ensuite,
17:48elles peuvent se reformer.
17:49Et cette combinaison
17:50ouvre des perspectives
17:51pour des appareils
17:52que les batteries rigides
17:53conventionnelles
17:54ont tout simplement
17:55du mal à suivre.
17:56Des appareils électroniques
17:57à porter sur soi,
17:58des capteurs qui bougent
17:59avec le corps,
18:00des dispositifs bio intégrés
18:01et même des systèmes
18:02de stockage d'énergie
18:03capables de se plier
18:04et de s'étirer
18:05à répétition
18:06tout au long
18:06de leur utilisation.
18:08Mais à mesure
18:09que l'électronique
18:09commence à quitter
18:10les surfaces rigides
18:11pour s'intégrer
18:12aux vêtements,
18:13aux objets flexibles
18:14et même aux appareils
18:15qui accompagnent
18:15notre propre corps.
18:17Oui,
18:18les batteries devront
18:19aussi apprendre
18:19à se plier avec eux,
18:21à suivre tout ce que nous faisons.
18:23Et pour terminer
18:24sur une note
18:25plus détendue,
18:26ici,
18:26quelqu'un a décidé
18:27de répondre
18:27à une question
18:28que probablement
18:29personne n'imaginait
18:30nécessaire de poser.
18:31Et si le meilleur moyen
18:32de retrouver
18:32un chat perdu
18:34était de demander
18:35de l'aide
18:35à un autre chat ?
18:36C'est précisément
18:37cette idée
18:38qui sous-tend
18:38une initiative
18:39au Kazakhstan
18:39qui transforme
18:41les chats
18:41qui errent déjà
18:42librement
18:42dans les quartiers
18:43en une sorte
18:44d'équipe de recherche.
18:45Certains animaux
18:46sont équipés
18:46de petites caméras
18:47et de traceurs GPS
18:48fixés sur leur corps.
18:49Ensuite,
18:50ils n'ont besoin
18:51d'apprendre
18:51aucune tâche spéciale.
18:52Ils continuent
18:53simplement
18:54à faire
18:54ce que les chats
18:54font déjà
18:55chaque nuit.
18:56Ils arpentent
18:57les rues,
18:57pénètrent
18:58dans les cours,
18:59se faufilent
18:59sous les voitures,
19:00explorent
19:01les buissons,
19:01les ruelles
19:02et d'autres endroits
19:03où probablement
19:04aucun bénévole
19:06ne penserait
19:06à chercher.
19:07Pendant qu'ils font cela,
19:08les caméras
19:08filment les chats
19:09croisés sur leur chemin.
19:10Et c'est là
19:10qu'intervient
19:11l'intelligence artificielle.
19:12Les images recueillies
19:13peuvent être analysées
19:14et comparées
19:14à une base de données
19:15contenant des photographies
19:17et des informations
19:17sur les animaux disparus.
19:18Lorsque le système
19:19trouve une correspondance
19:21possible,
19:22la localisation
19:22enregistrée
19:23par le GPS
19:24peut alors aider
19:25à indiquer
19:26où ce chat
19:26a été aperçu.
19:27D'après les responsables
19:28du projet,
19:29la plateforme
19:30compte déjà plus
19:31de 28 000 utilisateurs
19:32et a aidé
19:33407 animaux
19:34à retrouver leur maître.
19:35C'est une combinaison
19:36tout à fait improbable
19:37de comportements animaux,
19:38de caméras,
19:39de GPS
19:40et d'intelligence artificielle
19:41pour pouvoir résoudre
19:42un problème
19:42qui existe pratiquement
19:43depuis que nous avons
19:44des animaux domestiques.
19:45N'est-ce pas ?
19:46Si cet épisode vous a plu,
19:47vous connaissez la chanson,
19:48mettez un pouce bleu,
19:49vérifiez votre abonnement
19:50sur votre écran.
19:51Il y a deux nouvelles suggestions,
19:52une ici et l'autre là.
19:53Il suffit de cliquer
19:53et on se retrouve
19:54dans le prochain.
19:55D'accord ?
19:55Merci à vous
19:56et salut !
19:57Ciao, ciao !
19:57A tout de suite,
19:58je vous attends là-bas.