intelligence artificiel

technologies numériques

Intelligence artificielle explicable (XAI)

Invité:

Sheldon Fernandez

52.06

Min

L'apprentissage profond automatise la programmation logicielle et répond aux défis mondiaux. Pour lui faire confiance, il faut comprendre ses mécanismes pour révolutionner efficacement les industries. Ce balado est disponible en anglais. Une traduction en français est disponible ci-dessous.

« Si vous ne savez pas comment quelque chose fonctionne, vous ne savez pas quand il échouera. Et si vous ne savez pas, quand ça échouera, il y a tous ces cas d'avantage qui attendent d'être réalisés, avec des conséquences potentiellement désastreuses.

-Sheldon Fernández

‍

Visiter le lien du balado ici:

Listen to this podcast on these platforms:

Biographie de l'invité :

Sheldon Fernandez

Sheldon Fernandez est le chef de la direction de DarwinAI. Il est un cadre chevronné et un leader d'opinion respecté dans les milieux technique et entrepreneuriaux. Tout au long de sa carrière, il a appliqué des technologies émergentes telles que l'intelligence artificielle à l'entreprise. Tout d'abord, en sa qualité de CTO chez Infusion, l'entreprise qu'il a fondée à Waterloo avec cinq associés et qui compte 700 employés. Puis, par la suite, chez Avanade, l'organisation qui a acquis Infusion en mars 2017. Aujourd'hui, Sheldon est PDG de DarwinAI, la société d'IA explicable qui permet aux entreprises de développer une IA en laquelle elles peuvent avoir confiance. Depuis 2017, les solutions de DarwinAI ont été mises à profit dans divers contextes d'entreprise, notamment dans la fabrication de pointe et l'automatisation industrielle. Dans le domaine des soins de santé, la technologie de DarwinAI a abouti au développement de Covid-Net, un système open source permettant de diagnostiquer la Covid-19 par radiographies pulmonaires.
Parallèlement à son travail en tant que PDG de DarwinAI, Sheldon est également un auteur et un conférencier accompli. Il a pris la parole lors de nombreuses conférences dans de nombreux contextes, dont la Singularity University et le MIT Technology conference, et a écrit des ouvrages techniques et des articles sur de nombreux sujets. Au cours de sa carrière, Sheldon a associé ses efforts entrepreneuriaux à des activités non techniques, ce qui a donné lieu à une approche interdisciplinaire essentielle à l'application intelligente de l'IA. En plus de son baccalauréat en génie informatique de l'Université de Waterloo, il a complété une maîtrise en théologie à l'Université de Toronto avec des travaux de thèse en neurosciences et métaéthique et a également poursuivi des études de création littéraire à l'Université d'Oxford.

Afficher les liens pour cet épisode

Afficher la transcription de cet épisode

Market Hunt, saison 2, épisode 6, transcription de DarwinAI

[Musique d'introduction]

Thierry Harris : La promesse de l'intelligence artificielle semble infinie. Mais les entreprises d'IA sont comme tout le monde. Ils doivent trouver des marchés pour leurs produits et services, et des clients prêts à payer pour eux.

Sheldon Fernandez : La grande chose avec l'intelligence artificielle et vous voyez cela dans toute l'industrie, il y a un véritable fossé entre les bourses qui seront publiées lors d'une conférence et un produit que l'entreprise peut utiliser pour résoudre un problème commercial.

Thierry Harris : On dit que l'intelligence artificielle en est à l'étape où se trouvait l'Internet au début des années 90. Les vents forts de la technologie de l'apprentissage automatique déchirent les anciennes façons de faire les choses. Les nouvelles possibilités engendrent de nouveaux défis. Que nous y soyons prêts ou non, la technologie alimentée par l'IA devient de plus en plus présente dans nos vies.

Dans le premier épisode de la série IA de Market Hunt, nous approfondissons un concept appelé l'explicabilité de l'IA. Vous entendrez une entreprise basée à Waterloo qui travaille à rendre l'IA plus prévisible, transparente et traçable.

Nous examinerons différents modèles d'affaires en IA, en comprenant la différence entre le fait d'être une entreprise de produits d'IA et une société de conseil en IA.

Nous discuterons également de la nécessité pour le Canada d'avoir une multinationale à grande échelle pour aider à stimuler l'innovation. Enfin, nous parlerons de l'éthique en IA et de ce qui nous attend pour l'adoption de la technologie sur le marché. Restez à l'écoute.

[musique de la chanson d'introduction]

Nick Quain : L'entrepreneuriat est difficile, vous devez avoir du soutien là-bas.

Andrew Casey : Nous devons fondamentalement apprendre à vivre notre vie différemment. Nous ne pouvons pas continuer comme nous l'avons fait.

Thierry Harris : Croyez-vous que nous pourrons arriver à un stade où l'IA qui va nous expliquer la conversation de bébé, ou la conversation de chat et de chien ? Est-ce que cela arrivera un jour ?

Rune Kongshaug : Je tombe amoureuse, facilement.

Thierry Harris : C'est vrai. Nous sommes en train de trouver des idées assez intéressantes.

Andrew Casey : Nous avons tout résolu,

Thierry Harris : [rires] Nous avons tout résolu.

[Fin de la chanson d'introduction]

[commencer la musique promotionnelle]

Narrateur : Et maintenant un message de notre commanditaire, Carrefour de connaissances de l'IE-. IE-KnowledgeHub est un site Web dédié à la promotion de l'apprentissage et des échanges sur l'entrepreneuriat international. Regarder la vidéo Études de cas, écoutez podcasts et bien plus encore !

Si vous êtes un professionnel de l'éducation à la recherche de contenu de cours, un chercheur universitaire à la recherche de matériel de recherche ou une personne intéressée par l'innovation commerciale, consultez IE-KnowledgeHub.

IE-KnowledgeHub met l'accent sur les écosystèmes d'innovation et les entreprises qui commercialisent leurs technologies sur les marchés internationaux.

Écoutons une étude de cas vidéo mettant en vedette Cogsican.

François Monette : L'industrie manufacturière consiste à fabriquer le meilleur produit possible au moindre coût possible. Vous savez, il y a toujours beaucoup de pression là-dessus, surtout dans le domaine de l'électronique. Dans une carte de circuit imprimé typique, peut-être 80 p. 100 du coût du produit fini correspond à la somme de tous les composants. Si nous pouvons gérer ces composants, vous savez très précisément, éliminer les erreurs humaines et réduire les déchets en général. Il y a de grandes économies sur cette partie de la gestion du matériel.

Narrateur : C'est François Monette, cofondateur de Cogiscan. Le logiciel de Cogiscan suit, trace et contrôle les composants bruts qui entrent dans la fabrication des cartes de circuits électroniques. Lui et ses cofondateurs, André Corriveau et Vincent Dubois, ont fondé l'entreprise il y a plus de vingt ans. Au moment de leur lancement, le marché n'était pas prêt pour leur technologie. Mais avec l'avènement des puces électroniques partout, Cogiscan savait qu'elles deviendraient essentielles à la fabrication de produits électroniques.

François Monette : Ce n'est pas une question de savoir si les choses vont arriver, c'est une question de quand et quelle sera l'ampleur du problème. Vous l'avez vu avec de nombreux rappels d'automobiles récemment, s'il y a un défaut dans le produit final et que le fabricant doit alors effectuer un rappel sur le marché. Il veut minimiser l'impact de ce rappel, il doit donc savoir précisément quelles unités ont été touchées. De nos jours, beaucoup de produits, en particulier les produits coûteux, sont tous sérialisés. Ils savent donc exactement quel appareil a été expédié à quel client. Notre travail consiste à leur expliquer comment chacune de ces unités individuelles a été produite. Donc, si le défaut est relié à un composant particulier ou à un sous-ensemble de ce produit. Nous sommes en mesure de leur dire exactement quels numéros de série sont touchés et lesquels doivent être rappelés.

Narrateur : Être une petite PME signifiait s'appuyer fortement sur des partenariats avec des acteurs plus importants de l'industrie. Cogiscan a identifié une occasion sur son marché de connecter des machines de fabrication à des logiciels. Ils se sont imposés comme une entreprise de connectivité, reliant diverses machines et systèmes d'entreprise pour qu'ils communiquent entre eux. Vincent Dubois donne des précisions sur leur approche.

Vincent Dubois : L'une de nos forces est vraiment, vous connaissez l'approche humaine que nous avons. Et je veux dire que nous avons des clients qui étaient avec nous depuis le premier jour, et qui sont toujours là aujourd'hui et nous ne sommes pas seulement fournisseur et client. Nous sommes amis. Vous savez, en fin de compte, nous les rencontrons. Nous voulons donc être considérés comme le partenaire de choix. Et ce n'est pas seulement la technologie, ce sont les personnes qui la sous-tendent qui la rendent possible.

Narrateur : Écoutez plus de Cogiscan à la fin de l'émission. Vous pouvez également consulter l'étude de cas vidéo Cogiscan sur IE hyphen Knowledgehub point ca.

Thierry Harris : Pour que les gens puissent faire confiance à l'IA, ils doivent comprendre comment cela fonctionne. En d'autres termes, comment l'algorithme d'IA est-il parvenu à sa conclusion de fournir une réponse à un problème ? Cela peut sembler évident aux non-initiés, mais de nombreux algorithmes utilisés pour l'apprentissage automatique ne peuvent pas être examinés après coup. Cela signifie que les ingénieurs ne comprennent pas pourquoi un ordinateur est arrivé à une conclusion. Le processus permettant de comprendre le fonctionnement d'une machine alimentée par l'IA est appelé explicabilité de l'IA.

L'explicabilité de l'IA vise à rendre les solutions d'intelligence artificielle de boîte noire plus prévisibles, plus traçables et plus transparentes.

La transparence de l'IA n'est peut-être pas si importante pour des choses telles que les recommandations de produits lorsque vous naviguez sur un site Web. Mais dans d'autres cas, comme les applications de systèmes de défense ou les diagnostics médicaux, il pourrait être crucial de comprendre pourquoi et comment une technologie d'IA est arrivée à sa conclusion.

Waterloo Darwin AI, semées à partir des graines de Université de Waterloo, cherche à résoudre ce problème d'explicabilité. J'ai parlé avec Sheldon Fernández, chef de la direction de l'entreprise en février 2021. Écoutons la conversation en commençant par la notion d'explicabilité qui, pour Sheldon, est devenue très personnelle.

Sheldon Fernandez : Je dis que parfois j'ai besoin d'explications pour mon fils parce qu'ils n'ont pas besoin de comprendre ce qu'il dit ou ce qu'il pense. Alors j'essaie de m'attaquer à ça en parallèle, euh, à mon travail quotidien.

Thierry Harris : Eh bien, croyez-vous que nous pourrons un jour arriver à ce stade où nous allons avoir l'IA ? Cela va nous expliquer la conversation de bébé, ou d'abord ceux d'entre nous qui ont des animaux de compagnie, qui parlent avec des chats et des chiens. Est-ce que cela arrivera un jour ?

Sheldon Fernandez : Je veux dire, vous savez, ne jamais dire jamais étant donné la rapidité avec laquelle l'IA s'est développée et ce qu'elle a accompli. Ce n'est peut-être pas de ma vie ou de la vôtre, mais, euh, on ne sait jamais.

Thierry Harris : Ok, eh bien, nous allons, nous allons garder un œil sur ça.

Sheldon Fernandez : Oui, certainement.

Thierry Harris : Oui. Excellent truc. Ok. Et peut-être pouvez-vous nous donner un peu de contexte sur ce qu'est Darwin AI et sur quoi vous travaillez ?

Sheldon Fernandez : Absolument. J'ai donc l'habitude d'utiliser Darwin AI le terme startup. Je ne le sais plus. Nous venons d'avoir quatre ans. Nous sommes une entreprise d'intelligence artificielle basée à Waterloo, en Ontario. Nous avons des liens organiques avec l'Université de Waterloo. Tous les fondateurs, y compris moi, sont des anciens de Waterloo. Et deux de nos cofondateurs sont professeurs à Waterloo, dont le professeur Alexander Wong, titulaire de la Chaire de recherche du Canada en intelligence artificielle.

Et le problème fondamental que nous résolvons ou que nous avons plutôt résolu au lieu de le commercialiser est ce qu'on appelle le problème de la boîte noire ou le problème d'explicabilité en apprentissage profond. Et donc juste pour le décrire rapidement, vous savez, l'apprentissage automatique et l'apprentissage profond apprennent en examinant une énorme quantité de données. Donc avant cette deuxième vague d'IA, appelons-la, si vous voulez qu'elle ait une machine, pour faire quelque chose, vous l'avez programmée avec un programme humain ou un groupe de programmeurs humains qui, en termes très précis, décrivent, vous savez, la logique du programme.

Et c'est très puissant et c'est ce que nous utilisons aujourd'hui. C'est ce que nous utilisons lorsque nous parlons sur Zoom, c'est ce que vous utilisez lorsque vous utilisez Microsoft Word, mais il y a des problèmes qui ne peuvent pas être décrits dans des règles simples. Si vous envisagez, par exemple, de montrer un ordinateur, une photo d'un lion et de lui faire déterminer s'il s'agit d'un lion avant l'avènement de l'apprentissage automatique, c'était un problème profondément difficile.

Parce que si vous pensez à toutes les variations qui se produisent dans une image d'un lion, il n'y a pas de façon précise de la décrire mathématiquement. Donc ce qui est très simple, mon fils peut le faire maintenant à deux ans et demi est en fait très, très difficile pour un ordinateur. Ce qui s'est passé dans, disons, à partir de 2010 environ, à cause de l'avènement de l'informatique en nuage et des médias sociaux, nous avons soudainement eu accès à des centaines de milliers, voire des millions de photos de lions qui ont été étiquetées.

Et donc ce que dit l'apprentissage automatique, c'est que je n'apprendrai pas par un programmeur humain. J'apprendrai en examinant de très nombreux exemples des tâches particulières que vous essayez d'accomplir. Et je déterminerai mes propres règles quant à la façon de déterminer, ou plutôt d'exécuter cette tâche. Mais le problème qui se pose, et c'est le problème de la boîte noire, c'est que les concepteurs humains, qui conçoivent ces systèmes, ne comprennent pas comment ces systèmes ont codifié les données pour établir ces règles. Ainsi, bien qu'ils puissent faire toutes ces prédictions puissantes, nous avons très peu de compréhension de la façon dont ils arrivent à leurs conclusions. Et c'est le problème que nos universitaires ont identifié il y a près de dix ans. Et c'est ce qu'ils ont passé de nombreuses années à développer des bourses d'études. C'est ce que nous avons commercialisé et mis sur le marché.

[Transition musicale]

Thierry Harris : La plateforme d'IA de Darwin s'appelle Synthèse générale ou Gensynth pour faire court. Parmi les questions explicables auxquelles l'IA cherche à répondre, mentionnons : pourquoi le système d'IA a-t-il fait une prédiction ou une décision précise ? Pourquoi le système d'IA n'a-t-il pas fait autre chose ? Quand le système d'IA a-t-il réussi ? Et quand est-ce qu'elle a échoué ? Quand les systèmes d'IA donnent-ils suffisamment confiance à la décision pour que vous puissiez lui faire confiance ? Et comment le système d'IA peut-il corriger les erreurs qui surviennent ?

J'ai demandé à Sheldon de nous donner quelques autres exemples d'IA explicables.

[Transition musicale]

Sheldon Fernandez : Absolument. Donc mon préféré, et j'ai déjà donné celui-ci, est le problème du ciel violet. Nous avions donc une entreprise de véhicules autonomes. Cela se serait produit il y a environ 18 mois, dans une situation très étrange où leur voiture tournait à gauche avec une fréquence statistique croissante alors que la couleur du ciel était d'une certaine nuance de violet. Alors faites une pause et réfléchissez à ça. La couleur du ciel est cette nuance de violet. La voiture commence à tourner à gauche. Maintenant, en tant qu'êtres humains, nous savons que cela ne devrait pas se produire. La couleur du ciel en général ne devrait pas dicter la façon dont vous tournez. Je suppose que s'il y a un volcan sur votre droite, vous allez tourner à gauche, mais les gens comprennent. Nous avons donc utilisé notre technologie pour les aider, vous savez, à enquêter sur le scénario. Et il s'est avéré qu'ils avaient formé l'IA pour ce scénario de tournant particulier dans le désert du Nevada à la même heure chaque jour, lorsque la couleur du ciel était cette nuance de violet.

C'est donc ce que nous appelons une corrélation absurde. C'est lorsque l'IA présume quelque chose à partir des données, parce que, bien sûr, c'est la modélisation des données, et non le monde réel, qu'elle pense avoir du sens, mais qu'elle est absurde pour un être humain. Et donc cela illustre vraiment, à mon avis, la profondeur du problème de l'explicabilité, parce que si vous ne savez pas comment quelque chose fonctionne, vous ne savez pas quand ça échouera. Et si vous ne savez pas, quand il échouera, il y a tous ces cas de périphérie dans le système qui attendent d'être réalisés avec des conséquences potentiellement désastreuses.

Donc, si nous pensons maintenant à certaines des industries dans lesquelles nous travaillons avec l'automobile, bien sûr, l'aérospatiale et la défense en sont une autre, les soins de santé et la pharmacie en sont une autre, le coût d'une erreur dans ces situations est si catastrophique que l'idée d'avoir de la robustesse et de la responsabilité dans ces systèmes est très, très importante et donc une préoccupation majeure pour beaucoup de ces entreprises.

C'est donc un exemple très poignant dont je peux parler. Un autre que je vais vous donner, qui est un peu plus d'actualité, est lié à COVID-Net. Donc, lorsque le coronavirus est devenu aigu au Canada, cela aurait été le mois de mars de l'année dernière, et je suis sûr que beaucoup d'entre nous se souviennent. En fait, nous avons utilisé notre propre plateforme pour développer un réseau de neurones appelé Covid-Net qui ont reçu un diagnostic de Corona à la suite de radiographies pulmonaires et de tomodensitogrammes. Et au début de la conception du système, nous avons examiné les données et nous avons examiné ce que faisait l'IA. Et dans certains cas, il ne s'agissait pas de regarder les poumons du patient pour trouver le COVID. Il cherchait en fait le divot dans le lit d'hôpital au moment où il se couchait, parce que l'empreinte du moment où quelqu'un est couché dans le lit d'hôpital est apparemment différente de celle d'un vrai lit.

C'était donc un signal ou un signal à l'IA que quelqu'un se trouvait à l'hôpital. Et cela identifie donc le deuxième problème que nous voyons avec l'apprentissage profond et l'apprentissage automatique, en ce sens que parfois le système prend la bonne décision, mais pour les mauvaises raisons. Et donc être capable d'identifier des scénarios comme celui-ci et de les supprimer, en utilisant des données supplémentaires ou en nettoyant vos données, est très, très important pour rendre l'IA plus robuste. J'espère donc que ces deux exemples illustrent en quelque sorte pour vos auditeurs l'importance de ce problème et la raison pour laquelle les entreprises sont si intéressées.

[Transition musicale]

Thierry Harris : Alors parlez-nous un peu de ce parcours en termes de présentation de votre produit, qui était vraiment un développement qui a débuté à l'université avec la recherche fondamentale, l'exploration de l'IA explicable et la relie à des problèmes tangibles qui existent dans l'univers. Et comment êtes-vous passé d'au début, ce que vous appeliez un POC, qui était essentiellement un modèle de service, si je ne me trompe pas, pour ensuite prendre cela dans un modèle de licence que vous faites ?

[Transition musicale]

Sheldon Fernandez : J'avais lancé une société de conseil en logiciels d'entreprise à Waterloo lorsque j'ai obtenu mon diplôme. C'était un voyage de 15 ans pour créer cette entreprise appelée Infusion. Nous sommes passés des quatre originaux à 650, et nous avons été acquis en 2017 par une entreprise beaucoup plus grande appelée Avanade. C'est la propriété de Microsoft et Accenture. Donc j'étais en train d'être acquis. Je pensais juste à ce qui allait suivre. Et je prévoyais, vous savez, une longue pause, comme je pense que beaucoup d'entre nous le feraient. Mais un collègue m'a présenté cette équipe universitaire et j'ai été épouséduit par leur PI et leurs forces en tant que chercheurs et je savais que je devais m'impliquer. Et j'ai toujours été traditionnellement très technique.

J'ai donc rencontré une propriété intellectuelle très prometteuse, mais ce qui est important avec l'intelligence artificielle et vous voyez cela dans toute l'industrie, c'est qu'il y a un véritable gouffre entre les bourses qui seront publiées lors d'une conférence comme CVPR en Europe et produit que l'entreprise peut utiliser pour résoudre un problème commercial. Donc, lorsque je me suis impliqué, je conseillais cette équipe au départ. Nous sommes passés par le CLaboratoire de destruction réative programme ou CDL comme on l'appelle ici à Toronto, qui ressemble un peu à celui du Canada Combinateur Y. Et c'était extrêmement précieux parce que grâce à ce programme, vous rencontrez des investisseurs et des entrepreneurs endurcis qui ne sont pas intoxiqués par le cachet scientifique de ce que vous faites et qui poseront plutôt des questions comme : « Ok, c'est agréable, mais qu'est-ce que vous résolvez réellement ? Je me souviens très bien d'un investisseur qui a dit : « Vous savez, Sheldon en ce moment, il s'agit d'un projet scientifique et d'un projet scientifique très impressionnant. Comment transformez-vous cela en une entreprise ?

Alors nous avons dû dire, ok, genre, nous résolvons ce problème. À quelles entreprises cela sera-t-il important ? Nous pensons que cela sera important pour les entreprises où la confiance et la robustesse sont très importantes. Des choses comme l'aérospatiale et les finances. Et donc vous commencez à mobiliser ces organisations par l'entremise de votre réseau par l'entremise de CDL. Et la première chose qu'ils feront, c'est que s'ils voient une promesse dans votre idée, ils voudront que vous le prouviez. Ils voudront donc que vous fassiez, vous voyez, ce que nous qualifions de preuve de concept ou d'engagement rémunéré très modeste. Et c'est ce que nous avons fait avec elle, avec un certain nombre de ces organisations, pour prouver la technologie, vous apprenez énormément grâce à ce processus. Parfois, vous apprenez, vous examinez un problème à un angle de 45 degrés et non à l'angle de 90 degrés. Vous devez l'examiner.

Et c'est à travers ce voyage que vous voyez où la technologie se manifeste vraiment d'une manière très puissante, où elle n'est peut-être pas aussi applicable et vous développez un produit autour de ça, et c'est ce que nous avons fait. Et une fois qu'ils ont vu la valeur de votre, de vos services et de votre, et de votre POC, ils sont très ouverts à l'octroi de licences.

C'était donc un long voyage. C'est, euh, vous savez, euh, nous, nous, nous avons commencé Darwin en 2017 et je n'oublierai jamais quand nous avons finalement déployé notre premier produit d'entreprise chez un client du Connecticut, c'était un moment très émouvant pour moi parce que vous réalisez, vous savez, à quel point le voyage est difficile et combien de temps nous avons dû le prendre. Et bien sûr, c'était juste un client pour avoir de nombreux clients et bâtir une entreprise autour, bien sûr, c'est la prochaine étape. Mais vous savez, c'était la description rapide de la façon dont nous l'avons vécu.

[Transition musicale]

Thierry Harris : Eh bien, je pense que c'est un voyage vraiment incroyable et important de souligner tous les sacrifices et le travail acharné qu'il faut pour sortir quelque chose d'un laboratoire universitaire et ensuite le mettre sur un marché commercial. C'est ce dont nous parlons tous. Dans Market Hunt, nous parlons ici du fait que la commercialisation d'idées inventives qui se transforment en produits et services novateurs et Darwin AI en est un parfait exemple.

Quelles ont été les leçons que vous avez apprises en cours de route lorsque vous affinez la demande de vos clients ? Comment, comment avez-vous pu le faire d'une manière qui ait du sens pour le client et aussi pour Darwin AI pour faire de cette entreprise une entreprise rentable ?

[Transition musicale]

Sheldon Fernandez : Oui, d'excellentes questions. Vous savez quoi, l'une des questions clés que vous devez poser est que vous devez séparer les problèmes difficiles des problèmes précieux et ils ne se chevauchent pas toujours. Et lorsque vous héritez d'une équipe académique comme nous l'avons fait, vous savez, les universitaires adorent le défi intellectuel de résoudre des problèmes, tout comme les ingénieurs, mais le problème le plus difficile, encore une fois, n'est pas toujours le problème le plus précieux. Et donc cette distinction est vraiment importante lorsque vous lancez une entreprise. Parfois, le problème facile, le problème évident est presque décevant sur le plan intellectuel, mais c'est celui auquel vous devriez vous attaquer.

Donc nous avons vraiment dû faire preuve d'un certain niveau de discipline et examiner les cas d'utilisation où un problème, un problème non résolu, avait un réel potentiel commercial, euh, et une quantité importante de fonds pour le financer.

Vous savez, je me souviens que l'un de nos conseillers en produits, vous savez, a fait la distinction entre une vitamine et un analgésique. Et il dit, vous savez, la vitamine est quelque chose que vous, vous prenez et c'est, c'est un additif et c'est, ça l'augmente. Et c'est agréable de l'avoir, mais vous n'avez pas besoin de l'avoir. Alors qu'un analgésique, si vous avez mal à la tête, vous savez, la migraine, vous allez le prendre. Vous voulez trouver de la douleur dans ces organisations où si vous résolvez cette douleur, c'est une simple idée d'acheter votre produit. Et lorsque vous y réfléchissez et que vous l'encadrez de cette façon, c'est en fait ce qui nous a aidés à nous orienter vers certaines des industries avec lesquelles nous travaillons actuellement.

Thierry Harris : Eh bien, ce ne sera pas la première fois que vous entendrez ça sur Market Hunt pour ce qui est de trouver de la douleur dans les grandes et grandes organisations. Nous avons une autre entreprise, Éponyx qui développait des commutateurs à semi-conducteurs, qui utilisait exactement la même terminologie, a dit de trouver les problèmes de ces grandes entreprises, puis de prendre votre valise et de frapper à leur porte, puis d'articuler ce problème et de montrer comment votre offre de services va les aider, réduire cela.

[Transition musicale]

Thierry Harris : Donc, en gros, vous avez cette plateforme Gensynth, et ensuite quelle est la différence entre le modèle de service, où dans le modèle de service, cette entreprise va dire, ok, je vais vous donner nos données. Et vous pouvez le brancher sur votre plateforme, et ensuite vous serez en mesure de calculer quelques chiffres et une sortie, une solution pour nous. Alors que lorsque vous êtes dans le modèle de licence, vous autorisez simplement l'accès à la plateforme Gensynth. Ensuite, n'importe quelle entreprise peut alors brancher ses données numériques et expliquer en quelque sorte le contexte de la façon dont ces données sont encadrées, pour ainsi dire, et ensuite elle peut vous payer des frais de licence pour pouvoir utiliser cette plateforme.

[Transition musicale]

Sheldon Fernandez : C'est une bonne distinction. Et je pense que c'est un point très important pour les entreprises en démarrage. Gardez à l'esprit. Vous savez, vous devez décider, êtes-vous une société de conseil ou êtes-vous une entreprise de produits ? Et vous devez faire cette distinction clairement lorsque vous commencez l'organisation et que vous maintenez cette discipline. Nous sommes donc une entreprise de produits. C'est ainsi que nous mesurons le succès. Si les entreprises octroient des licences à notre plateforme. Cela dit, nous fournissons des services, mais ils seront dans, en soutien ou en service de la plateforme.

Donc, si une entreprise vient nous voir et nous dit : Darwin, IA, nous avons besoin que vous fassiez X et vous devez le faire. Cela ne fonctionne vraiment pas pour nous parce que, vous savez, nous ne pouvons pas faire face à cela, compte tenu de la taille de notre équipe. Nous, nous allons les orienter vers un partenaire qui utilisera Gensynth et ensuite ils feront le travail, mais nous ne le ferons pas nous-mêmes.

Mais là, il y a un peu d'impulsion ici parce que certains de nos clients sont si nouveaux dans l'apprentissage profond et si nouveaux en intelligence artificielle que vous devez faire un peu de travail pour les démarrer. Donc nous ferons ce travail si, encore une fois, ils se sont engagés à obtenir une licence et, vous savez, nous pouvons leur apprendre à utiliser la technologie pour qu'une fois l'engagement terminé, ils utilisent notre plateforme, soient suffisants et maîtrisent la technologie, hum, à part nous. C'est donc parfois une ligne fine à maintenir, surtout en tant que jeune entreprise, mais c'est une ligne très importante à laquelle, vous savez, les entrepreneurs doivent penser lorsqu'ils entrent surtout dans des domaines naissants dans lesquels ces entreprises sont tout à fait nouvelles.

[Transition musicale]

Thierry Harris : Une bonne étude de suivi pourrait être d'examiner les conditions dans lesquelles les entreprises sont en mesure de produire leurs services pour se développer et devenir de plus grandes entreprises.

Le Canada regorge d'histoires telles que Darwin AI. Chercheurs travaillant dans des universités qui font breveter leurs technologies et s'associent avec des gens d'affaires pour commercialiser leurs idées en produits et services, à la recherche de marchés.

Le pays engendre des milliers d'entreprises en démarrage, dont certaines se transforment en petites et moyennes entreprises. Ces PME sont souvent braconnées, ainsi que leurs précieux actifs de PI par des multinationales internationales, pour diverses raisons.

J'ai demandé à Sheldon ce qu'il pensait de la question de savoir si nous avions besoin d'une grande multinationale canadienne pour soutenir l'innovation et maintenir la PI au Canada.

[Transition musicale]

Sheldon Fernandez : Oui, c'est une question fascinante. Et celui à qui j'ai longtemps pensé, vous savez, le marché et le système capitaliste, si je peux utiliser ce terme, est intrinsèquement darwinien pour utiliser un jeu de mots.

Je pense que le défi est que les entrepreneurs canadiens doivent voir plus grand, beaucoup sont plus qu'heureux d'amener une entreprise à une certaine taille, appelons-la 50 à cent millions de dollars et ensuite être acquises et vivre une vie très confortable par la suite, ce que je ne peux pas contester, parce que la vie ne se limite pas, vous savez, à l'entreprise commerciale. Mais ce dont nous avons le plus besoin, ce sont les, vous savez, Shopify, le Vitesses de la lumière et ainsi de suite, cela amène vraiment une entreprise à une grande échelle, parce que ce sont ces leçons qui sont si importantes pour alimenter, vous savez, notre économie à l'avenir.

Et l'un des coups que j'entends souvent à propos des Canadiens, vous savez, de la Silicon Valley, parce qu'un de nos investisseurs est là, et j'y ai passé pas mal de temps, c'est que, vous savez, nous ne rêvons pas assez grand au Canada.

En fait, j'ai participé à un sommet des chefs de la direction, organisé par l'un de nos investisseurs. Et ils ont eu un conférencier invité de, vous savez, l'un des cinq meilleurs sociétés de capital de risque de la vallée qui a imploré les Canadiens de voir plus grand. Et il a enseigné, il a donné cet exemple, vous savez, qu'il était présenté par ce groupe de Waterloo. Brillant. Il est genre, vous savez, ils étaient, ils étaient 10 fois plus intelligents que, vous savez, des groupes similaires de Stanford, de Berkeley, de Harvard. Et j'étais complètement d'accord avec eux. J'étais prêt à investir et j'arrive à leur dernière diapositive et ils peignent leur marché adressable et c'est cent millions de dollars et il dit : « À ce moment-là, j'ai fermé mon carnet parce que ce n'est pas un début. Il dit : « Je veux que vous pensiez à des problèmes d'un milliard de dollars. Je veux, je veux que vous pensiez à changer le monde.

Donc, je pense que le grand défi pour le Canada à l'avenir est d'inculquer cette philosophie de la Silicon Valley à notre prochaine vague d'entrepreneurs. Et je pense qu'il y a beaucoup d'encouragement. Vous savez, j'étais, en fait, juste après ce sommet des PDG que nous avons fait virtuellement, mais surtout dans la Silicon Valley, en ce qui concerne les contributeurs, j'ai eu une conversation similaire, vous savez, entre PDG, à savoir que Creative Destruction Lab et la sophistication et les questions sur la mise à l'échelle étaient presque égales. Nous y arrivons donc. Et vous voyez des succès Board d'applicationpar exemple, à Waterloo, se porte très bien. Il y a quelques autres exemples à Montréal. Je suis sûr que nous pourrions le signaler, mais nous devons continuer et nous devons, hum, vous voyez, encourager nos entrepreneurs à voir vraiment grand. Et pensez aux problèmes à très, très grande échelle parce que nous avons la R-D ici, nous avons le, vous voyez, le dévouement, hum, vous savez, ce sont les leçons sur la mise à l'échelle et la persévérance. Je pense que nous pourrions apprendre beaucoup de nos voisins du Sud.

[Transition musicale]

Vous savez, j'adorerais que Shopify acquière de plus petites entreprises canadiennes et que ces entrepreneurs les aident à construire un Shopify plus loin, puis qu'ils construisent leurs propres entreprises par la suite. C'est vrai. Vous savez, bien sûr, vous savez, comme tous les Canadiens, je regardais le Élément AI histoire de très près, et à un certain niveau, cela m'a attristé de voir que de tels talents canadiens vont maintenant être au service d'une entreprise américaine, mais c'est aussi la nature darwinienne du marché. Par exemple, si vous allez amasser cette somme d'argent et que vous allez, vous allez être, vous allez devoir montrer du succès. Et, vous savez, je pense que parfois nous, je pense aussi que nous sommes plus durs à l'égard de nos échecs ici. Um, alors qu'aux États-Unis, vous savez, une entreprise comme celle-ci fait faillite tous les mois, sinon plus.

[Transition musicale]

Thierry Harris : Oui. Oui. Et ce sont aussi des moments propices à l'apprentissage, vous savez, si nous examinons le cas d'Element AI de bout en bout, de son genre initial d'idéation à ce qu'il est devenu et à l'impact qu'il a eu, certainement à Montréal sur l'écosystème de l'IA. Je veux dire, il y a beaucoup de bonnes choses qui sont issues d'Element AI.

Sheldon Fernandez : Absolument

Thierry Harris : Et vous dites à juste titre que, vous savez, l'effort commercial n'est pas la dernière chose, vous voyez, ce n'est pas la dernière période du livre que nous écrivons dans notre vie ici.

[Transition musicale]

Sheldon Fernandez : Oui, non, et, vous savez, j'ai une certaine sympathie pour tout propriétaire d'entreprise, parce que c'est difficile, très, très difficile d'amener une entreprise à une entreprise, de la transformer en une vision de collecte de fonds, de la commercialiser. C'est très, très difficile à faire. Et même en cas d'échec, il y a tant à apprendre et, hum, vous savez, la salle, les effets vibrants d'une telle entreprise auront beaucoup d'impact positif. Donc, vous savez, comme vous l'avez dit, c'est un moment propice à l'apprentissage pour les entrepreneurs en général, mais certainement pour nous ici au Canada.

[Transition musicale]

Thierry Harris : Sheldon, peut-être êtes-vous, je serais considéré comme un vétéran de l'industrie. Je pense aussi que nous devrions absolument prendre un moment pour reconnaître tout le travail que vous avez fait pour aider à bâtir l'écosystème d'innovation de Waterloo. Vous savez, vous avez fondé quelques entreprises et maintenant vous travaillez comme chef de la direction chez Darwin. Vous avez une excellente idée de l'industrie et, euh, nous aurons des liens sur notre page Web vers de nombreuses conférences que vous avez données dans le passé, à la fois pour le milieu universitaire et certains de vos argumentaires de l'industrie. Vous pouvez peut-être nous donner un peu de contexte pour notre auditoire, c'est-à-dire les étudiants qui fréquentent des écoles de commerce, les gens qui s'intéressent à la commercialisation de la technologie, comment se porte l'IA aujourd'hui, euh, où en sommes-nous et où allons-nous avec ?

[Transition musicale]

Sheldon Fernandez : Quelle excellente question. Donc je veux dire, en fait, j'utilise souvent une analogie et c'est drôle, parce que je vous parle depuis la maison de mes parents. J'amène mon fils ici et ils s'occupent de lui trois jours par semaine. Et je suis en fait au sous-sol où j'ai passé la majorité de mon temps sur mon ordinateur 386 à l'adolescence.

Et je fais parfois l'analogie que nous en sommes à un, l'IA est à un endroit où l'Internet était au début et au milieu des années 1990. Et donc à l'époque, pour ceux d'entre vous qui écoutent ça, souvenez-vous de ceci, vous savez, nous n'avions pas Internet, nous avions ces modems qui, vous savez, vous reliaient à des gens du monde entier par des fils téléphoniques. Et c'était tout simplement intéressant, amusant et agréable de faire partie de cette communauté. Je ne crois pas que nous pensions alors que ces petits, vous savez, ces petits et zéros survolant des fils téléphoniques s'épanouiraient dans le monde numérique que nous avons aujourd'hui détruiraient des industries, créeraient des industries, etc.

Et quand je regarde l'intelligence artificielle maintenant, c'est juste comme, vous voyez, à mon avis, ce que nous avions avec Internet au milieu des années 1990, comme si les gens en saisissent les capacités. Les entreprises réalisent tout juste qu'elles doivent intégrer l'IA dans leurs modèles d'affaires et en faire une partie de leur entreprise. Et c'est extrêmement excitant. C'est un peu désorientant compte tenu de tout le battage médiatique que vous allez lire et de toutes les différentes machines avec lesquelles nous devons jouer avec l'intelligence artificielle.

Mais c'est quelque chose qui est là pour rester. Et tout comme je l'aurais recommandé à un étudiant au MBA en 1995, Hé, faites attention à Internet. Vous savez, j'offre le même mantra aux étudiants de premier cycle et aux étudiants en commerce pour qu'ils prêtent attention à l'intelligence artificielle parce qu'elle a déjà un impact important sur de nombreuses industries et qu'elle va continuer de le faire.

[Transition musicale]

Thierry Harris : Certainement. Et il y a aussi un élément de monopolisation des grandes technologies qui entre en jeu, vous savez, nous avons un moteur de recherche en ce moment. Nous avons un seul réseau de médias sociaux. Nous avons une sorte de géant, Amazon, où nous achetons et vendons tout et qu'arrive-t-il à tout le monde ?

Et vous savez, vous dites que l'IA est à l'étape où nous étions dans les années 90, une sorte de sauvage ouest sauvage d'Internet à l'époque. Et c'est drôle, vous voyez, je ne le sais pas, je me demande si nous jetons un coup d'œil en arrière, quel était l'élément qui a capitalisé ce marché pour permettre une sorte de Google, YouTube était l'un d'entre eux sur lequel Google a fini par acheter, euh, vous savez, Facebook et acheté un tas de choses. Apple a acheté un tas de choses sur Amazon, vous savez, est passé d'un libraire en ligne à, vous savez, au marché du monde entier ici.

Et est-ce une bonne chose ? Je veux dire, regardez où nous en sommes maintenant dans la société et les impacts de ce que certains de ces algorithmes ont sur la promotion... vous savez, nous avons vu ce qui s'est passé avec nos voisins du Sud et ce qui se passe là-bas.

Et dans d'autres pays, vous savez, partout, de la Birmanie à l'Ukraine, vous savez, et vous avez eu quelques discussions un peu sur l'éthique concernant le développement de l'IA.

Peut-être pourrions-nous prendre quelques minutes pour que vous donniez vos idées sur cette question très importante, parce que, vous savez, nous parlons tous de commercialisation, mais, en tant que l'un de nos prédécesseurs Subvention Suzanne, disait le Alliance canadienne des technologies de pointe, nous devons développer une technologie technologique pour les humains, pour le bénéfice des humains, vous savez, et pas seulement pour profiter d'une occasion de marché pour, vous savez, remporter une grande victoire sur le marché boursier ou quelque chose du genre. Peut-être que vous pourriez nous expliquer un peu ce que vous pensez de l'éthique relative à l'IA, et s'il y a eu une évolution dans cette discussion dans certains de ce que vous avez entendu là-bas.

[Transition musicale]

Sheldon Fernandez : Oui, c'est une question fantastique. La première chose que je veux aborder, cependant, est la question de ces très, très grandes entreprises et de l'impact qu'elles ont et, vous savez, de la façon dont nous les considérons.

Je me souviens en fait, dans les années 90, quand ça ressemblait à Microsoft allait être le imposteur de l'industrie informatique pendant les 50 prochaines années, parce qu'ils avaient des fenêtres, des ordinateurs de bureau, des bureaux et Bill Gates on lui a demandé, vous savez : « Quel est votre conseil, jeunes entrepreneurs, sur la façon de vous concurrencer et de bâtir des entreprises prospères ?

Et il a donné ce que je croyais être une réponse très intelligente. Il a déclaré : « Eh bien, les gars, je ne sais pas, parce que si je savais quelle sera la prochaine grande chose, je le ferais tout de suite chez Microsoft.

Et bien sûr, si vous regardez comment, vous savez, oui, Microsoft est toujours Microsoft aujourd'hui, mais vous savez, là, il y a les Amazone et il y a Google'comme vous l'avez dit, qui sont, vous savez, à côté d'eux, c'est parce que Microsoft est arrivé en retard sur internet et qu'ils n'ont pas tout à fait compris sur mobile et ainsi de suite.

Et donc, vous savez, on dirait, d'une manière statique, que ces entreprises seront les Goliath pour toujours, mais la nature de l'innovation est telle que, vous savez, certaines quelque part, mais il y aura d'une manière ou d'une autre un acteur qui menacera cette domination. Et c'est, vous savez, la beauté du système capitaliste, qu'il ne faut pas oublier.

[Transition musicale]

Cela dit, d'un point de vue éthique, le grand défi des grandes technologies est qu'elles sont omniprésentes dans nos vies. Et nous ne pensons pas à l'impulsion capitaliste pour le profit qui est au cœur de celle-ci. N'est-ce pas ? Je me souviens donc d'avoir lu un article assez technique, il y a peut-être quatre mois, sur la recommandation de vidéos YouTube et ils disent, à quelle fréquence sommes-nous tombés dans le trou du lapin YouTube, où vous regardez une vidéo, puis il y a une recommandation que vous regardiez cette vidéo.

Vous regardez cette vidéo. Et ce qu'ils ont appris, c'est que l'intention de YouTube de vous diffuser des vidéos est de maximiser le temps que vous passez sur YouTube afin qu'ils puissent vous diffuser plus de publicité. C'est la raison pour laquelle le service existe.

Mais à votre point de vue, si vous regardez l'omniprésence de ces systèmes, bien sûr, la désinformation lors de la récente élection présidentielle, ce qui se passe en fin de compte, au Myanmar, en Russie, au Bangladesh, il y a de vraies questions sur l'impact réglementaire, des systèmes et ce qu'il faut faire.

Et je pense que nous sommes très conscients de ces problèmes maintenant, surtout en ce qui concerne la politique et la désinformation, la question est de savoir ce que vous faites à ce sujet ? Et je pense que cela se jouera d'une manière très importante du point de vue des politiques au cours des 10 ou 15 prochaines années. Parce que écoutez, c'est ce que, vous voyez, j'ai un fils de deux ans qui ne sait pas encore vraiment ce qu'est un iPad, mais il le fera dans un an. Et l'idée, vous savez, du contenu qui lui est servi d'une manière que je ne comprends pas très bien est très déconcertante en tant que parent. Et bien sûr, j'ai, vous savez, des amis dont les enfants ont maintenant 13 et 12 ans et les médias sociaux et leurs impacts, en particulier sur les adolescentes, ont été bien documentés. Nous devons donc vraiment commencer à poser des questions intelligentes sur l'éthique de ces systèmes. Et je pense que vous allez commencer à le voir.

[Transition musicale]

Thierry Harris : Eh bien, nous aurons des entrevues plus tard avec des gens qui seront en mesure d'articuler ce sujet même sur Market Hunt. Alors restez à l'écoute sur cette question, parce que c'est une question importante.

Une chose intéressante, cependant, pour en revenir à la comparaison des grands, GAFAMS, et où ils se trouvaient, vous voyez, c'est drôle si vous regardez l'évolution des entreprises technologiques, vous savez, en gros, en commençant par IBM, vous savez, est peut-être arrivé une sorte d'application de défense militaire, qui a ensuite été transformé en un produit de consommation qui, vous savez, IBM fabrique des ordinateurs, consommateur les ordinateurs à un moment donné, je crois. Et si vous jetez un coup d'œil à Microsoft maintenant dans les années 90, où ils étaient vraiment, leur imposteur était le, était le Logiciels d'application Windows. Microsoft est une entreprise extrêmement différente d'une seule, nous nous en souvenons tous quand elle était un des meilleurs chiens dans les années 90.

Et en ce moment, il fait des choses fantastiques, vous savez, dans le Sphère de l'IA dans de nombreuses sphères différentes qui sont beaucoup plus comme si vous étiez au sous-sol, vous savez, travailler à l'extérieur, ce ne sont pas nécessairement les grandes choses sexy qui se produisent, mais mon Dieu sont importantes pour travailler sur les bons problèmes et voir comment, vous savez, les Google d'aujourd'hui, et les Facebook d'aujourd'hui, vous savez, en ce qui concerne la transformation de ces plateformes et, ce qui les rend plus utiles à mesure que leur avantage technologique expire, pour ainsi dire, il sera intéressant de voir quels sont les nouveaux acteurs issus de la génération des milléniaux qui vont diriger ces entreprises et comment ces milléniaux qui sont en quelque sorte enracinés dans des choses comme annuler la culture ou plus de responsabilité sociale.

Vous savez, le plus grand militant pour le climat est un, vous savez, incapable de voter même, euh, vous voyez, quand on pense à Greta Thurnberg par ici.

Donc, vous savez, ce sera intéressant de voir comment ils adoptent le capitalisme, et si les nouvelles entreprises qui sortent, évidemment, vous savez, le dollar est une chose très attrayante à chasser, mais les gens ont parlé de l'IA et de son impact sur le travail et potentiellement, vous savez, de l'idée de revenu universel, qui a été testé au Canada, près de l'endroit où vous vous trouvez, je crois en Hamilton.

Selon vous, quelles sont les choses ? des obstacles à l'adoption de l'IA? Et comment croyez-vous que ça va transformer, euh, le commerce tel que nous le connaissons ?

[Transition musicale]

Sheldon Fernandez : Oui. Quelle excellente question. Je veux dire, à court terme, l'adoption de l'IA pose de nombreux défis techniques. Il y a les questions éthiques biais de données, n'est-ce pas ? Et, et veiller à ce que le système soit équitable dans l'ensemble les genres, en travers ethnicités, orientation sexuelle, en fait, n'importe quelle catégorie protégée. Et ce sont des problèmes difficiles à résoudre lorsque vous apprenez à la machine à déduire son comportement à partir de données. Il y a des données, des données, vous voyez, comme on dit, dans de nombreuses entreprises comme le nouveau pétrole, euh, vous savez, les grandes entreprises qui en ont, ne veulent pas les partager avec des entreprises en démarrage parce que, pour une bonne raison, c'est leur secret commercial, mais elles n'ont pas l'expertise technique technique pour construire ces systèmes. Beaucoup d'entre eux sont en période de stase. Il s'agit donc, vous savez, de problèmes importants au niveau technique auxquels nous devons nous attaquer.

Je ne pense pas que l'adoption de l'IA au-delà de ces choses aura un véritable recul philosophique, parce que c'est une utilité si puissante dans tant de secteurs différents où elle deviendra une situation où si vous ne l'adoptez pas, tout comme si vous étiez dans l'entreprise, une entreprise dans les années 1990, et que vous ne pensiez pas à Internet dans votre stratégie commerciale, vous étiez voué à l'obsolescence.

Vous savez, c'est ce qui va arriver. Et bon nombre des clients avec lesquels nous travaillons sont motivés par la peur et sont motivés par la reconnaissance que s'ils n'adoptent pas un programme novateur autour de ces technologies, leur concurrent, vous savez, de l'autre côté de la rue à travers le monde les dépassera très rapidement.

Cela dit, vous soulevez des questions fascinantes sur les milléniaux et les dimensions qu'ils apporteront à cette conversation. Vous savez, je pense à moi à 25 ans et à l'idéalisme que j'avais et vous savez, comment cet idéalisme a changé, être plus âgé, être évidemment père, mais j'espère que la prochaine vague d'entrepreneurs ne sera pas blasée par ma génération et, vous savez, par la génération de mes parents et essaieront vraiment d'apporter un vrai changement parce que nous en avons besoin.

Au contraire, ce que nous apprenons avec COVID et ces systèmes, c'est que cela fait le l'inégalité économique est plus prononcée dans le monde.. J'espère donc vraiment qu'ils pourront, vous savez, beaucoup de ces valeurs progressistes d'équité et de changement climatique et ainsi de suite, plus centrales. Et vous voyez que vous voyez cela certainement avec Greta, comme vous l'avez mentionné, vous voyez ça avec la nouvelle administration aux États-Unis, donc il y a de l'espoir. Mais c'est une question très, très complexe avec tellement de pièces mobiles. Et je pense qu'une partie de moi chez Sheldon à la retraite, âgé de 60 ou 65 ans, ou quoi que ce soit, nous allons regarder la prochaine génération et, espérons-le, applaudir.

[transition musicale]

Thierry Harris : Eh bien, vous savez, c'est incroyable parce que nous regardons l'histoire se dérouler littéralement dans, dans notre paume, dans la paume de nos mains. Vous savez, comme nous le voyons des gens qui prennent d'assaut le Capitole et nous voyons le les répercussions de la désinformation cela se fait jour et il y a beaucoup de gens, comme vous l'avez dit, qui manquent les avantages de cette technologie, et c'est un pays comme le Canada, qui figure, vous savez, géographiquement, je pense, parmi les trois premiers au monde. Et beaucoup d'endroits n'ont même pas d'internet haute vitesse à l'heure actuelle.

Vous pouvez donc imaginer quelle progression doit avoir lieu pour amener notre pays, euh, vous savez, à un niveau d'adoption de la technologie comme vous le feriez en Corée du Sud ou à Singapour, ou peut-être dans certains pays d'Europe, mais le Canada a encore un long chemin à parcourir pour y parvenir.

C'est une conversation pour un autre jour. Revenons à Darwin, IA. Quels sont les projets intéressants sur lesquels vous travaillez aujourd'hui et comment voyez-vous l'évolution future de Darwin AI ? Vous savez, vous êtes une entreprise de quatre ans, vous avez éliminé le mot startup de votre introduction. Expliquez-nous un peu pourquoi vous avez fait cela, puis où vous en êtes maintenant et où vous comptez être à l'avenir.

Sheldon Fernandez : Oui. Excellent sujet. Eh bien, numéro un, je pense, vous savez, en grandissant, vous savez, vous, vous êtes, vous êtes en train d'atteindre un certain niveau de sérieux où, hum, vous savez, c'est, il est temps de grandir un peu. Et je pense que c'est pour ça que nous, je n'aime certainement plus décrire ça comme une startup.

Mais je pense que ce qui est vraiment excitant pour moi, c'est que vous savez, nous avons passé des années à développer cette capacité de base et ce que nous avons réalisé, c'est que nous devions perfectionner certaines offres spécifiques dans des secteurs spécifiques qui étaient des cas d'utilisation très appréciés pour nos clients. Et donc deux des domaines sont la fabrication. C'est une grande question pour nous. Lorsque nous avons examiné nos clients de l'aérospatiale et de nos clients industriels, la capacité de l'apprentissage profond pour, vous savez, faire des choses comme la détection d'anomalies et l'inspection de pièces était vraiment, vraiment puissante. Nous développons donc des capacités particulières à ce sujet. Et grâce à notre travail sur COVID-net, nous sommes aussi vraiment, incursions, euh, très engagés dans soins de santé et le secteur pharmaceutique. L'une des grandes choses de COVID-Net, vous savez, tout d'abord, vous savez, il est utilisé dans les hôpitaux du monde entier, mais c'était vraiment une illustration très d'actualité de notre technologie, qui a attiré l'attention de nombreuses majors de la santé et sociétés pharmaceutiques. C'est donc un véritable domaine d'opportunité pour nous et je suis très enthousiaste.

[transition musicale]

Thierry Harris : Eh bien, c'est incroyable. Ce qui est beau, c'est qu'avec la puissance des machines, nous pouvons laisser les machines faire le genre de comptage dur qu'un humain ne pourrait même pas imaginer faire lui-même. Et nous pouvons nous concentrer sur simplement poser les bonnes questions et si nous posons les bonnes questions et si nous sommes assez ambitieux, et si nous sommes assez audacieux et courageux pour poser ces questions difficiles, alors nous pourrions peut-être avoir des machines pour nous aider à résoudre des problèmes qui se produisent depuis longtemps et que nous pensions insolubles, et nous pouvons les résoudre et les rendre utiles d'une manière ou d'une autre.

[transition musicale]

Alors, à l'avenir, en examinant l'avantage technologique que vous avez avec votre plateforme, comment comptez-vous maintenir cet avantage technologique ? Est-ce quelque chose qui vous préoccupe ?

[transition musicale]

Sheldon Fernandez : Je devrais probablement l'être, mais j'ai la chance d'avoir une équipe d'universitaires incroyablement talentueux qui, vous savez, innovent constamment et sans relâche dans le domaine de l'intelligence artificielle. En fait, je ressens la pression en tant qu'homme d'affaires pour vraiment trouver où nous pouvons appliquer son innovation et la maximiser. Et c'est donc vraiment ce que je considère comme le grand défi,

[transition musicale]

Il y a des entrepreneurs, vous voyez, qui me disent : « Vous savez, Sheldon, vous êtes assis sur une maison pleine, comme vous devez en tirer profit. Nous n'avons pas tous accès aux Chaire de recherche du Canada en intelligence artificielle. »

Donc pour moi, c'est vraiment une question de, ok, nous avons cette technologie incroyable, ce sont les domaines où nous sommes en train de gagner du terrain. Comment puis-je accélérer cette traction ? Avec qui est-ce que je m'associe ? Où est-ce que je passe du temps ? Quelles sont les occasions que vous représentez ? C'est aussi l'une des choses les plus importantes qu'un entrepreneur fera, parce que les choses peuvent sembler lucratives. Ils peuvent sembler passionnants, mais ils peuvent être des impasses. Donc, c'est en grande partie ce qui me tient éveillé la nuit, vous savez, où, où nous passons du temps avec cette technologie très intéressante que nous avons.

[transition musicale]

Thierry Harris : Beaucoup de gens qui écoutent ces émissions sont des étudiants qui cherchent à dire : « Hé, ok, eh bien, je vais faire mes études de doctorat ou ma thèse de maîtrise. Et je vais prendre une entreprise qui est à votre stade de commercialisation. » Ils pourraient même prendre la période de votre entreprise, l'étudier et l'analyser. Donc, si vous aviez accès à ces grands esprits qui jettent un coup d'œil à Darwin AI et explorent quelles options, vous voyez, l'IA Darwin pourrait faire à l'avenir, je suis sûr qu'il n'y en a pas autant que un jeu tel que Go, dont vous avez parlé dans une autre discussion à l'époque. Mais quel genre de choses aimeriez-vous que les étudiants examinent d'un point de vue commercial ? Sur quel genre de questions aimeriez-vous qu'ils travaillent ?

Sheldon Fernandez : Excellente question. Je dirais, vous voyez, s'ils pouvaient comprendre l'apprentissage profond à un, à un, vous voyez, à un certain niveau, vous voyez, vous savez, vous savez, ils n'ont pas besoin d'être des spécialistes de l'apprentissage automatique ou autre, mais comprendre de quoi il est capable. Et il y a tellement d'industries ésotériques obscures ou de cas d'utilisation qui ont une grande valeur, mais personne n'a pensé à appliquer l'intelligence artificielle à, j'aimerais que les gens commencent à y penser.

Par exemple, vous savez, l'une des sociétés de portefeuille dont l'un des membres de notre conseil siège, elle a fait sa thèse de maîtrise, euh, sur l'utilisation de la vision par ordinateur pour détecter les crevettes. Et c'était purement une thèse par intérêt. Puis elle s'est rendu compte que le marché de la crevette en Asie et dans le monde se chiffrait à des milliards de milliards de milliards de dollars. Elle en a donc transformé une entreprise qui utilise maintenant l'apprentissage profond pour la technologie, la santé des crevettes lorsque, lorsque les gens pêchent des crevettes.

[Commencer la fin de la musique]

Et donc je pense, vous savez, avoir autant d'esprits au Canada que possible, qui comprennent cette machinerie, appelons-le ensuite, l'IA ondulée, l'apprentissage automatique, puis la recherche de ces industries qui n'attirent pas beaucoup d'attention et qui ne font pas la une de Wired and Infoworld et du New York Times. Je crois qu'il y a une réelle valeur à cela, non seulement pour Darwin, mais pour l'entrepreneuriat canadien en général.

C'est formidable d'analyser, c'est agréable de lire tous les livres et ainsi de suite. Il n'y a rien de plus enivrant que de simplement le faire. Et ce n'est pas pour tout le monde, tout le monde n'est pas entrepreneur ou ne veut pas être entrepreneur. Je respecte tout à fait cela.

Mais le montant que vous apprendrez à gérer votre propre entreprise, même si vous échouez, vous gagnerez, parce que vous apprendrez décuplé, alors si vous travaillez pour quelqu'un d'autre. Donc j'espère qu'au moins, vous savez, disons que cinq à dix pour cent de vos auditeurs à un moment donné sont inspirés à aller créer des entreprises et à faire de grandes choses pour notre pays.

Thierry Harris : Eh bien, je pense que nous ne pouvons pas surpasser cette dernière réponse, alors laissons-le là. Merci beaucoup Shelton Fernandez. Y a-t-il autre chose que vous aimeriez ajouter ?

Sheldon Fernandez : Vous savez, je vais ajouter une autre chose. Je ne veux pas... On me demande souvent, eh bien, vous voyez, ce qui est, ce qui vous passionne vraiment dans le domaine de l'IA, n'est-ce pas. Et en fait, il y a bien des lunes, j'ai fait un diplôme en théologie. Et la question de la conscience pour moi est la suivante : est fascinante, n'est-ce pas ? Parce que nous ne comprenons pas la science du cerveau et ce qui donne naissance à la conscience. Et la question que certaines personnes se posent est la suivante : verrons-nous un jour de la conscience artificielle ? C'est une question qui, je crois, ne recevra pas de réponse de mon vivant, mais compte tenu de tous les progrès que nous avons constatés avec l'apprentissage automatique, je me demande si on pourrait y répondre du vivant de mon fils.

Thierry Harris : C'est tout le temps dont nous disposons aujourd'hui, les gens. Pour en savoir plus sur les idées et les concepts présentés dans cette série, n'oubliez pas de consulter les liens de recherche sur les épisodes sur la page de l'émission d'épisodes. Vous pourriez vous retrouver à descendre le trou à lapins du Knowledge Hub, et nous espérons que vous apprécierez la balade.

Narrateur : Et maintenant un dernier mot de notre commanditaire, le IE-KnowledgeHub. IE-Knowledge Hub est un site Web dédié à la promotion de l'apprentissage et des échanges sur l'entrepreneuriat international.

Reprenons là où nous nous sommes arrêtés pour Cogiscan, une entreprise qui connecte des machines et des logiciels dans l'atelier de fabrication pour suivre, tracer et contrôler les composants électroniques des circuits imprimés.

François Monette : Tous les fournisseurs d'équipement de l'industrie vendent aujourd'hui leur machine, et ils ont tous un système logiciel différent, et ils disent tous « hé, je veux que votre machine parle à mon logiciel ». Puis le gars suivant dit que je veux que votre machine parle à ce logiciel qui est différent. Ce fournisseur d'équipement doit donc développer et prendre en charge toutes sortes d'interfaces différentes pour toutes sortes de 10 systèmes logiciels différents.

Narrateur : C'est Francois Monette expliquant les problèmes que rencontrent ses clients cibles lorsqu'ils achètent les machines et les logiciels nécessaires à la création de circuits imprimés électroniques. Il précise ce qui suit :

François Monette : Ce n'est pas leur cœur de métier, ils n'aiment pas faire ça. Si nous pouvons venir dire, vous savez que nous pouvons vous offrir un guichet unique, vous savez, nous ferons cette interconnectivité pour vous. Ainsi, votre machine sera capable de brancher et jouer avec n'importe quel logiciel. Et il y a un réel besoin pour cela.

Narrateur : Après plus de vingt ans en affaires, l'accent mis par Cogiscan sur l'établissement de partenariats et le rôle de connecteur porte ses fruits.

Vincent Dubois : Ce que nous faisons, nous faisons de notre mieux dans l'industrie. Nous faisons de ces équipements des actifs connectés. Tout le monde voudra aller dans ce sens, parce que c'est ce qui a du sens. Vous connaissez essentiellement l'usine du futur. Dans nos rêves les plus fous, vous savez que chaque fabricant d'équipement travaillerait avec nous pour que nous puissions nous connecter à tous les types d'équipements, et je veux dire que nous ne sommes pas si loin, je veux dire les principaux fabricants d'équipement avec lesquels nous nous connectons déjà et nous avons déjà une relation avec eux. Et encore une fois, cela revient à la question : avez-vous la technologie qui est bonne, mais êtes-vous en mesure de créer ces partenariats ? Parce que nous avons affaire à des humains en fin de compte.

Narrateur : Vous avez écouté des extraits de l'étude de cas vidéo Cogiscan. Pour en savoir plus sur la fabrication de produits électroniques, regardez leur étui complet disponible gratuitement à ie-knowledgehub.ca.

[Commencer les crédits musicaux]

Thierry Harris : Market Hunt est produit par Cartouche Media en collaboration avec Seratone Studios à Montréal et Podcasting contextuelle à Ottawa. Market Hunt fait partie du réseau IE Knowledge Hub. Le financement de ce programme provient du Conseil des ressources en sciences humaines du Canada. Producteurs exécutifs Hamid Etemad, Université McGill, Faculté de gestion Desautels et Hamed Motaghi, Université du Québec en Outaouais. Producteur associé Jose Orlando Montes, Université du Québec à Montréal. Producteurs techniques Simon Petraki, Seratone Studio et Lisa Querido, Pop up Podcasting. Afficher le consultant JP Davidson. Oeuvre de Melissa Gendron. Voix Over : Katie Harrington. Vous pouvez consulter les études de cas de l'IE-Knowledge Hub sur Ie hyphen knowledge Hub point ca. Pour Market Hunt, je m'appelle Thierry Harris, merci de m'avoir écouté.

‍