16 episodes

AI is everywhere right now: in our news feeds, our devices, our homes. The hype is spreading quickly to permeate every industry, and the executives of the world want to know, “Beyond the hype, what can this tech actually do for my business?”

Element AI’s Alex Shee sits down with influencers across several industries to investigate how AI is being used to disrupt and innovate.

The AI Element Element AI

    • Business News

AI is everywhere right now: in our news feeds, our devices, our homes. The hype is spreading quickly to permeate every industry, and the executives of the world want to know, “Beyond the hype, what can this tech actually do for my business?”

Element AI’s Alex Shee sits down with influencers across several industries to investigate how AI is being used to disrupt and innovate.

    Histories of AI: Ancient Greek Myths and the Last AI Boom

    Histories of AI: Ancient Greek Myths and the Last AI Boom

    S2E6 - Histories of AI: Ancient Greek Myths and the Last AI Boom
    In 2020, and for our first episode in the new decade, we thought it would be good to continue to dig deeper into how AI has developed over time. Learning about the roots of AI, we are reminded that the north star of this field has always been what we tend to call artificial general intelligence today, intelligence that reflects the full breadth of human intelligence. This puts in context why the recent breakthroughs have been so significant, and at the same time there is still so far to go. On this week’s episode of The AI Element we are joined by two guests who share two very different histories of AI,  one of its ancient roots and the other of contemporary challenges in operationalizing it for mass use. 
    Adrienne Mayor is a historian and research scholar at Stanford University whose recent work focuses on the earliest imaginings of AI in ancient myths. She shares some insights from ancient Greek myths like Homer’s Iliad and writings by Aristotle that show that AI and AGI have long been part of the human imagination. 
    Ronjon Nag reflects on the history of AI through his own experience. He’s an inventor, a distinguished Careers Research Fellow at Stanford and has pioneered a number of neural net applications since the 80s. He’s developed some of the first speech and handwriting recognition software and talks about the development of AI applications over the past 4 decades, and how though we’ve come a long way, there is still a long way to go. 
    00:55: Jonnie Penn, AI Historian: What not to optimize 
    2:00: Adrienne Mayor - Stanford University 
    2:17: Gods and Robots: Myths, Machines and Ancient Dreams of Technology
    13:40: Talos Missile  
    14:13: TALOS (uniform) - Wikipedia 
    17:53: Harvard Divinity School 
    19:57: Ronjon Nag - Stanford University 
    20:30: Computers That Learn by Doing - Fortune Magazine 
    21:59: How William Shatner Changed the World - Martin Cooper, mobile phone inventor - Youtube 
    28:37: Google DeepMind 
    32:24: SpiNNaker Project 
    34:15: Grammatik - Wikipedia 
    34:38: Grammarly 
    36:13: The Boundaries of Humanity Project 
     
    ---------
     
    S2E6 – Historique de l’IA : Mythes de la Grèce antique et le dernier boum de l’IA
    En 2020, et pour notre premier épisode de la nouvelle décennie, nous avons pensé qu’il serait bon de continuer à approfondir l’évolution de l’IA dans le temps. En apprenant au sujet des racines de l’IA, on nous rappelle que l’étoile du Nord de ce domaine a toujours été ce que nous avons tendance à appeler aujourd’hui l’intelligence artificielle générale (IAG) qui reflète toute l’étendue de l’intelligence humaine. Cela met en contexte les raisons pour lesquelles les récentes percées ont été si importantes et, en même temps, il reste encore beaucoup à faire. Dans l’épisode de cette semaine de The AI Element nous accueillons deux invités qui partagent deux histoires très différentes de l’IA, l’une de ses racines anciennes et l’autre des défis contemporains de son opérationnalisation pour un usage de masse. 
    Adrienne Mayor est historienne et chercheuse à l’Université de Stanford. Ses travaux récents portent sur les premières abstractions de l’IA dans les mythes anciens. Elle nous fait part de quelques idées tirées des mythes grecs anciens comme l’Iliade d’Homère et des écrits d’Aristote qui montrent que l’IA et l’IAG font depuis longtemps partie de l’imagination humaine. 
    Ronjon Nag réfléchit sur l’histoire de l’IA à travers sa propre expérience. Il est un inventeur, un éminent chercheur de carrière à Stanford et a été le pionnier d’un certain nombre d’applications de réseaux neuronaux depuis les années 80. Il a développé certains des premiers logiciels de reconnaissance de la parol

    • 39 min
    Jonnie Penn, AI Historian: What not to optimize?

    Jonnie Penn, AI Historian: What not to optimize?

    In this bonus interview, historian, researcher and former TV star Jonnie Penn is joined by our Head of Public Policy and Government Relations Marc-Etienne Ouimette to talk about the history of AI. In the interview, Jonnie looks to the past to help answer a number of important questions about the future of AI. For instance, what parts of our social system do we not want to optimize? Who does this technological progress actually benefit? And how can more young people get involved in decision making processes surrounding tech? 
     
    1:19 - Jonnie Penn
    1:25 - The Buried Life 
    1:54 - Berkman Klein Center
    2:05 - MIT Media Lab
    4:22 - Machines Who Think - Pamela McCorduck 
    23:21 - ‘Don’t Join a Union, Pop a Pill’ - Katrina Forrester 
    26:03 - The troubling case of the young japanese reporter who worked herself to death - Washington Post
    27:14 - Germinal (novel) - Wikipedia  
    32:08 - The Cybernetic Brain - Andrew Pickering 
    42:52 - Marvin Minsky - Wikipedia 
    44:40 - Jonnie Penn - Twitter 
     
    Other links: 
    Jonnie Penn Publications - Berkman Klein Center 
    What History Can Tell Us About the Future of Artificial Intelligence - TEDx Talks 
     
    -----------
     
    Dans cet entretien en prime, l’historien, chercheur et ancienne vedette de télévision Jonnie Penn est accompagné de notre directeur des relations publiques et gouvernementales Marc-Étienne Ouimette pour parler de l’histoire de l’IA. Dans cette entrevue, Jonnie se tourne vers le passé pour répondre à un certain nombre de questions importantes sur l’avenir de l’IA. Par exemple, quelles parties de notre système social ne voulons-nous pas optimiser? À qui profite réellement ce progrès technologique? Et comment un plus grand nombre de jeunes peuvent-ils s’impliquer dans les processus de prise de décision entourant la technologie? 
     
    1:19 – Jonnie Penn
    1:25 – The Buried Life 
    1:54 – Berkman Klein Center
    2:05 – MIT Media Lab
    4:22 – Machines Who Think – Pamela McCorduck 
    23:21 – « Don’t Join a Union, Pop a Pill » – Katrina Forrester 
    26:03 – Le cas troublant de la jeune journaliste japonaise qui a travaillé jusqu’à en mourir – Washington Post
    27:14 – Germinal (roman) – Wikipédia  
    32:08 – The Cybernetic Brain – Andrew Pickering 
    42:52 – Marvin Minsky – Wikipédia 
    44:40 – Jonnie Penn – Twitter 
     
    Autres liens : 
    Publications de Jonnie Penn Publications – Berkman Klein Center  
    What History Can Tell Us About the Future of Artificial Intelligence - TEDx Talks

    • 45 min
    Bonus Episode - An Interview with Yohsua Bengio 

    Bonus Episode - An Interview with Yohsua Bengio 

    Bonus Episode - An Interview with Yohsua Bengio 
    Can AI be used to help solve Climate Change? If so, how? 
    In this bonus interview, world renowned machine learning researcher Yoshua Bengio joins host Alex Shee to talk about AI’s role in solving the climate crisis. Segments of this interview was featured on our episode about sustainability, in which he shared some examples of how AI is being used to mitigate and adapt to climate change. In the full-length interview he shares his personal motivations for getting involved in climate action and goes in depth about his cross-disciplinary work to solve what he thinks is one of the world’s largest existential risks.
    2:03 - Mila - Yoshua Bengio’s Lab
    2:04 - IVADO - The Institute for Data Valorization
    3:11 - Montreal Declaration for Responsible AI 
    7:55 - Tackling Climate Change with Machine Learning - Rolnick et al., arXiv 
    11:19 - Mila - AI for Humanity 
    11:30 - Mila - Climate Change 
    13:31 - Visualizing the Consequences of Climate Change Using Cycle-Consistent Adversarial Networks - Schmidt et al., arXiv
    16:35 - GANS (Generative Adversarial Network) - Wikipedia 
    16:58 - Help the planet by uploading your pictures of flooded houses or buildings - Mila 
    19:10 - Use machine learning to find energy materials - Nature
    23:20 - French-language federal leaders debate 2019 - Maclean’s 
    24:23 - MIT CSAIL Alliances Podcast  
    27: 16 - Greta Thunberg - Wikipedia 
    31:48 - AI Commons 



    Additional Links 
     
    Yoshua Bengio - Google Scholar 
    Climate Change: How Can AI Help? - Alexandre Lacoste
    Climate Change AI 
    EAI Orkestrator - Optimize the use of your compute and storage resources

    -------------


    Épisode en prime – Entretien avec Yohsua Bengio  
    L’IA peut-elle être utilisée pour aider à résoudre le problème du changement climatique? Si oui, comment? 
    Dans cet entretien en prime, Yoshua Bengio, chercheur de renommée mondiale dans le domaine de l’apprentissage machine, se joint à l’animateur Alex Shee pour parler du rôle de l’IA dans la résolution de la crise climatique. Des extraits de cette entrevue ont été présentés dans notre épisode sur la durabilité, dans lequel il a donné quelques exemples de la façon dont l’IA est utilisée pour atténuer les changements climatiques et s’y adapter. Dans l’entrevue complète, il partage ses motivations personnelles pour s’impliquer dans l’action climatique et approfondit son travail interdisciplinaire pour résoudre ce qu’il considère comme l’un des plus grands risques existentiels du monde.
    2:03 – Mila – Le laboratoire de Yoshua Bengio
    2:04 – IVADO – Institut pour la valorisation des données
    3:11 – Déclaration de Montréal pour une IA responsable 
    7:55 – Combattre le changement climatique par l’apprentissage machine – Rolnick et coll., arXiv 
    11:19 – Mila – IA pour l’humanité
    11:30 – Mila – Changement climatique 
    13:31 – Visualiser les conséquences du changement climatique à l’aide de réseaux contradictoires à cycle constant – Schmidt et coll., arXiv
    16:35 – GANS (Generative Adversarial Network) – Wikipédia 
    16:58 – Aidez la planète en téléchargeant vos photos de maisons ou bâtiments inondés – Mila 
    19:10 – Utiliser l’apprentissage machine pour trouver des matériaux énergétiques – Nature
    23:20 – Débat des dirigeants fédéraux francophones 2019 – Maclean’s 
    24:23 – Balado MIT CSAIL Alliances  
    27:16 – Greta Thunberg – Wikipédia 
    31:48 – IA collective
     
    Liens supplémentaires 
    Yoshua Bengio – Google Scholar 
    Changement climatique : comment l’IA peut-elle venir en aide? – Alexandre Lacoste
    Changement climatique et IA 
    EAI Orkestrator – Optimisez l’utilisation de vos ressources informatiques et de stockage

    • 36 min
    Sustainability

    Sustainability

    This week we’re exploring if and how AI can help build a sustainable future. From solving climate change to improving health care, AI is being seen as a technology that can solve some of the world’s biggest problems. But can AI really save us? How can we be sure that AI for Good initiatives are actually helping the people they’re trying to reach? What role can, or should, AI practitioners play in finding solutions?
    Urvashi Vaneja explains why we should be skeptical of AI for Good initiatives that claim to be a cure-all and she shows how to start thinking constructively about how to do better. Sherif Elsayed-Ali shows how AI for Good can help scale the positive impact of human rights organizations and also why we need to expand our current understanding of human rights. Yoshua Bengio reflects on his recent research into different ways AI can be used to mitigate against and adapt to a changing climate. Yoshua also shares why he decided to use his machine learning expertise to try and solve climate change — and how others in the machine learning community can help, too.
    AI for Good Summit  UN Sustainable Development Goals  Tandem Research AI for All: 10 Social Conundrums for India: Working Paper - Tandem Research Artificial Intelligence apps risk entrenching India’s socio-economic inequities India’s healthcare: Private vs public sector - Aljazeera Sherif Elsayed-Ali - Twitter Amnesty Tech - Twitter Universal Declaration of Human Rights Training a single AI model can emit as much carbon as five cars in their lifetime - MIT Technology Review Tackling Climate Change with Machine Learning - Bengio et al., arXiv Visualizing the Consequences of Climate Change Using Cycle-Consistent Adversarial Networks - Schmidt et al., arXiv Use machine learning to find energy materials - Nature Additional Links
    AI-enabled human rights monitoring - Sherif Elsayed-Ali & Tanya O'Carroll Climate Change: How Can AI Help? - Alexandre Lacoste  
    -------------
     
    Cette semaine, nous examinons si et comment l’IA peut aider à bâtir un avenir durable. De la résolution du changement climatique à l’amélioration des soins de santé, l’IA est perçue comme une technologie qui peut résoudre certains des problèmes les plus importants du monde. Mais l’IA peut-elle vraiment nous sauver? Comment pouvons-nous être sûrs que les initiatives d’IA pour le bien aident réellement les personnes qu’elles essaient d’atteindre? Quel rôle les praticiens de l’IA peuvent-ils, ou devraient-ils, jouer dans la recherche de solutions?
    Urvashi Vaneja explique pourquoi nous devrions être sceptiques à l’égard des initiatives d’IA pour le bien qui prétendent être un remède universel, et elle montre comment commencer à penser de manière constructive à la façon de faire mieux. Sherif Elsayed-Ali montre comment l’IA pour le bien peut aider à mesurer l’effet positif des organisations de défense des droits de la personne et aussi pourquoi nous devons élargir notre compréhension actuelle des droits de la personne. Yoshua Bengio réfléchit à ses recherches récentes sur les différentes façons dont l’IA peut être utilisée pour atténuer les changements climatiques et s’y adapter. Yoshua explique également pourquoi il a décidé d’utiliser son expertise en apprentissage machine pour essayer de résoudre le problème du changement climatique, et comment d’autres membres de la communauté de l’apprentissage machine peuvent également aider.
    Sommet sur l’IA pour le bien  Objectifs de développement durable des Nations Unies   Recherche en tandem L’IA pour tous : 10 énigmes sociales pour l’Inde : Document de travail – Recherche en tandem Les applications d’intelligence artificielle risquent d’enraciner les inégalités socio-économiques de l’Inde Les soins de santé en Inde

    • 35 min
    Making Good Jobs with AI

    Making Good Jobs with AI

    Will AI take our jobs? AI’s main application is in the workplace and is being applied along all levels of the payscale. Critics are worried that this could lead to job loss but like any new technology application, it depends on how we implement it. How then can we create AI products that will enhance our capacity for work, not replace it?
    MIT Institute Professor Daron Acemoglu sheds light on AI’s impact on the job market and how AI could help both low skilled and high skilled workers alike. He breaks down how, if we implement AI properly, it could help expand the labour market and reorganize the way we work. Karthik Ramakrishnan, Head of Advisory at Element AI, talks about how we can successfully implement AI in organizations. The trick -- bring workers into the process. 
     
    Guests
    Daron Acemoglu, Institute professor MIT
    1:07 - Daron Acemoglu - MIT
    1:20 - Why Nations Fail by Daron Acemoglu 
    1:20 - Automation and New Tasks: How Technology Displaces and Reinstates Labor
    1:39 - COMPUTER AND DYNAMO: THE MODERN PRODUCTIVITY PARADOX IN A NOT-TOO DISTANT MIRROR
    7:34 - Karthik Ramakrishnan - Twitter 
    10:37 - The four pillars of intelligent AI adoption
    13:25 - Building a strategic AI roadmap for your business - Karthik Ramkrishnan
    18:44 - The Twenty Year History Of AI At Amazon - Forbes 
    20:34 - The Wrong Kind of AI? Artificial Intelligence and the Future of Labor Demand 
    21:49 - It’s good jobs, stupid - Daron Acemoglu
    22:55 - The Future of Work? Work of the Future! - European Commission Report



    Further Readings: 
    Artificial Intelligence, Automation and Work - Daron Acemoglu 
    The Four Pillars of Intelligent AI Adoption - Karthik Ramakrishnan 
    The Revolution Need Not Be Automated - Daron Acemoglu, Pascual Restrepo 
    The Wrong Kind of AI? Artificial Intelligence and the Future of Labor Demand - Daron Acemoglu, Pascual Restrepo 
    Next-Generation Digital Platforms: Toward Human–AI Hybrids (PDF)
    How To Become A Centaur - MIT Press
    Know Your Customers’ “Jobs to Be Done” - HBR
     
    ---------------
     
    L’IA va-t-elle nous voler nos emplois? L’IA est principalement utilisée en milieu de travail et elle s’applique à tous les niveaux de l’échelle salariale. Les détracteurs craignent que cela n’entraîne des pertes d’emplois, mais comme pour toute nouvelle technologie, cela dépend de la façon dont nous la mettons en œuvre. Comment pouvons-nous alors créer des produits d’IA qui amélioreront notre capacité de travail, sans remplacer nos emplois?
    Daron Acemoglu, professeur au MIT Institute, nous éclaire sur les effets de l’IA sur le marché du travail et sur la façon dont l’IA pourrait aider les travailleurs peu qualifiés et hautement qualifiés. Il explique comment, si nous utilisons correctement l’IA, elle pourrait contribuer à l’expansion du marché du travail et à la réorganisation de nos méthodes de travail. Karthik Ramakrishnan, directeur de l’équipe Conseils et mise en œuvre chez Element AI, parle de la façon dont nous pouvons implémenter l’IA avec succès dans les organisations. L’astuce pour y arriver? Impliquer les travailleurs dans le processus.  
     
    Invités
    Daron Acemoglu, professeur au MIT Institute
    1:07 – Daron Acemoglu – MIT
    1:20 – Pourquoi les nations échouent avec Daron Acemoglu 
    1:20 – Automatisation et nouvelles tâches : Comment la technologie déplace et réintègre le travail
    1:39 – ORDINATEUR ET DYNAMO : LE PARADOXE DE LA PRODUCTIVITÉ MODERNE DANS UN MIROIR PAS SI LOINTAIN
    7:34 – Karthik Ramakrishnan – Twitter 
    10:37 – Les quatre piliers de l’adoption intelligente de l’IA
    13:25 – Élaborer une feuille de route d’IA stratégique pour votre entreprise – Karthik Ramkrishnan
    18:44 – Les vingt ans d’histoire de l’IA chez Amazon – Forbes 
    20:34 – Le mauvai

    • 33 min
    Bonus Episode - An Interview with Neil Lawrence

    Bonus Episode - An Interview with Neil Lawrence

    What is data feudalism? Should machines adapt to us or should we adapt to machines?  How can we reinstate agency and control when it comes to our personal data? 
    In this bonus episode, Neil Lawrence, Professor of Machine Learning at the University of Cambridge, joins Element AI’s Head of Government and Public Policy Marc Etienne Ouimette to answer these questions and many more. Neil was featured in a previous episode of The AI Element, “In Data We Trust?”, in which he spoke about data trusts and data protection. In this extended interview he shares more of his thoughts on the future of AI and the growing data divide. 
    1:04 - The Alan Turing Institute - Professor Neil Lawrence 
    1:34 - Cambridge appoints first Deepmind professor of machine learning 
    2:07 - Jonnie Penn 
    2:25 - AI for social good workshop 
    3:02 - Isaac Asimov’s Foundation - Wikipedia 
    12:24 - Data Trusts could allay our privacy fears - The Guardian 
    23:05 - Sylvie Delacroix - Twitter 
    23:09 - Bottom-Up Data Trusts: Distributing the ‘One Size Fits All Approach to Data Governance - Sylvie Delacroix and Neil Lawrence 
     
    Other Readings 
    Data trusts: reinforced data governance that empowers the public - Element AI 
    Data Trusts - Inverse Probability 
    Inverse Probability - Neil Lawrence Blog 
    Talking Machines Podcast - Neil Lawrence Podcast
     
    ---------
     
    Qu’est-ce que le féodalisme des données? Les machines doivent-elles s’adapter à nous ou devons-nous nous adapter aux machines? Comment pouvons-nous rétablir la capacité d’agir et le contrôle en ce qui concerne nos données personnelles? 
    Dans cet épisode bonus, Neil Lawrence, professeur d’apprentissage machine à l’Université de Cambridge, se joint au directeur des relations publiques et gouvernementales d’Element AI, Marc-Étienne Ouimette, pour répondre à ces questions et bien d’autres. Neil a participé à un épisode précédent du balado The AI Element intitulé « In Data We Trust? », dans lequel il a parlé des fiducies de données et de la protection des données. Dans cet entretien prolongé, il nous fait part de ses réflexions sur l’avenir de l’IA et sur la division croissante des données. 
     
    1:04 – L’Institut Alan Turing – Professeur Neil Lawrence 
    1:34 – Cambridge nomme le premier professeur d’apprentissage machine chez DeepMind 
    2:07 – Jonnie Penn 
    2:25 – Atelier L’IA pour le bien social 
    3:02 – Fondation Isaac Asimov – Wikipédia 
    12:24 – Les fiducies de données pourraient apaiser nos craintes en matière de vie privée – The Guardian 
    23:05 – Sylvie Delacroix – Twitter 
    23:09 – Fiducies de données ascendantes : Promouvoir l’approche uniformisée « One Size Fits All » pour la gouvernance des données – Sylvie Delacroix et Neil Lawrence
     
    Autres lectures  
    Fiducies de données : une gouvernance renforcée des données qui habilite le public – Element AI 
    Fiducies de données – Probabilité inverse 
    Probabilité inverse – Blogue de Neil Lawrence 
    Balado Talking Machines – Balado de Neil Lawrence

    • 31 min

Top Podcasts In Business News

Listeners Also Subscribed To