Par: Krista Davidson
9 Déc, 2019
L’art de la conversation par IA
09 décembre 2019
Siva Reddy (Mila), titulaire d’une chaire en IA Facebook-CIFAR, utilise l’apprentissage automatique pour doter les machines du don de la conversation. Ses recherches se concentrent sur la mise au point de modèles structurés pour aider les machines à comprendre et à utiliser le langage conversationnel.
Siva est l’un des deux titulaires d’une chaire en IA Facebook-CIFAR annoncés dans le cadre de la Stratégie pancanadienne en matière d’IA. Provenant de l’Université Stanford, il se joint au corps professoral de Mila et entrera en fonction à l’école d’informatique et au département de linguistique de l’Université McGill au début de 2020.
Jusqu’à présent, les systèmes de dialogue conversationnel n’ont guère progressé dans le domaine de l’IA. C’est qu’il est facile d’entraîner des machines pour qu’elles apprennent des mots et des phrases, mais plus difficile de leur apprendre le dialogue conversationnel. Par exemple, si un patient demande à un agent conversationnel de lui recommander un médicament pour soulager un mal de tête, puis lui demande quels en sont les effets secondaires, la machine doit comprendre que les deux questions sont liées et donner des conseils appropriés en dialoguant de façon naturelle.
« L’IA peut aider à comprendre le fonctionnement du langage », indique Siva. Il ajoute qu’il s’agit d’un problème intéressant parce que le langage est compositionnel, de sorte que les machines peuvent apprendre davantage à partir de moins de données. En fait, les machines sont très efficaces pour détecter les schémas du langage et en tirer des leçons. C’est prometteur parce que cela signifie qu’elles n’ont pas à s’appuyer sur de grands ensembles de données, qui sont à la fois coûteux et difficiles à obtenir.
Inspiré par le pouvoir du langage
Siva s’est intéressé au pouvoir du langage lorsqu’il a été embauché par une entreprise pour créer des dictionnaires pour les langues indiennes. Il a été frappé par le manque de ressources disponibles pour les personnes qui voulaient apprendre l’anglais. Bien que 70 millions de personnes parlent le télougou, peu de ressources existent pour celles qui veulent apprendre l’anglais. C’était sa première introduction au traitement du langage naturel.
En tant que premier membre de sa famille à terminer ses études secondaires et à fréquenter l’université, Siva connaissait bien les obstacles sur les plans de l’alphabétisation et de l’éducation que doivent surmonter de nombreux peuples dans le monde, notamment dans sa ville natale de l’Inde du Sud. Cela l’a inspiré à étudier l’apprentissage automatique et le traitement du langage naturel en vue de permettre aux machines de comprendre le langage conversationnel.
« J’envisage un avenir où la plupart des appareils mécaniques seront remplacés par leurs homologues intelligents qui interagissent en parlant, affirme-t-il. L’IA conversationnelle pourrait rendre accessibles à tous, dans un langage clair et courant, des connaissances spécialisées, notamment en droit, en sciences et en médecine. »
« Si les gens sont capables d’interagir avec les machines, il sera possible de rassembler plus de gens grâce à la technologie et de rendre le savoir plus accessible », dit-il.
« J’envisage un avenir où la plupart des appareils mécaniques seront remplacés par leurs homologues intelligents qui interagissent en parlant, affirme-t-il. L’IA conversationnelle pourrait rendre accessibles à tous, dans un langage clair et courant, des connaissances spécialisées, notamment en droit, en sciences et en médecine. »
« Ma mission consiste à créer de nouveaux algorithmes et ensembles de données qui permettent de créer rapidement des interfaces linguistiques pour les appareils, les applications et les langues », soutient-il.
Les défis de l’IA conversationnelle
Le fait que les machines ne peuvent pas comprendre le langage naturel des humains est l’un des principaux défis du traitement du langage naturel. Elles comprennent les langages de programmation, qui doivent être convertis en codes de programmation et appariés au langage.
Parmi les autres défis importants, mentionnons la capacité d’interprétation, qui fait référence à la capacité d’expliquer pourquoi les machines ont fait certaines prédictions. Sans un ensemble de données aux contraintes définies, il est difficile de comprendre, et donc de faire confiance, aux modèles d’apprentissage automatique.
« Mila est l’une des principales raisons pour lesquelles j’ai choisi de poursuivre mes recherches au Canada, confie-t-il. On y retrouve la plus grande concentration de talents dans le domaine de l’intelligence artificielle. Je crois que mon expérience en traitement du langage naturel et en linguistique s’avérera un beau complément au travail de mes futurs collaborateurs. »
Il faut également tenir compte des biais. « Lors de l’élaboration d’un système de recommandation, il est important que celui-ci ne soit pas biaisé en fonction de la race et du sexe. Lorsqu’une machine discute avec une personne, elle devrait être en mesure de détecter tous les biais possibles », ajoute Siva.
Il est enthousiaste à l’idée de relever ces défis à Mila. « Mila est l’une des principales raisons pour lesquelles j’ai choisi de poursuivre mes recherches au Canada, confie-t-il. On y retrouve la plus grande concentration de talents dans le domaine de l’intelligence artificielle. Je crois que mon expérience en traitement du langage naturel et en linguistique s’avérera un beau complément au travail de mes futurs collaborateurs. »
Le programme des chaires en IA Canada-CIFAR constitue le programme clé de la Stratégie pancanadienne en matière d’IA du CIFAR. Au total, 86,5 millions de dollars sur cinq ans ont été attribués à ce programme pour attirer et maintenir en poste des chercheurs en IA de renommée internationale au Canada. Les titulaires d’une chaire en IA Canada-CIFAR annoncés à ce jour réalisent des recherches dans un vaste éventail de domaines, notamment : apprentissage automatique au service de la santé, véhicules autonomes, réseaux neuronaux artificiels et changements climatiques.