Alexa, comprends-moi

romain muradov

Le 31 août 2012, quatre ingénieurs d'Amazon ont déposé le brevet fondamental pour ce qui est finalement devenu Alexa, un système d'intelligence artificielle conçu pour interagir avec l'un des ensembles de données les plus vastes et les plus embrouillés au monde : la parole humaine. Les ingénieurs n'avaient besoin que de 11 mots et d'un schéma simple pour décrire comment cela fonctionnerait. Un utilisateur masculin dans une pièce calme dit : Veuillez jouer 'Let It Be', des Beatles. Une petite machine de table répond : Pas de problème, John, et commence à jouer la chanson demandée.

Depuis ce début modeste, l'IA basée sur la voix pour la maison est devenue une grande entreprise pour Amazon et, de plus en plus, un champ de bataille stratégique avec ses rivaux technologiques. Google, Apple, Samsung et Microsoft mettent chacun des milliers de chercheurs et de spécialistes des affaires au travail pour essayer de créer des versions irrésistibles d'appareils faciles à utiliser avec lesquels nous pouvons parler. Jusqu'à présent, nous nous sommes tous penchés sur la technologie, en termes de frappe, de tapotement ou de balayage. Maintenant, les nouvelles interfaces utilisateur se plient à nous, observe Ahmed Bouzid, le PDG de Witlingo, qui construit des applications vocales de toutes sortes pour les banques, les universités, les cabinets d'avocats et autres.

Cette histoire faisait partie de notre numéro de septembre 2017

• Voir la suite du problème
• S'abonner

Pour Amazon, ce qui a commencé comme une plate-forme pour un meilleur juke-box est devenu quelque chose de plus grand : un système d'intelligence artificielle basé sur des données humaines et apprenant constamment à partir de celles-ci. Son cylindre Echo alimenté par Alexa et son plus petit Dot sont des aides ménagères omniprésentes qui peuvent éteindre les lumières, raconter des blagues ou vous permettre de lire les nouvelles en mains libres. Ils collectent également des tonnes de données sur leurs utilisateurs, qui sont utilisées pour améliorer Alexa et ajouter à ses utilisations.

Des dizaines de millions de machines alimentées par Alexa ont été vendues depuis leurs débuts sur le marché en 2014. Sur le marché américain des appareils d'IA à commande vocale, on pense qu'Amazon représente environ 70 % de toutes les ventes unitaires, bien que la concurrence s'intensifie. Google Home a également vendu des millions d'unités, et Apple et Microsoft lanceront bientôt leurs propres versions.

La récompense ultime est la possibilité de contrôler, ou du moins d'influencer, trois marchés importants : la domotique, le divertissement à domicile et le shopping. Il est difficile de savoir combien de personnes souhaitent parler à leur réfrigérateur, mais les habitudes de la vie quotidienne évoluent rapidement. De la même manière que les smartphones ont tout changé, de l'étiquette de rendez-vous à la vitesse de marche des piétons, l'IA basée sur la voix commence à bouleverser de nombreux aspects de la vie à la maison. Pourquoi se lever pour verrouiller la porte d'entrée ou démarrer le chauffage de votre voiture par une journée très froide, alors qu'Alexa ou ses proches peuvent instantanément régler les choses à la place ?

Pour l'instant, Amazon n'essaie pas de percevoir des revenus auprès des entreprises fabriquant des thermostats intelligents, des ampoules et d'autres appareils connectés à Alexa. En fin de compte, cependant, il est facile d'imaginer des façons dont les accords de partage des revenus ou d'autres paiements pourraient se propager. Le plus petit de ces trois marchés, la domotique, représente déjà plus de 5 milliards de dollars de dépenses chaque année, tandis que les ventes au détail aux États-Unis l'année dernière ont totalisé 4,9 billions de dollars. Aujourd'hui, Amazon gagne de l'argent sur les machines elles-mêmes, à des prix allant de 50 $ pour les Dots à 230 $ pour les Echos haut de gamme avec écrans vidéo, et récolte un deuxième gain si les utilisateurs finissent par faire des achats plus importants dans la vaste boutique en ligne d'Amazon. (Amazon ne divulguera cependant pas ces chiffres de trafic.)

Pour que les Echos deviennent aussi omniprésents que les smartphones, ils devront faire beaucoup plus de choses. À cette fin, Amazon encourage les développeurs indépendants à créer de nouveaux services sur la plate-forme, tout comme Apple le fait depuis longtemps avec les développeurs d'applications. Plus de 15 000 compétences ou applications de ce type ont été créées à ce jour, et les outils de création d'applications sont devenus si faciles à assembler qu'il est désormais possible de créer une compétence simple en une heure environ, sans trop de connaissances en programmation. Parmi les applications les plus populaires figurent les options de covoiturage d'Uber et de Lyft. Les ratés incluent 48 compétences distinctes qui bombardent les auditeurs d'insultes.

Parmi les développeurs les plus ambitieux figurent des entreprises fabriquant du matériel ou vendant des services qui fonctionnent avec Alexa. Capital One, par exemple, propose le paiement de factures basé sur Alexa à ses clients bancaires ; Ecobee, basé à Toronto, est l'un des nombreux fabricants de thermostats intelligents à installer des versions alimentées par Alexa qui permettent aux gens d'augmenter ou de baisser la température ambiante simplement en prononçant quelques mots. Nos clients ont une vie bien remplie, déclare Stuart Lombard, directeur général d'Ecobee, qui réalise désormais environ 40 % des ventes globales de ses appareils Alexa, la gamme de produits à la croissance la plus rapide de l'entreprise, âgée de 10 ans. Ils doivent lutter contre la circulation pour rentrer chez eux, puis ils doivent nourrir les enfants, changer la couche du bébé et qui sait quoi d'autre. Nous leur donnons un moyen mains libres de faire quelque chose pendant qu'ils sont au milieu d'autres tâches.

Quand la parole rencontre l'IA

Ce qui rend l'IA basée sur la voix si attrayante pour les consommateurs, c'est sa promesse de se conformer à nous, de répondre à notre façon de parler et de penser sans nous obliger à taper sur un clavier ou un écran. C'est aussi ce qui le rend si techniquement difficile à construire. Nous ne sommes pas du tout ordonnés lorsque nous parlons. Au lieu de cela, nous nous interrompons. Nous laissons les pensées en suspens. Nous utilisons des mots, des hochements de tête et des grognements de manière étrange, et nous supposons que nous avons du sens même lorsque ce n'est pas le cas.

Certaines personnes disent non, non, non ; d'autres préfèrent Annuler cela, et un troisième groupe essaie une variante de Attendre, en fait, voici ce que je veux à la place. Alexa n'a pas besoin de décoder chaque énoncé.

Des milliers d'employés d'Amazon travaillent sur ce défi, dont certains dans des centres de recherche à Seattle, Sunnyvale, Californie et Cambridge, Massachusetts. Malgré cela, la page Carrières d'Amazon a récemment proposé 1 100 emplois Alexa supplémentaires répartis dans une douzaine de départements, dont 215 créneaux pour les spécialistes de l'apprentissage automatique. Lors d'une réunion dans les bureaux de l'entreprise à Cambridge, j'ai demandé au scientifique en chef d'Alexa, Rohit Prasad, pourquoi il avait besoin de tant de personnes et quand son équipe de recherche pourrait être entièrement constituée.

Je ris de chaque aspect de votre question, répondit Prasad.

Après quelques secondes, après avoir retrouvé son sang-froid, Prasad a expliqué qu'il travaillait sur la technologie de la parole depuis 20 ans, avec des résultats frustrants et lents pendant la majeure partie de cette période. Au cours des cinq dernières années, cependant, des opportunités géantes se sont ouvertes. Créer une IA à déclenchement vocal vraiment efficace est une tâche complexe et encore invaincue (voir AI’s Language Problem ). Mais alors que dans le passé, les spécialistes de la parole avaient du mal à déterminer la signification exacte d'énoncés parfois chaotiques du premier coup, de nouvelles approches de l'apprentissage automatique progressent en adoptant une approche différente : elles fonctionnent à partir de correspondances imparfaites au départ, suivies d'une affinement des suppositions provisoires. La clé est de travailler sur de grandes quantités de données utilisateur et d'apprendre des erreurs précédentes. Plus Alexa passe de temps avec ses utilisateurs, plus elle collecte de données pour apprendre et plus elle devient intelligente. Avec le progrès vient plus d'opportunités et le besoin de plus de main-d'œuvre.

Permettez-moi de vous donner un exemple, a déclaré Prasad. Si vous demandez à Alexa 'Quel était le premier album d'Adele?', la réponse devrait être ' 19 .’ Si vous dites ensuite ‘Joue-le’, Alexa en saura assez pour commencer à jouer cet album. Mais que se passe-t-il s'il y a des plaisanteries conversationnelles au milieu? Et si vous demandiez d'abord à Alexa en quelle année l'album est sorti et combien d'exemplaires il s'est vendu ? Terminez un tel échange avec le cryptique Play it, et les versions antérieures d'Alexa auraient été bloquées. Maintenant, la technologie peut suivre ce train de pensée, au moins parfois, et reconnaître que cela signifie toujours 19 .

Cette amélioration provient de techniques d'apprentissage automatique qui ont réexaminé des milliers d'échanges précédents dans lesquels Alexa a trébuché. Le système apprend quelle chanson les utilisateurs voulaient réellement entendre et où les premières parties de la conversation ont identifié ce morceau de musique pour la première fois. Vous devez faire des hypothèses au début sur la façon dont les gens vont demander des choses, explique James Glass, chef du groupe des systèmes de langue parlée au MIT. Ensuite, vous collectez des données et ajustez vos modèles.

Les arguments en faveur d'une telle approche d'apprentissage automatique sont largement appréciés, dit Glass, mais pour que cela fonctionne, il faut beaucoup plus de données que les chercheurs universitaires ne peuvent facilement rassembler. Avec l'augmentation de l'utilisation d'Alexa, Amazon a désormais accès à un vaste référentiel d'interactions vocales homme-ordinateur, ce qui lui donne le genre d'avantage dans le réglage fin de sa technologie vocale dont Google bénéficie depuis longtemps dans les requêtes de recherche textuelles. Les données extérieures sont également utiles : une base de données massive de paroles de chansons chargées dans Alexa en 2016, par exemple, a permis de garantir que les utilisateurs demandant la chanson avec conduit ma Chevy à la digue seront dirigés vers American Pie de Don McLean.

L'un des projets les plus récents du groupe Prasad met en évidence la flexibilité de cette approche. Il s'agit de décrypter les moments où les utilisateurs reviennent sur leurs demandes initiales. Les phrases de signalisation peuvent varier énormément. Certaines personnes disent non, non, non ; d'autres préfèrent Annuler cela, et un troisième groupe essaie une variante de Attendre, en fait, voici ce que je veux à la place. Alexa n'a pas besoin de décoder chaque énoncé. De grands échantillons et un apprentissage automatique semi-supervisé lui permettent de définir un groupe de marqueurs probables pour la parole niée, puis de détecter une nouvelle demande cohérente après le changement de cap.

En plus de faire d'Alexa un meilleur auditeur, les experts en intelligence artificielle d'Amazon utilisent des trésors de données pour en faire un meilleur haut-parleur, affinant les cadences de la voix synthétique féminine de la machine, afin de stimuler une utilisation soutenue. Les tentatives traditionnelles de synthèse vocale reposent sur la fusion de nombreux extraits de parole humaine enregistrée. Bien que cette technique puisse produire un son raisonnablement naturel, elle ne se prête pas aux chuchotements, à l'ironie ou à d'autres modulations qu'un locuteur humain engageant pourrait utiliser. Pour affiner la gestion d'Alexa de tout, du dialogue fougueux au récital calme, les algorithmes d'apprentissage automatique d'Amazon peuvent adopter une approche différente, en s'entraînant sur les voix enthousiastes, anxieuses et sages des narrateurs professionnels. Cela aide qu'Amazon possède l'éditeur de livres audio Audible.

Tellement de choses à dire

Parmi les adeptes les plus ardents de l'IA basée sur la voix figurent les personnes qui ne peuvent pas facilement taper sur des téléphones ou des tablettes. Gavin Kerr, directeur général d'Inglis de Philadelphie, qui fournit des logements et des services aux personnes handicapées, a installé des appareils Amazon Echo et Dot dans les maisons de huit résidents. Il espère éventuellement les ajouter aux quelque 300 résidences une fois les essais pilotes terminés. C'est une aubaine incroyable pour les résidents, dit Kerr. Ils peuvent être plus confortables. Cela leur donne de l'indépendance.

Kerr travaille avec des centaines de personnes atteintes de sclérose en plaques ou d'autres conditions débilitantes. Pour ceux qui sont alités ou en fauteuil roulant, un thermostat mural difficile à atteindre peut être une source constante de tourments. Leurs corps ont du mal à réguler la température, explique Kerr. Une pièce à 22 °C peut sembler chaude une heure et froide la suivante. Avec une mobilité limitée, il n'y a pas de moyen facile de se mettre à l'aise, surtout si une assistance 24h/24 n'est pas disponible.

Avec un peu de bricolage, le logiciel d'Alexa peut servir même ceux dont la parole est sévèrement restreinte. Kerr raconte l'histoire d'un homme à la fin de la trentaine qui voulait quitter un établissement de soins de longue durée et retourner dans une communauté ordinaire. Il nous a dit : 'Je ne pourrai jamais utiliser les commandes d'Alexa', se souvient Kerr. Nous lui avons donc demandé : « Que pouvez-vous dire ? ». Ensuite, nous avons retravaillé le logiciel pour qu'il puisse faire fonctionner Alexa selon ses conditions. Maintenant, il dit « Maman » lorsqu'il veut allumer les lumières de la cuisine et « Jean » lorsqu'il veut allumer les lumières de la salle de bain.

Bien qu'Inglis fournisse à ses utilisateurs d'Echo quatre heures de formation, il est beaucoup plus courant que les nouveaux utilisateurs avancent à tâtons. Sortez un Echo de la boîte et un peu d'emballage mettra en évidence des applications particulièrement courantes, telles que la lecture de musique, le réglage d'alarmes ou la mise à jour des listes de courses. Les utilisateurs organisés peuvent appeler les panneaux de contrôle Alexa sur leurs smartphones ou ordinateurs portables pour régler les paramètres, rechercher de nouvelles applications ou obtenir des conseils sur les invites qui permettront à une application de fonctionner au mieux.

Le succès plus large d'Alexa réside dans sa capacité à atténuer le stress d'une vie surbookée. C'est le compagnon qui est toujours prêt à s'engager.

Dans un article de blog largement lu en juin, le chef de produit Microsoft, Darren Austin, a écrit que le succès plus large d'Alexa réside dans sa capacité à atténuer le stress d'une vie surbookée. Avec la simple action de demander, écrit Austin, Alexa soulage les émotions négatives de l'incertitude et la peur de l'oubli. Les utilisateurs deviennent accros à apporter toutes sortes de perplexités ou de désirs momentanés à Alexa, a-t-il soutenu ; c'est le compagnon qui est toujours prêt à s'engager.

Chaque semaine, parfois plus souvent, le directeur général d'Alexa, Rob Pulciani, analyse des données agrégées sur les énoncés les plus courants des utilisateurs d'Alexa et de Dot. En règle générale, le haut de la liste est dominé par les demandes de musique, d'actualités, de météo, de trafic et de jeux. Au printemps dernier, cependant, un nouveau venu montait rapidement. La phrase tendance : Alexa, aide-moi à me détendre.

Lorsque les utilisateurs font cette demande, ils sont dirigés vers une collection de sons apaisants. Les oiseaux gazouillent ; des vagues lointaines frappent le rivage; les trains de marchandises grondent dans la nuit. De telles boucles de bruit ambiant peuvent continuer à jouer pendant des heures si les utilisateurs le souhaitent. Pulciani avait considéré ces applications comme des bizarreries mineures lorsqu'elles sont apparues pour la première fois sur la plate-forme Alexa, en 2015. Mais elles ont rapidement attiré un large public. Les adultes stressés utilisent les sons pour s'endormir. Les parents les transforment en substituts de berceuse pour les nourrissons grincheux. Au cours des semaines qui ont suivi sa découverte, Pulciani et ses collègues ont affiné l'architecture interne d'Alexa afin que les nouveaux acheteurs d'Echo puissent rapidement découvrir des sons apaisants s'ils demandaient des indications sur les nouvelles compétences à essayer.

Conversation soutenue

Dans les études, les plates-formes d'IA de Google, Apple, Microsoft et Amazon montrent toutes des forces différentes. Google Assistant est le meilleur sur les commandes de recherche étendues. Siri d'Apple et Cortana de Microsoft ont d'autres talents. Alexa s'en sort particulièrement bien avec les commandes d'achat.

Le triomphe ultime de l'IA basée sur la voix serait de mener une conversation réaliste de plusieurs minutes avec les utilisateurs. Un tel exploit nécessitera d'énormes sauts dans la capacité des machines à discerner l'intention des locuteurs humains, même lorsqu'il n'y a pas de demande évidente. Les humains peuvent comprendre qu'un ami qui dit que je ne suis pas allé au gymnase depuis des semaines veut probablement parler de stress ou d'estime de soi. Pour les logiciels d'IA, c'est un saut difficile. Les changements soudains de sujet - ou les allusions obliques - sont également difficiles.

Désireux de renforcer les liens avec la prochaine génération de chercheurs en intelligence artificielle et en langage, il y a un an, Amazon a invité des étudiants en ingénierie d'une douzaine d'universités du monde entier à créer des robots vocaux capables de soutenir une conversation de 20 minutes. Le campus qui fera le plus de progrès d'ici la date limite de novembre remportera un prix de 500 000 $. J'ai auditionné une demi-douzaine de ces robots un week-end, passant à chaque fois de simples requêtes à des déclarations d'opinion ouvertes plus délicates qui invitaient toutes sortes de réponses possibles. Nous avons pris un bon départ lorsqu'un bot m'a demandé, avez-vous vu des films récents ? Oui, j'ai répondu, nous avons vu Chiffres cachés . Plutôt que d'imiter les critiques de journaux sur ce film poignant sur les premières années de la NASA, le robot social a riposté : je pensais Chiffres cachés était très mince sur les mathématiques réelles de tout cela. Ce n'est pas mon point de vue sur le film, mais cela semblait être une chose charmante et appropriée à dire pour un programme d'IA. Notre conversation s'est arrêtée peu de temps après, mais au moins nous avons eu ce bref et beau moment.

Histoire connexe

Histoire connexe Des machines qui comprennent vraiment le langage seraient incroyablement utiles. Mais nous ne savons pas comment les construire.

Hélas, aucun des autres robots n'a pu s'en approcher. Le plus confus a laissé échapper des phrases telles que Aimez-vous le service en bordure de rue ? quand je pensais qu'on essayait de parler de sites Internet. J'ai dit quelque chose peut-être un peu pointu sur les limites du bot, seulement pour qu'on me demande : pouvez-vous négocier collectivement ?

Quelques jours plus tard, lorsque j'ai demandé à Prasad d'Amazon son point de vue sur les robots sociaux, aucun de leurs premiers échecs ne l'a dérangé. C'est un domaine super important, m'a-t-il dit. C'est là où Alexa pourrait aller en termes d'être très intelligent. Mais c'est bien plus difficile que de jouer à des jeux comme le Go ou les échecs. Avec ces jeux, même s'ils ont beaucoup de mouvements possibles, vous savez quel est l'objectif final. Avec une conversation, vous ne savez même pas ce que l'autre personne essaie d'accomplir. Quand Alexa sera capable de comprendre cela, nous parlerons vraiment.

George Anders couvre Amazon pour des publications nationales depuis la fin des années 1990. Son dernier livre est Tu peux faire n'importe quoi.

cacher