Entrez le Dragon

Chaque bâtiment a son titre de gloire, dit Janet Baker alors qu'elle me conduit autour d'un bâtiment en briques de trois étages qui se trouve sur une colline surplombant Boston. Autrefois moulin, ce bâtiment a été nettoyé, rénové et transformé en bureaux. C'est aujourd'hui le siège de Dragon Systems, la société que Janet et son mari Jim Baker ont fondée en 1982.

C'est quoi celui-ci ? Je demande.

Cette histoire faisait partie de notre numéro de septembre 1998

• Voir le reste du numéro
• S'abonner

La corde qui pendait John Wilkes Booth a été fabriquée ici, dit-elle avec un sourire.

Une fois que je connais le passé du bâtiment industriel, les signes sont partout. Les sols des deuxième et troisième étages sont légèrement inclinés, de sorte qu'il y a un siècle, les ouvriers pouvaient rouler les énormes bobines de corde. Il y a des portes au troisième étage qui s'ouvrent sur un espace vide, où le bloc et le palan ont abaissé les bobines vers les chariots qui attendaient en dessous. Des poulies et des rouleaux pendent toujours des plafonds du bâtiment.

Mais les historiens qui se souviennent du XXIe siècle sont moins susceptibles de se souvenir de ce vieux moulin pour le nœud coulant qui a tordu le cou de l'assassin d'Abraham Lincoln que pour l'endroit où Dragon Systems a résolu un grand défi de l'informatique : faire en sorte qu'un ordinateur personnel reconnaisse la nature parole humaine.
Depuis le siècle dernier, les ingénieurs ont essayé de construire une machine qui tiendrait compte de la voix de son maître ; même Alexander Graham Bell s'y est essayé. Et tandis que les ordinateurs capables de reconnaître des mots prononcés isolément existent depuis des décennies, à l'automne 1995, les experts proclamaient encore que les machines de bureau capables de transcrire la parole en continu - la façon dont les gens parlent réellement rapidement et parfois confusément - n'existeraient qu'à au moins l'an 2000… et peut-être beaucoup plus tard.

Aujourd'hui, vous pouvez acheter NaturallySpeaking de Dragon Systems dans les magasins d'informatique pour 99,95 $ et l'exécuter sur un nouveau PC coûtant moins de 2 000 $.

Alors, que peut faire cette technologie ? Plus tôt cette année, je me suis assis dans une salle de conférence au siège de Dragon avec un groupe d'écrivains technologiques sceptiques tandis que Joel Gould, l'architecte principal de Dragon Systems, a présenté le programme qu'il a aidé à créer. Gould s'est dirigé vers l'avant de la salle de conférence, a branché son ordinateur portable sur le projecteur, a enfilé un casque téléphonique léger et a commencé à parler.

Je vais d'abord vous faire une démonstration, puis je vais revenir en arrière et vous montrer certaines des choses que vous avez vues passer rapidement, a déclaré Gould. Quelques secondes plus tard, les mêmes mots sont apparus à l'écran, tapés comme par magie par l'ordinateur lui-même. Gould procédait dans ce style conversationnel, la machine transcrivant tout ce qu'il disait. Bien qu'il y ait eu une erreur occasionnelle, la précision de la machine était remarquable. Dans l'espoir de bloquer le programme, un journaliste a demandé s'il pouvait faire la distinction entre les mots qui sonnent de la même manière mais qui sont orthographiés différemment. Gould sourit et laissa échapper un doozy : s'il vous plaît, écrivez une lettre tout de suite à Mme Wright. Dites-lui que deux, c'est trop pour en acheter. Le système a parfaitement reconnu les mots.

La direction de Dragon prédit avec confiance que dans cinq ans, un ordinateur sans un tel logiciel de reconnaissance vocale semblera aussi primitif qu'un ordinateur sans souris semblerait aujourd'hui. Les lettres et les e-mails seront dictés aussi facilement que de parler au téléphone. Juste un pas au-delà, la traduction simultanée sur PC pourrait faire tomber les barrières linguistiques.

L'arrivée de la reconnaissance vocale quelques années avant la date prévue est en grande partie due à la persévérance de Jim et Janet Baker, le couple qui a fondé Dragon en 1982. En tant que chercheurs, le couple a contribué à inventer certains des algorithmes fondamentaux utilisés aujourd'hui par tous les produits de reconnaissance vocale. . En tant qu'entrepreneurs, ils se sont battus pour commercialiser la technologie des années plus tôt que prévu. Maintenant que la parole est sur le bureau, il est clair que notre avenir informatique sera façonné en grande partie par Dragon Systems et l'équipe mari et femme qui lui a donné naissance.

Janet maciver et Jim Baker sont tombés amoureux alors qu'ils étaient tous les deux étudiants diplômés à l'Université Rockefeller de New York. C'était à l'automne 1970. Janet, une biophysicienne sympathique et extravertie, étudiait comment l'information est traitée par le système nerveux. Jim était un mathématicien extrêmement timide à la recherche d'un sujet de thèse prometteur.

Le troisième participant de leur relation - l'énigme de la reconnaissance vocale - est entré en scène un jour où Jim a visité le laboratoire de Janet et a vu un écran d'oscilloscope qui affichait une ligne ondulée en mouvement. Le signal, a expliqué Janet, était un journal continu d'événements en cours produits par un type de petit circuit analogique inventé à l'origine par le professeur Jerome Lettvin au MIT. Les événements sur son écran étaient les sons de la parole humaine.

Cela m'a semblé être un problème de reconnaissance de formes très intéressant, dit Jim, en repensant à ce gribouillis fatidique. Acheminé vers un locuteur, le signal produirait des sons qu'une personne pourrait comprendre : du langage, en somme. Mais affichée à l'écran, l'information était impénétrable.

Et au fur et à mesure que j'en apprenais plus à ce sujet, j'ai appris à quel point le problème était vraiment difficile, se souvient-il. Le principal défi n'était pas simplement de construire un ordinateur capable d'identifier des mots individuels - une équipe des Bell Labs l'avait fait en 1952. Le simple ordinateur de Bell pouvait reconnaître les chiffres de zéro à neuf en faisant correspondre les sons prononcés à un ensemble de modèles stockés dans mémoire analogique. Et dans les années 1970, de tels systèmes de reconnaissance discrets - qui fonctionnaient à condition que le système soit d'abord formé sur la voix du locuteur et que le locuteur fasse une pause entre chaque mot - avaient accumulé quelques centaines de mots.

La vraie tâche était de concevoir un algorithme qui pourrait donner un sens à des phrases prononcées naturellement, où les sons des mots individuels sont camouflés par leur contexte (voir schéma p. 61). Cela [l'a rendu] plus intéressant, dit Jim. Même alors, la reconnaissance continue de la parole lui a semblé un problème de recherche idéal, qu'il qualifie de très difficile mais pas impossible.

Alors que Jim et Janet se préparaient pour leur mariage en 1971, la Defence Advanced Research Projects Agency (DARPA) des États-Unis a lancé un ambitieux projet de cinq ans appelé Speech Understanding Research. L'agence a estimé que toute technologie permettant aux soldats de communiquer plus rapidement avec les ordinateurs pourrait être un avantage stratégique important, en particulier sur le champ de bataille. L'objectif du projet : un système capable de reconnaître la parole humaine continue à partir d'un vocabulaire de 1 000 mots avec une précision de 90 %.

Le moment choisi pour l'initiative de la DARPA était fortuit pour les boulangers, tout comme la formation scientifique de Jim. En tant qu'étudiant de premier cycle, il avait développé une technique mathématique pour analyser des événements apparemment aléatoires, basée sur des méthodes mises au point par le mathématicien russe Andrey Markov (1856-1922). Jim a été la première personne à réaliser que de tels modèles de Markov cachés pourraient être utilisés pour démêler l'énigme de la parole.

La plupart des jeunes mariés collaborent pour résoudre des problèmes tels que le modèle à choisir pour leur porcelaine de mariage. Les boulangers n'ont pas ignoré ces tâches (ils ont choisi un dragon), mais ont ensuite décidé de s'attaquer également au problème de la reconnaissance vocale. Pourtant, ils se sont retrouvés de plus en plus isolés à Rockefeller, qui n'avait pas d'experts en compréhension de la parole et manquait de puissance informatique pour essayer les techniques de Jim. Ainsi, l'année suivante, ils ont fait leurs valises et transférés à l'Université Carnegie Mellon, l'un des principaux sous-traitants du projet DARPA et un foyer de recherche sur l'intelligence artificielle (IA).

Chez Carnegie Mellon, les Baker ont découvert que leur approche de la reconnaissance vocale était bien en décalage avec le courant dominant. À l'époque, de nombreux chercheurs en IA pensaient qu'une machine ne pouvait reconnaître des phrases prononcées que si elle pouvait d'abord comprendre une grande partie du contexte, y compris qui était le locuteur, ce que le locuteur savait et ce que le locuteur pourrait essayer de dire, ainsi que le règles de grammaire anglaise. En d'autres termes, pour reconnaître la parole, une machine devrait être assez intelligente.

Les Bakers ont tenté une approche complètement différente. S'appuyant sur l'expérience de Jim avec les modèles de Markov, ils ont créé un programme qui fonctionnait dans un domaine purement statistique. Tout d'abord, ils ont commencé à calculer la probabilité que deux ou trois mots apparaissent l'un après l'autre en anglais. Ensuite, ils ont créé un dictionnaire phonétique avec les sons de ces groupes de mots. L'étape suivante consistait en un algorithme pour déchiffrer une chaîne de mots prononcés non seulement en fonction d'une bonne correspondance sonore, mais également en fonction de la probabilité que quelqu'un les prononce dans cet ordre. Le système n'avait aucune connaissance de la grammaire anglaise, aucune base de connaissances, aucun système expert basé sur des règles, aucune intelligence. Rien que des chiffres.

C'était une idée très hérétique et radicale, dit Janet. Beaucoup de gens ont dit, ce n'est pas de la parole ou du langage, ce sont des mathématiques ! C'est autre chose !

Bien que la pensée des Boulangers ait rencontré un scepticisme généralisé, déclare Victor Zue, directeur associé du Laboratoire d'informatique du MIT et collègue pionnier de la recherche sur la parole, le temps a prouvé que [les Boulangers] avaient raison de poursuivre ce type d'approche. En effet, le système des boulangers, qu'ils ont nommé Dragon d'après la créature qui ornait leur ensemble de porcelaine, a rapidement commencé à surpasser systématiquement les méthodes concurrentes.

Lorsque les Baker ont obtenu leur doctorat de Carnegie Mellon en 1975, leur travail de pionnier leur a rapidement valu des emplois au Thomas J. Watson Research Center d'IBM, à l'extérieur de New York. À l'époque, IBM était l'une des seules organisations travaillant dans le domaine de la reconnaissance vocale continue à grand vocabulaire. Nous ne sommes pas allés chez [IBM] pour dire : vous devez nous embaucher tous les deux », se souvient Jim. Cela a juste fonctionné de cette façon. C'était, cependant, un modèle qui se répéterait. Aujourd'hui, avec Jim en tant que président/directeur général et Janet en tant que présidente de Dragon Systems, les Bakers sont fiers d'avoir des curriculum vitae presque identiques.

Chez IBM, les Baker ont conçu un programme capable de reconnaître la parole continue à partir d'un vocabulaire de 1 000 mots. C'était loin d'être en temps réel, cependant. Fonctionnant sur un ordinateur IBM 370, le programme a pris environ une heure pour décoder une seule phrase parlée. Mais ce qui a plus frustré les Baker que d'attendre du temps sur le mainframe, c'est le refus d'IBM de tester la reconnaissance vocale dans des conditions réelles.

IBM est une excellente institution de recherche et nous avons apprécié d'y travailler, déclare Janet. Mais nous étions très impatients de lancer les choses sur le marché et d'obtenir de vrais utilisateurs. Les vrais utilisateurs ne pouvaient certainement pas attendre une heure pour qu'un ordinateur transcrive une phrase. Mais, note-t-elle, vous auriez pu faire des choses plus simples en utilisant beaucoup moins de ressources [informatiques]. La direction d'IBM a ressenti le contraire et a dit aux Boulangers qu'ils étaient prématurés.
C'était l'apogée des opportunités manquées chez IBM (comptez les bases de données relationnelles et les microprocesseurs RISC parmi les inventions clés que la société n'a pas réussi à commercialiser) et en 1979, la frustration des boulangers a débordé. Le couple a sauté sur Verbex, une filiale d'Exxon Enterprises basée à Boston qui avait construit un système de collecte de données par téléphone via des chiffres parlés. Jim (en tant que vice-président du développement avancé nouvellement créé) et Janet (en tant que vice-président de la recherche) ont décidé de faire en sorte que le programme gère le discours continu.

Mais moins de trois ans plus tard, Exxon s'est retiré du marché de la reconnaissance vocale et les Baker cherchaient à nouveau du travail. Cette fois, leur curriculum vitae ressemblant a été source de problèmes - il n'y avait aucun travail pour aucun d'eux. Le duo s'est rendu compte qu'ils étaient confrontés à un choix : se séparer de la reconnaissance vocale en changeant de domaine, ou se lancer seuls.

En 1982, sans capital-risque, sans plan d'affaires, deux enfants d'âge préscolaire et une grosse hypothèque, les Baker ont fondé Dragon Systems. Ils dirigeaient l'entreprise depuis leur salon et pensaient que leurs économies pourraient durer 18 mois, peut-être 24 mois s'ils mangeaient assez peu.

Un peu costauds mais pas vraiment déformés, les Boulangers ressemblent aujourd'hui beaucoup plus à des universitaires heureusement vieillissants qu'à des entrepreneurs à succès. Mais en parcourant le somptueux quartier général de Dragon, il est immédiatement évident qu'ils sont tous les deux. Dragon Systems a connu une croissance de près de 50 % chaque année au cours des 16 dernières années ; elle emploie aujourd'hui plus de 260 personnes. Leur secret, dit Janet, était une décennie d'autonomie. Plutôt que de s'endetter ou de vendre une participation dans l'entreprise à des étrangers, les Baker ont insisté sur le fait que les salaires et les dépenses devaient être payés à même les revenus. En conséquence, Dragon s'est concentré sur la résolution de problèmes du monde réel avec la technologie actuelle et a réussi à tenir ses promesses.

Les années qui ont suivi l'éclosion de Dragon ont apporté une longue liste de projets personnalisés, de contrats de recherche et de produits uniques reposant sur l'approche de reconnaissance discrète de plus en plus robuste. Parmi les points de repère figurait le premier accord de Dragon, dans lequel une petite entreprise britannique appelée Apricot Computers a utilisé la technologie de Dragon pour commercialiser le premier ordinateur personnel permettant aux gens d'ouvrir des fichiers ou d'exécuter des programmes en prononçant des commandes simples. (Hélas, Apricot avait mûri en avance sur son temps et a rapidement fait faillite.) En 1986, les employés de Xerox armés de microphones et d'émetteurs radio ont utilisé la technologie Dragon pour effectuer un audit de l'ensemble du stock de 2,2 millions de pièces de l'entreprise.

En 1990, Dragon a introduit DragonDictate 30K, le premier système de synthèse vocale à grand vocabulaire pour la dictée à usage général. Le programme a permis à un utilisateur de contrôler un PC en utilisant uniquement la voix et a immédiatement trouvé les faveurs des personnes handicapées, dont l'acteur Christopher Reeve.

Mais la technologie discrète de Dragon n'a pas pu pénétrer le marché général. Bien que de nombreuses personnes puissent saisir du texte avec DragonDictate plus rapidement qu'elles ne le pouvaient, personne n'aimait être obligé de faire une pause entre chaque mot prononcé. Pire encore, les concurrents arrivaient en force avec leur propre technologie de reconnaissance vocale discrète. Tout le monde savait que ce que les utilisateurs voulaient vraiment, c'était la reconnaissance vocale continue, et que la première entreprise sur le marché serait sur le point de dominer. Mais tout le monde savait aussi qu'un produit continu était dans au moins cinq ans, peut-être même une décennie.

Puis à un moment donné à la fin de 1993, les Baker ont réalisé que la sagesse conventionnelle était fausse. Connaissant la vitesse à laquelle la vitesse et la mémoire de l'ordinateur s'amélioraient, ils ont calculé que les machines de bureau haut de gamme devraient avoir la capacité d'effectuer une reconnaissance continue en quelques années. Tout comme le duo avait autrefois risqué sa carrière sur une nouvelle approche farfelue de la reconnaissance vocale, au cours du premier semestre de 1994, les boulangers ont commencé à refaire leur entreprise dans le but de saisir l'opportunité et de mettre leurs idées sur le marché.

Alors que Jim a mis en place une nouvelle équipe de développement pour construire le premier système de reconnaissance vocale continu de Dragon, Janet a négocié un accord avec le fabricant de disques durs basé en Californie Seagate Technologies pour acheter 25 % des actions de Dragon. L'entreprise a utilisé l'argent pour doter ses équipes d'ingénierie, de marketing et de vente en personnel. En un an, Dragon disposait de la plus grande équipe de recherche sur la parole au monde, avec plus de 50 scientifiques et ingénieurs logiciels.

Le nouveau produit continu serait vraiment deux programmes en un. Le premier, le module de reconnaissance, s'occuperait du travail réel de conversion des énoncés parlés en texte anglais. Le deuxième programme était l'interface, connectant le module de reconnaissance à la fois à l'utilisateur et au reste du système d'exploitation de l'ordinateur. Si la première moitié était de la science pure (en s'appuyant sur les premiers travaux des Baker), la seconde était le mélange frustrant d'ingénierie et d'art nécessaire pour transformer la science en un produit commercialisable.

Le plus délicat de ces problèmes réels consistait à faire fonctionner correctement le logiciel dans un environnement Windows. Windows est affreux, déplore Dragon's Gould, qui a assumé la tâche critique de concevoir l'interface utilisateur. C'est bogué, mal documenté, incohérent et des morceaux [sont] presque inutilisables. C'est pourtant ce que font tous nos clients.

En avril 1997, l'équipe de Dragon avait franchi les principaux obstacles et avait commencé à laisser entendre aux analystes de l'industrie que quelque chose d'important se préparait. Nous étions sceptiques, se souvient Peter Ffoulkes du cabinet d'études de marché Dataquest. Puis il a vu la démo-qui arborait un vocabulaire de 230 000 mots. Nous avons été à peu près époustouflés par la capacité. Nous ne nous attendions pas à ce qu'il soit ici aujourd'hui, et c'est vraiment le cas, dit Ffoulkes.

Les Boulangers avaient misé leur entreprise et ils avaient parié juste. Le nouveau produit de reconnaissance continue, appelé Dragon NaturallySpeaking, a été un succès instantané. Le bureau de Janet Baker a commencé à se remplir de demandes d'entreprises souhaitant intégrer la technologie de Dragon à leurs applications logicielles. Des articles sur NaturallySpeaking sont parus dans des publications du monde entier ; Gould a fait la démonstration du programme sur CNN. Cet automne-là, NaturallySpeaking a balayé le salon COMDEX de l'industrie, remportant tous les prix de produits majeurs.

Le temps de Dragon seul sous les projecteurs, cependant, a été bref. Lorsque la société a lancé NaturallySpeaking pour la première fois en juin 1997, IBM a réagi en réduisant le prix de son système de reconnaissance vocale discret Voice Type à 49,95 $. Et parce que la nouvelle de la sortie imminente de NaturallySpeaking avait été divulguée des mois plus tôt, IBM avait déjà lancé un effort pour déplacer son propre programme de reconnaissance vocale en continu (développé dans le même laboratoire où les Bakers avaient travaillé dans les années 1970) à la porte aussi vite que possible. Le produit, IBM ViaVoice, a atteint les étagères des magasins dont le prix d'août était de 99 $ seulement.

IBM a vraiment époustouflé les choses, déclare John Oberteuffer, président de Voice Information Associates, qui étudie le marché de la reconnaissance vocale. J'ai utilisé les deux et en ce qui concerne la précision de la reconnaissance pure, je dirais qu'ils sont comparables, dit-il. Dragon a été contraint de réduire et de réduire son prix de 700 $ à 299 $, puis à 199 $. À la fin de l'année, Dragon avait vendu 29 463 exemplaires de NaturallySpeaking, tandis qu'IBM avait vendu 46 182 exemplaires de ViaVoice, selon PC Data. Mais dans le chiffre d'affaires global des produits, Dragon avait dépassé Big Blue.

cacher