Google aux développeurs : voici comment arrêter de créer des chatbots idiots

Généralement, les ordinateurs sont inutiles pour tenir une conversation. Ils prennent juste les choses un peu trop au pied de la lettre. Mais Google enseigne aux ordinateurs comment donner un sens aux aléas de la parole et du texte humains.

À partir d'aujourd'hui, Google ouvre ces algorithmes aux développeurs de logiciels externes. Les outils publiés aideront les programmeurs à créer des applications et des services basés sur le langage qui sont moins sujets aux malentendus ennuyeux que la plupart des chatbots d'aujourd'hui. Et ils devraient aider les développeurs à devenir accros aux puissantes techniques d'apprentissage automatique que Google met au point.

La maîtrise de la grammaire et de la syntaxe de Google aide l'entreprise à fournir des résultats de recherche plus précis, et cela deviendra de plus en plus important à mesure que de plus en plus de ses appareils et services dépendront du contrôle vocal.

Les smartphones basés sur le logiciel de Google peuvent, bien sûr, déjà être contrôlés par la voix, et l'on pense généralement que la société développe des appareils domestiques, similaires à l'Echo d'Amazon, qui dépendent davantage de l'interaction vocale. La publication d'un outil qui rend la compréhension des langues plus accessible a donc beaucoup de sens stratégique.

La plupart de nos utilisateurs interagissent avec nous par le biais du langage, explique Fernando Pereira, qui dirige les efforts de l'entreprise en matière de compréhension du langage naturel et d'apprentissage automatique. Ils posent des questions, dactylographiés ou parlés. Et donc pour bien servir l'utilisateur, nous devons faire en sorte que nos systèmes comprennent ce que veulent les utilisateurs.

L'un des outils publiés aujourd'hui, appelé SyntaxNet, peut apprendre à comprendre le sens des mots et des phrases compte tenu de leur contexte et de leur utilisation courante. Cela fonctionne avec le cadre d'apprentissage en profondeur précédemment publié par Google, appelé TensorFlow. Et c'est le composant le plus complexe et le plus sophistiqué construit avec TensorFlow à ce jour.

Google a également publié un analyseur pré-formé pour l'anglais, appelé Parsey McParseface (un porte-parole a déclaré que l'entreprise avait du mal à trouver un nom lorsque quelqu'un a suggéré ce surnom accrocheur). Le texte introduit dans l'analyseur sera automatiquement divisé en composants syntaxiques tels que les noms, les verbes, les sujets et les objets. Cela permet à un ordinateur d'analyser plus facilement les requêtes ou commandes ambiguës.

Google s'appuie généralement sur les données et l'apprentissage automatique - et en effet, certaines autres approches, telles que Facebook, tentent d'entraîner les ordinateurs à analyser le langage en leur fournissant de grandes quantités de données en grande partie non étiquetées (voir Enseigner aux machines pour nous comprendre ). Mais le projet de compréhension du langage de Google, décrit dans un document en ligne, est plutôt construit autour de l'expertise humaine. Depuis plus de huit ans, des linguistes professionnels travaillent à l'annotation de texte pour l'entreprise. Et des progrès récents ont été réalisés en alimentant ces annotations dans un vaste réseau neuronal d'apprentissage en profondeur.

Comprendre le langage est incroyablement difficile pour les ordinateurs car le langage est souvent ambigu. Une requête de recherche aussi simple que Find me cats in hats peut être interprétée comme une requête portant soit sur des chats portant des chapeaux, soit sur des chats assis avec des chapeaux. Alors que les humains utilisent des connaissances générales pour lever l'ambiguïté de telles phrases, la technologie de Google utilise l'apprentissage automatique. Son système d'apprentissage en profondeur, formé avec du texte syntaxique, porte un jugement sur la structure la plus probablement correcte d'une déclaration. Dans le cas des chats avec des chapeaux, cela suppose que le chercheur s'intéresse aux félins avant-gardistes.

Dave Orr, chef de produit chez Google chargé de trouver des applications commerciales pour les recherches de l'entreprise sur la compréhension du langage, m'a fait la démonstration de la technologie. Il a alimenté plusieurs articles de Examen de la technologie MIT dans une version interne de l'analyseur de langage. Il a fait quelques erreurs triviales - par exemple, confondre le mot volonté au début d'une phrase avec mon prénom - mais semblait généralement annoter les phrases avec une précision impressionnante, identifiant les structures syntaxiques qui capturaient correctement le sens du titre ou du titre. C'est le meilleur analyseur que quiconque ait créé, dit Orr. Nous pensons que c'est proche du niveau humain.

En interne, Google combine son système de langage naturel avec une base de données d'informations sémantiques appelée Knowledge Graph. Cela lui permet de reconnaître des objets, des personnes, des lieux et d'autres concepts particuliers et de réagir en conséquence. Le système est également souvent capable de classer correctement les nouveaux mots en les comparant avec d'autres mots qui apparaissent dans un contexte similaire. Jusqu'à présent, la technologie fonctionne pour 15 langues. Certaines langues sont plus difficiles à analyser linguistiquement, ce qui rend la formation plus difficile, dit Orr.

La technologie est cependant loin d'être capable de comprendre parfaitement l'anglais. Nos systèmes fonctionnent mieux sur des textes bien structurés et bien édités, déclare Pereira. L'irrégularité des médias sociaux et des requêtes de recherche est plus difficile. Nous avons fait des progrès là-bas, mais il y a beaucoup de marge de manœuvre.

Il existe également encore de nombreuses ambiguïtés qui nécessitent un niveau humain de bon sens - des choses que nous apprenons de l'expérience et des instructions de nos pairs et de nos parents, dit Pereira. Ce genre de capacité très riche à résoudre des problèmes est là où nos systèmes sont complètement perdus.

Noah Goodman, professeur à l'Université de Stanford qui étudie la compréhension du langage, affirme qu'une meilleure compréhension syntaxique n'est que le début de ce dont les ordinateurs ont besoin pour maîtriser le langage. La syntaxe est certainement une partie importante du langage, dit-il. Mais c'est un grand pas de là à la sémantique et de la sémantique superficielle au sens déduit.

cacher