211service.com
Le chatbot parfait et impossible de Facebook
Tim Liedke
Alexa d'Amazon peut invoquer un Uber et satisfaire la demande de bruits de pet d'un enfant de quatre ans. Siri peut contrôler votre thermostat connecté à Internet. Chacun dessert des millions d'utilisateurs chaque jour. Mais un groupe chanceux d'environ 10 000 personnes, principalement en Californie, sait que l'assistant de Facebook, nommé M, est le plus intelligent du groupe.
Recommander et réserver un hôtel romantique au Maroc adapté aux petits enfants ? Aucun problème. Obtenir des devis d'entrepreneurs locaux pour l'aménagement paysager de votre cour avant ? Considérez que c'est fait. L'assistant expérimental de Facebook, proposé dans l'application Messenger de l'entreprise, montre l'intérêt d'avoir un véritable majordome numérique dans votre poche. Au lieu de simplement récupérer de simples informations dans des bases de données, M peut comprendre des commandes complexes et prendre des mesures telles que réserver des billets de théâtre ou contacter des entreprises pour obtenir des informations.
M est si intelligent parce qu'il triche. Cela fonctionne comme Siri en ce sens que lorsque vous tapez un message sur M, les algorithmes essaient de comprendre ce que vous voulez. Quand ils ne peuvent pas, cependant, M ne se rabat pas sur la recherche sur le Web ou sur le fait de dire que je suis désolé, je ne comprends pas la question. Au lieu de cela, un être humain prend le relais de manière invisible, répondant à votre demande comme si les algorithmes étaient toujours aux commandes. (Facebook a refusé de dire combien de ces travailleurs il a, ou de rendre M disponible pour essayer.)
Cette conception est trop chère pour être adaptée aux 1,2 milliard de personnes qui utilisent Facebook Messenger, donc Facebook a proposé M à quelques milliers d'utilisateurs en 2015 comme une sorte de projet de R&D semi-public. L'entrelacement des travailleurs humains et des algorithmes visait à révéler comment les gens réagiraient à un assistant virtuel omniscient et à fournir des données qui permettraient aux algorithmes d'apprendre à prendre en charge le travail de leurs formateurs humains.
Tout le monde dans ce domaine rêve de créer l'assistant qui sera enfin très, très, très intelligent, explique Alex Lebrun, à l'origine du projet. M est censé ouvrir la voie pour vraiment le faire.
Maintenant, deux ans plus tard, le projet de recherche de Facebook peut à juste titre être qualifié de réussi. Des utilisateurs comme M, et la théorie selon laquelle les logiciels pourraient apprendre à prendre en charge une partie du travail des formateurs humains ont été confirmées. Pourtant, M est encore loin du point où il pourrait être un véritable produit offert aux autres 99,9% des utilisateurs de Messenger, et les progrès ont été plus difficiles à gagner que prévu.
Nous savions que c'était un énorme défi, mais c'est encore plus grand que je ne le pensais, dit Lebrun. Le taux d'apprentissage, la croissance de l'automatisation - nous avons vu que ce serait plus lent que nous l'espérions. L'histoire de M nous rappelle le chemin parcouru par l'intelligence artificielle ces dernières années et jusqu'où elle doit aller.
M est pour Moonshot
Les gens sont étonnamment prêts à parler avec des machines stupides. Le premier chatbot a été créé en 1964 par le professeur du MIT Joseph Weizenbaum. Il trottait des lignes en conserve en réponse à des mots-clés spécifiques, avec plus de succès lorsqu'il jouait le rôle d'un thérapeute. Au grand dam de Weizenbaum, de nombreuses personnes qui l'ont essayé, y compris sa propre secrétaire, ont été frappées alors qu'elles savaient que le bot, appelé Eliza, ne savait rien. Je n'avais pas réalisé que des expositions extrêmement courtes à un programme informatique relativement simple pouvaient induire de puissantes pensées délirantes chez des personnes tout à fait normales, écrivit-il plus tard.
Créer un chatbot qui vous aide à faire avancer les choses, et pas seulement à servir de caisse de résonance ou de confesseur, est beaucoup plus difficile. Lorsqu'on demande à un serviteur virtuel de faire quelque chose, une réponse vague ou détournée ne suffira pas. Les logiciels d'aujourd'hui ne comprennent pas bien le langage et le monde, de sorte que les assistants virtuels, tels que Siri ou Alexa, doivent être explicitement programmés pour gérer une tâche donnée.
C'est pourquoi les robots sur le marché ont des répertoires restreints. Et cela explique probablement pourquoi les suggestions de l'année dernière selon lesquelles les chatbots devaient transformer la façon dont nous utilisons les ordinateurs autant que les applications mobiles l'ont fait, alimentées par Microsoft, Facebook et certains investisseurs technologiques, ne semblent pas avoir beaucoup compté. Les bots sont actuellement au bord du désespoir, déclare Greg Cohn, PDG de Burner, une société de confidentialité mobile qui a commencé à aider les hôtes Airbnb à créer un bot simple pour répondre aux questions courantes des voyageurs. Pour les observateurs de l'industrie, ils ont l'impression d'être sur-médiatisés et sous-livrés.
Lebrun a construit M parce qu'il avait passé plus d'une décennie à construire des chatbots conventionnels et étroits et qu'il rêvait d'offrir bien plus. Il a rejoint Facebook début 2015 lorsque le réseau social a acquis Wit.ai, une société qu'il a cofondée pour aider les entreprises à créer des chatbots pour des fonctions telles que le support client. Lebrun avait précédemment vendu une société de chatbot au géant de la reconnaissance vocale Nuance.
Chaque bot sur le marché, y compris le mien, était basé sur des règles, et vous savez qu'un jour vous atteindrez un plafond et ne le traverserez jamais, dit Lebrun. Nos enfants ne travaillent pas avec des règles ou des scripts, et un jour ils deviennent plus intelligents que vous.
M n'était initialement proposé qu'aux employés de Facebook, puis à certains gros utilisateurs de Messenger en Californie. Et il n'a pas fallu longtemps pour démontrer que les algorithmes pouvaient effectivement apprendre à faire une partie du travail effectué par les humains qui alimentent l'assistant.
Tim Liedke
Le groupe de recherche sur l'intelligence artificielle de Facebook a utilisé M pour tester un nouveau type de logiciel d'apprentissage appelé réseau de mémoire, qui avait montré une aptitude à répondre à des questions sur des histoires simples. Le logiciel utilise une sorte de mémoire de travail pour saler les informations importantes pour une utilisation ultérieure, une conception que Google teste également pour améliorer les capacités de raisonnement du logiciel.
Weizenbaum avait suggéré en 1964 que quelque chose comme ça pourrait rendre Eliza plus intelligente, et en quelques semaines, cela a fonctionné pour M. Lebrun se souvient avoir été surpris après avoir remercié l'assistant d'avoir commandé des billets de cinéma. Il a généré automatiquement la réponse Vous êtes les bienvenus. Apprécier le film. M avait appris à se souvenir et à utiliser le contexte de la tâche à laquelle il aidait. Nous avons été vraiment époustouflés, dit Lebrun. Personne n'a écrit de programme pour faire ça.
Les réseaux de mémoire ont continué à faire plus. Ils se déclenchent désormais si quelqu'un demande à M de se faire livrer des fleurs, par exemple, en utilisant automatiquement les informations clés de la demande, telles que le budget ou l'adresse, pour générer des suggestions de fleuristes en ligne. Le formateur humain choisit alors lequel offrir à l'utilisateur.
D'autres découvertes ont été moins réjouissantes. L'un est l'énorme appétit que M déverrouille chez ses utilisateurs. Avec des assistants limités et entièrement automatisés comme Siri ou Alexa, les gens ont tendance à se contenter d'utiliser quelques fonctions qu'ils trouvent fiables. Avec M, ils ne le font pas.
Les gens essaient d'abord de demander le temps qu'il fera demain; puis ils demandent 'Y a-t-il un restaurant italien disponible?' Ensuite, ils ont une question sur l'immigration, et après un certain temps, ils demandent à M d'organiser leur mariage, dit Lebrun. Nous savions que ce serait dangereux, et c'est plus large que nos attentes.
Les formateurs humains font de leur mieux lorsqu'ils reçoivent des questions difficiles comme Faire en sorte qu'un perroquet rende visite à mon ami , mais parfois ils refusent complètement d'aider. Même si M devait automatiquement refuser les requêtes les plus complexes des utilisateurs, la grande variété de leurs demandes rend l'objectif de faire en sorte que les algorithmes prennent le relais des formateurs humains plus difficile à atteindre. Une technique appelée apprentissage en profondeur a récemment rendu l'apprentissage automatique plus puissant (les réseaux de mémoire en sont un exemple). Mais apprendre à gérer une grande variété de scénarios complexes, avec peu de données sur chacun parce qu'ils ne surviennent pas souvent, n'est pas le genre de problème dans lequel l'apprentissage en profondeur excelle. Il est beaucoup plus intelligent et peut apprendre des tâches très complexes, mais il a besoin de beaucoup de données, explique Lebrun.
Long-courrier
Des progrès plus lents que prévu ont conduit Facebook à repenser son projet. La semaine dernière, une fonctionnalité appelée M Suggestions est apparue dans Messenger, dont la fonction est similaire aux types de bots limités que M est censé déplacer. Il examine vos conversations avec des amis pour trouver des indices que vous pourriez vouloir faire des choses comme commander un trajet avec Uber ou envoyer de l'argent à quelqu'un, et propose un bouton pour atteindre ces objectifs en un seul clic.
Nous avons décidé de trouver un cas d'utilisation où nous pouvons accélérer la création de valeur pour les utilisateurs, explique Laurent Landowski, qui a rejoint Facebook avec Lebrun en tant que cofondateur de Wit.ai et supervise désormais M. (Lebrun est retourné dans sa France natale en janvier, rejoignant le département de recherche sur l'IA de Facebook. laboratoire à Paris.)
Le M original, dépendant de l'homme, est toujours là, offrant une valeur beaucoup plus grande à ses quelques utilisateurs chanceux. Facebook se dit engagé dans le projet, et le moment actuel de l'intelligence artificielle est propice aux paris à long terme. Au cours des deux dernières années, l'apprentissage en profondeur a bouleversé les techniques et les attentes établies pour les logiciels qui traitent le langage, dit Justine Cassel , professeur à Carnegie Mellon. Nous sommes à l'époque glorieuse de ces nouveaux algorithmes d'apprentissage automatique, dit-elle. En effet, la précision des traductions de Google a récemment atteint un niveau presque humain .
Cela ne signifie pas qu'il est acquis d'avance que les logiciels peuvent apprendre à jouer au majordome en regardant les humains le faire. Je ne pense pas que nous le sachions encore, dit Cassell. Mais les chercheurs de Facebook disent avoir plein d'idées à explorer.
L'une consiste à faire en sorte que le côté automatisé de M apprenne à partir des commentaires positifs ou négatifs dans les messages envoyés par les utilisateurs, en utilisant une technique inspirée du processus d'entraînement des animaux avec des récompenses (voir 10 Breakthrough Technologies 2017 : Reinforcement Learning ). M pourrait avancer plus rapidement s'il ne dépendait pas uniquement de ce que font ses sous-traitants humains. Pour susciter des idées dans la communauté de recherche au sens large, l'équipe de Facebook a publié des outils pour aider les autres à tester et à comparer des robots assistants non scénarisés. Et de nouvelles techniques prometteuses peuvent désormais également être testées à plus grande échelle, dans M Suggestions.
Lebrun et Landowski pensent qu'ils sont toujours sur la bonne voie pour finalement apporter le vrai M aux masses. Parfois, nous disons que c'est trois ans, ou cinq ans, mais peut-être que c'est 10 ans ou plus, dit Landowski.
Lebrun ajoute : « C'est tellement dur, et nous progressons lentement, mais je pense que nous avons tout ce dont nous avons besoin. Il pourrait avoir raison, mais vous pouvez aussi imaginer quelqu'un qui a rencontré Eliza en 1964 disant à peu près la même chose.