Les créateurs de Siri font la démonstration d'un assistant qui prend l'initiative

Dans une petite pièce sombre à côté d'un long couloir au sein d'un vaste complexe de bâtiments de la Silicon Valley, un ensemble d'écrans plats massifs et de caméras vidéo suivent Penseur de grain est chaque mouvement. Denker, informaticien senior à l'institut de R&D à but non lucratif ISR , s'exhibe Brillant , un assistant intelligent qui pourrait un jour savoir de quelles informations vous avez besoin avant même que vous ne les demandiez.

Sous surveillance: Un prototype Bright suit chaque mouvement effectué par Patrick Lincoln, directeur du laboratoire d'informatique du SRI.

Initialement, Bright est destiné à réduire la surcharge cognitive à laquelle sont confrontés les travailleurs occupant des emplois très stressants et gourmands en données, tels que les interventions d'urgence et la sécurité du réseau. Bright peut, par exemple, aider les administrateurs réseau à essayer d'arrêter la propagation d'un virus rapide en fournissant rapidement des informations cruciales sur l'infection, ou aider les opérateurs 911 à envoyer le bon type d'assistance sur les lieux d'un accident. Mais comme beaucoup d'autres technologies développées au SRI, comme l'assistant personnel numérique Syrie (maintenant détenue par Apple), Bright pourrait éventuellement se répercuter sur les ordinateurs portables et les smartphones. Cela peut prendre la forme d'un logiciel qui affiche automatiquement les listes de vos émissions préférées lorsqu'il pense que vous êtes sur le point de vous asseoir et de regarder la télévision, ou recherche sur le Web des informations pertinentes pour votre dernier projet de recherche sans que vous ayez à lever le petit doigt.

Déjà quelques logiciels assistants, tels que Google maintenant pour les smartphones Android, essaie de prédire de quelles informations un utilisateur peut avoir besoin et de les fournir automatiquement. Il le fait, par exemple, en reconnaissant que l'utilisateur attend à un arrêt de bus et en lui fournissant les horaires de bus. L'objectif de Bright est de développer quelque chose d'encore plus sophistiqué et capable dans un environnement de bureau. Mais le grand défi pour Bright et les projets similaires est : comment apprendre d'une quantité relativement faible d'informations ?

Créé à l'origine par l'Université de Stanford en tant qu'institution de recherche en 1946 (il fonctionne de manière indépendante depuis 1970), SRI International, basé à Menlo Park, en Californie, a développé des technologies clés, notamment le souris d'ordinateur , la ACL , et même les premiers scintillements d'Internet, appelés ARPAnet . Ces dernières années, il a connu du succès dans le domaine de l'intelligence artificielle avec Siri, qui est né d'un projet que SRI a réalisé pour la Defense Advanced Research Projects Agency du ministère de la Défense, ou DARPA, appelé CALO (c'est un agent cognitif qui apprend et organise ).

Denker décrit Bright comme un bureau cognitif et un bureau qui comprend vraiment ce que vous faites, et pas seulement pour vous, mais aussi dans un cadre collaboratif pour les gens. Dans sa configuration actuelle, trois caméras la fixent ; un moniteur montre où elle regarde et affiche un journal en temps réel de chaque action qu'elle entreprend, ainsi qu'un bureau d'ordinateur d'apparence familière contenant des fichiers et des dossiers. Lorsqu'elle utilise le moniteur devant elle pour ouvrir un e-mail de la banque Wells Fargo demandant une réunion, par exemple, Bright enregistre toutes ses actions sur un moniteur à gauche, notant qu'elle a ouvert le message, qu'elle a passé du temps en le regardant (plutôt que de simplement regarder ailleurs sur l'écran), et qu'elle l'a fermé.

Alors que Denker démontre les capacités naissantes de Bright, il n'est pas difficile d'imaginer que la technologie facilite tout, de la planification des tâches à la recherche sur le Web. Elle explique que son équipe essaie d'adapter les techniques informatiques existantes qui tentent d'augmenter l'efficacité en anticipant les informations qui seront ensuite nécessaires et en testant différentes actions à l'avance pour accélérer le temps de réponse. Bright, dit-elle, utilise les mêmes idées pour anticiper ce que l'utilisateur voudra faire, il faut donc un équipement supplémentaire pour surveiller l'utilisateur. Un écran tactile peut suivre les touchers des doigts, et les mouvements de la main, tels que les ondulations, sont également suivis.

Bien qu'il soit développé pour la cybersécurité et les interventions d'urgence, Bright pourrait être adapté à d'autres types d'utilisateurs. Dans les écoles, par exemple, Bright peut être en mesure de déterminer qu'un élève a des difficultés et de s'adapter pour mieux répondre à ses besoins.

Il y a cependant un long chemin à parcourir. Le système se concentre actuellement sur l'indexation cognitive, le mécanisme qui relie divers indices entre eux et essaie ensuite de prédire ce qui est important. L'équipe derrière Bright doit également renforcer ses capacités à prédire les intérêts et à automatiser les tâches. Et avant de pouvoir être déployé n'importe où, Bright doit apprendre à étudier l'utilisation que vous faites de votre ordinateur.

Apprendre à connaître un utilisateur est difficile, déclare Bill Mark, vice-président des sciences de l'information et de l'informatique chez SRI et l'un des principaux chercheurs de CALO. Mark appelle cela le problème des petites données ; alors que les efforts de Big Data se concentrent sur l'obtention d'informations à partir de montagnes d'informations, des systèmes comme Bright recherchent des modèles en quantités beaucoup plus petites, ce qui peut être très délicat. L'ensemble de données limité, combiné à la tendance des utilisateurs à changer de comportement, est très hostile aux algorithmes de recherche de modèles, dit-il : nous ne mettons pas autant de données. Ces algorithmes de machine learning aiment généraliser sur de très grandes quantités de données.

Il y a plein d'autres défis. Krzysztof Gajos , professeur adjoint d'informatique à Harvard qui a également passé un an à travailler sur CALO, note que l'une des difficultés dans la construction de systèmes interactifs intelligents est de savoir comment distinguer les tâches obligatoires comme le travail de bureau des tâches volontaires comme jouer à des jeux. Pour les tâches liées au bureau, dit-il, il est difficile de concevoir l'automatisation d'une manière qui laisse l'utilisateur en contrôle et qui semble valoir la peine d'être utilisée, même si cela peut parfois échouer.

Si vous regardez des systèmes comme le Microsoft Clippy, vous pouvez voir un exemple de système qui a échoué à cela, dit Gajos. Les rares fois où il a échoué étaient tellement aggravantes qu'elles ont éclipsé tous les avantages que le système aurait pu apporter à de nombreux utilisateurs.

cacher