IA pour un Assistant Intelligent

462 vues

Publié le

Présentation de soutenance pour le TER de M1.
Université d'Orsay Paris-Sud

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
462
Sur SlideShare
0
Issues des intégrations
0
Intégrations
3
Actions
Partages
0
Téléchargements
5
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

IA pour un Assistant Intelligent

  1. 1. Contexte Machin Conclusion IA pour un Assistant Intelligent Mon Assistant Cognitif Honnêtement INtelligent V. Berthier Laboratoire dInformatique pour la Mécanique et les Sciences de lIngénieur 16 mai 2012
  2. 2. Contexte Machin ConclusionPlan 1 Contexte Le LIMSI Les équipes ILES & TLP État de lArt 2 Machin Présentation générale Analyse Non-Contextuelle Gestionnaire de sujets 3 Conclusion Les résultats Axes de développement Questions
  3. 3. Contexte Machin ConclusionLe LIMSILaboratoire dInformatique pour la Mécanique et lesSciences de lIngénieur Le LIMSI : Un laboratoire du CNRS Sur le campus dOrsay Une centaine de chercheurs Deux départements : Communication Homme Machine Mécanique
  4. 4. Contexte Machin ConclusionLes équipes ILES & TLPILES & TLP Machin a été développé dans le cadre dun partenariat entre deux groupes : Information, Langue Écrite et Signée (ILES) Corpus & Représentation Modélisation et Traitement du Langage des Signes Multilinguisme Traitement du Langage Parlé (TLP) Reconnaissance de la parole Identication de la langue, du locuteur et de son état émotionnel Structuration de documents audio et audiovisuels Traduction de la parole Dialogue oral homme-machine
  5. 5. Contexte Machin ConclusionÉtat de lArtLes Assistants Intelligents Lune des 10 technologies émergentes dimportance (MIT Technology Review 2009 ). Cest un système qui doit : Accomplir des tâches complexes (agenda, annuaire, etc.), En recevant le moins dinformations possible des utilisateurs, Tout en étant capable de raisonner, dapprendre et dorganiser de lui-même En sappuyant sur : Des études comportementales Des techniques dIntelligence Articielle Des techniques de traitement du langage
  6. 6. Contexte Machin ConclusionÉtat de lArtLes Assistants Intelligents Lune des 10 technologies émergentes dimportance (MIT Technology Review 2009 ). Cest un système qui doit : Accomplir des tâches complexes (agenda, annuaire, etc.), En recevant le moins dinformations possible des utilisateurs, Tout en étant capable de raisonner, dapprendre et dorganiser de lui-même En sappuyant sur : Des études comportementales Des techniques dIntelligence Articielle Des techniques de traitement du langage Un but : donner limpression dinteragir avec un humain
  7. 7. Contexte Machin ConclusionÉtat de lArtNarval Les premières recherches modernes datent du début des années 2000. Narval Narval est lancêtre commun aux assistants intelligents modernes. Très ambitieux Un fonctionnement par recettes XML manquant de souplesse Pas de résultats signicatif, mais a donné le coup denvoi de la recherche dans le domaine
  8. 8. Contexte Machin ConclusionÉtat de lArtCALO Réuni 300 chercheurs de 2003 à 2008. Cognitive Assistant that Learns and Organizes CALO est développé autour de six fonctions de haut-niveau : Organiser et ordonner linformation Préparer de nouveaux documents Être lintermédiaire entre humains Gestion de tâches Organiser et raisonner sur le temps Acquisition de ressources Pas de solution logicielle produite, mais plus de 500 articles publiés, et deux descendants intéressants : Siri et Trapit
  9. 9. Contexte Machin ConclusionÉtat de lArtSiri et Trapit Descendants directs de CALO, ces deux projets sont cependant très diérents lun de lautre : Siri Trapit Application iOS5 et Application Web iPhone 4S Interactions très limitées Très user-friendly, avec les utilisateurs dialogue avec lutilisateur Recherche des articles de Envoi demails, accès à la presse concernant des météo, au trac, rappels sujets intéressant de rendez-vous, etc. lutilisateur Peu ou pas de Apprend des feedbacks raisonnement dans le utilisateurs pour aner les temps propositions
  10. 10. Contexte Machin ConclusionPrésentation généraleRITEL Ritel, un système de dialogue Homme-Machine Utilisateur Ritel Quelle est la capitale de la France ?
  11. 11. Contexte Machin ConclusionPrésentation généraleRITEL Ritel, un système de dialogue Homme-Machine Utilisateur Ritel Quelle est la capitale de la France ? La capitale de la France est Paris.
  12. 12. Contexte Machin ConclusionPrésentation généraleRITEL Ritel, un système de dialogue Homme-Machine Utilisateur Ritel Quelle est la capitale de la France ? La capitale de la France est Paris. Et son président ?
  13. 13. Contexte Machin ConclusionPrésentation généraleRITEL Ritel, un système de dialogue Homme-Machine Utilisateur Ritel Quelle est la capitale de la France ? La capitale de la France est Paris. Et son président ? Le président français est François Hollande.
  14. 14. Contexte Machin ConclusionPrésentation généraleIdial Wmatch Deux emprunts à Ritel : Idial, système de calcul distribué Wmatch, analyse de la structure des phrases Reconnaît des structures dans les phrases Les identie pour faciliter le traitement qui suit Pour ce faire, Wmatch utilise : Des ressources : liste des prénoms, des villes de France, des pays, etc. Des grammaires : ensemble de règles, sortes dexpression régulières fonctionnant sur des mots
  15. 15. Contexte Machin ConclusionPrésentation généraleObjectifs Dialogue désiré Vincent : Il faut xer un rendez-vous mardi matin avec Gabriel et Éric Machin : (après avoir vérié lagenda) Attention, tu as déjà une réunion de groupe à 10h Vincent : Bon alors en tout début daprès-midi, vers 13h. Tu leur envoies un mail pour conrmer ? Machin : (après avoir vérié dans la base dadresses disponible) Oui. Cest fait.
  16. 16. Contexte Machin ConclusionPrésentation généraleMACHIN : Mon Assistant Cognitif Honnêtement INtelligent Diagramme représentant le fonctionnement de MACHIN Input Analyse Sémantique Gestionnaire de dialogue Gestionnaire de sujets RdV Dates Contacts Génèration en langue naturelle
  17. 17. Contexte Machin ConclusionAnalyse Non-ContextuelleLes objectifs Nombreuses sont les structures à reconnaître : Rendez-vous : Annuaire : Date :
  18. 18. Contexte Machin ConclusionAnalyse Non-ContextuelleLes objectifs Nombreuses sont les structures à reconnaître : Rendez-vous : Les dates Les horaires Les lieux Les personnes Annuaire : Ses nom et prénom Ses adresses Ses numéros de téléphone et de fax Ses adresses mails Date : Sil sagit dune date passée ou future Comment cette date est exprimée : en jours ? Semaines ? Mois ?
  19. 19. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases :
  20. 20. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases : Entrée utilisateur Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER
  21. 21. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases : Entrée utilisateur Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Analyse sémantique _organisation_rdv Prends un rendez-vous /_organisation_rdv
  22. 22. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases : Entrée utilisateur Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Analyse sémantique _duree _length deux /_length _periode_type heures /_periode_type /_duree
  23. 23. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases : Entrée utilisateur Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Analyse sémantique _date _date_absolue _day 16 /_day _month avril /_month /_date_absolue /_date
  24. 24. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases : Entrée utilisateur Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Analyse sémantique _horaire _heure 16 /_heure HOUR _minute 0 /_minute /_horaire
  25. 25. Contexte Machin ConclusionAnalyse Non-ContextuelleLa pierre angulaire Identication des structures présentes dans les phrases : Entrée utilisateur Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Analyse sémantique _nom_rdv présenter le TER /_nom_rdv
  26. 26. Contexte Machin ConclusionGestionnaire de sujetsLes objectifs Le système de gestion des sujets de Machin a un double rôle : Une fonction dhistorique Pour chaque sujet : Déterminer quelles sont les informations nécessaires Assurer la complétion des sujets avec les informations renseignées Fournir une liste des informations reçues et manquantes
  27. 27. Contexte Machin ConclusionGestionnaire de sujetsLa fonction dhistorique Diagramme représentant larchitecture de lhistorique HistoriqueP_Info Sujet I Sujet II P_InfosS_Info Échanges Entités Entités Échanges S_Infos Dial 1 Dial 2 Dial 3 Dial 1 Dial 2 Dial 3
  28. 28. Contexte Machin ConclusionGestionnaire de sujetsGestion des sujets Les rendez-vous Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Informations nécessaires pour ce sujet : La date Lhoraire La durée Le lieu La ou les personnes Le but du rendez-vous
  29. 29. Contexte Machin ConclusionGestionnaire de sujetsGestion des sujets Les rendez-vous Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Informations nécessaires pour ce sujet : La date Lhoraire La durée Le lieu La ou les personnes Le but du rendez-vous
  30. 30. Contexte Machin ConclusionGestionnaire de sujetsGestion des sujets Les rendez-vous Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Informations nécessaires pour ce sujet : La date Lhoraire La durée Le lieu La ou les personnes Le but du rendez-vous
  31. 31. Contexte Machin ConclusionGestionnaire de sujetsGestion des sujets Les rendez-vous Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Informations nécessaires pour ce sujet : La date Lhoraire La durée Le lieu La ou les personnes Le but du rendez-vous
  32. 32. Contexte Machin ConclusionGestionnaire de sujetsGestion des sujets Les rendez-vous Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Informations nécessaires pour ce sujet : La date Lhoraire La durée Le lieu La ou les personnes Le but du rendez-vous
  33. 33. Contexte Machin ConclusionGestionnaire de sujetsGestion des sujets Les rendez-vous Prends un rendez-vous de deux heures le 16 avril à 16h pour présenter le TER Informations nécessaires pour ce sujet : La date Lhoraire La durée Le lieu La ou les personnes Le but du rendez-vous
  34. 34. Contexte Machin ConclusionLes résultatsRésultats Dialogue désiré Vincent : Il faut xer un rendez-vous mardi matin avec Gabriel Machin : (après avoir vérié lagenda) Attention, tu as déjà une réunion de groupe à 10h Vincent : Bon alors en tout début daprès-midi, vers 13h. Tu leur envoies un mail pour conrmer ? Machin : (après avoir vérié dans la base dadresses disponible) Oui. Cest fait. Grâce notamment à lanalyse, et surtout à la souplesse et la généricité du système de gestion des sujets...
  35. 35. Contexte Machin ConclusionLes résultatsRésultats Dialogue désiré Vincent : Il faut xer un rendez-vous mardi matin avec Gabriel Machin : (après avoir vérié lagenda) Attention, tu as déjà une réunion de groupe à 10h Vincent : Bon alors en tout début daprès-midi, vers 13h. Tu leur envoies un mail pour conrmer ? Machin : (après avoir vérié dans la base dadresses disponible) Oui. Cest fait. Grâce notamment à lanalyse, et surtout à la souplesse et la généricité du système de gestion des sujets... Objectif atteint !
  36. 36. Contexte Machin ConclusionAxes de développementPerspectives davenir Des améliorations De nouvelles fonctions Et à long terme...
  37. 37. Contexte Machin ConclusionAxes de développementPerspectives davenir Des améliorations Souplesse danalyse Rappels de rendez-vous Modications de contacts et de rendez-vous De nouvelles fonctions Reconnaissance de la parole Synthèse vocale Et à long terme... Approches statistiques de gestion du dialogue
  38. 38. Contexte Machin ConclusionQuestionsQuestions Des questions ?

×