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

1. Contexte Machin Conclusion
IA pour un Assistant Intelligent
Mon Assistant Cognitif Honnêtement INtelligent
V. Berthier
Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur
16 mai 2012

2. Contexte Machin Conclusion
Plan
1 Contexte
Le LIMSI
Les équipes ILES & TLP
État de l'Art
2 Machin
Présentation générale
Analyse Non-Contextuelle
Gestionnaire de sujets
3 Conclusion
Les résultats
Axes de développement
Questions

3. Contexte Machin Conclusion
Le LIMSI
Laboratoire d'Informatique pour la Mécanique et les
Sciences de l'Ingénieur
Le LIMSI :
Un laboratoire du CNRS
Sur le campus d'Orsay
Une centaine de chercheurs
Deux départements :
Communication Homme Machine
Mécanique

4. Contexte Machin Conclusion
Les équipes ILES & TLP
ILES & TLP
Machin a été développé dans le cadre d'un 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. Contexte Machin Conclusion
État de l'Art
Les Assistants Intelligents
L'une des 10 technologies émergentes d'importance (MIT
Technology Review 2009 ).
C'est un système qui doit :
Accomplir des tâches complexes (agenda, annuaire, etc.),
En recevant le moins d'informations possible des utilisateurs,
Tout en étant capable de raisonner, d'apprendre et d'organiser
de lui-même
En s'appuyant sur :
Des études comportementales
Des techniques d'Intelligence Articielle
Des techniques de traitement du langage

6. Contexte Machin Conclusion
État de l'Art
Les Assistants Intelligents
L'une des 10 technologies émergentes d'importance (MIT
Technology Review 2009 ).
C'est un système qui doit :
Accomplir des tâches complexes (agenda, annuaire, etc.),
En recevant le moins d'informations possible des utilisateurs,
Tout en étant capable de raisonner, d'apprendre et d'organiser
de lui-même
En s'appuyant sur :
Des études comportementales
Des techniques d'Intelligence Articielle
Des techniques de traitement du langage
Un but : donner l'impression d'interagir avec un humain

7. Contexte Machin Conclusion
État de l'Art
Narval
Les premières recherches modernes datent du début des années
2000.
Narval
Narval est l'ancêtre commun aux assistants intelligents modernes.
Très ambitieux
Un fonctionnement par recettes XML manquant de souplesse
Pas de résultats signicatif, mais a donné le coup d'envoi de la
recherche dans le domaine

8. Contexte Machin Conclusion
État de l'Art
CALO
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 l'information
Préparer de nouveaux documents
Être l'intermédiaire 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. Contexte Machin Conclusion
État de l'Art
Siri et Trapit
Descendants directs de CALO, ces deux projets sont cependant très
diérents l'un de l'autre :
Siri Trapit
Application iOS5 et Application Web
iPhone 4S Interactions très limitées
Très user-friendly, avec les utilisateurs
dialogue avec l'utilisateur Recherche des articles de
Envoi d'emails, accès à la presse concernant des
météo, au trac, rappels sujets intéressant
de rendez-vous, etc. l'utilisateur
Peu ou pas de Apprend des feedbacks
raisonnement dans le utilisateurs pour aner les
temps propositions

10. Contexte Machin Conclusion
Présentation générale
RITEL
Ritel, un système de dialogue Homme-Machine
Utilisateur Ritel
Quelle est la capitale de la
France ?

11. Contexte Machin Conclusion
Présentation générale
RITEL
Ritel, un système de dialogue Homme-Machine
Utilisateur Ritel
Quelle est la capitale de la
France ?
La capitale de la France est
Paris.

12. Contexte Machin Conclusion
Présentation générale
RITEL
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. Contexte Machin Conclusion
Présentation générale
RITEL
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. Contexte Machin Conclusion
Présentation générale
Idial 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 d'expression
régulières fonctionnant sur des mots

15. Contexte Machin Conclusion
Présentation générale
Objectifs
Dialogue désiré
Vincent : Il faut xer un rendez-vous mardi matin avec Gabriel et
Éric
Machin : (après avoir vérié l'agenda) Attention, tu as déjà une
réunion de groupe à 10h
Vincent : Bon alors en tout début d'après-midi, vers 13h. Tu leur
envoies un mail pour conrmer ?
Machin : (après avoir vérié dans la base d'adresses disponible)
Oui. C'est fait.

16. Contexte Machin Conclusion
Présentation générale
MACHIN : 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. Contexte Machin Conclusion
Analyse Non-Contextuelle
Les objectifs
Nombreuses sont les structures à reconnaître :
Rendez-vous :
Annuaire :
Date :

18. Contexte Machin Conclusion
Analyse Non-Contextuelle
Les 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 :
S'il s'agit d'une date passée ou future
Comment cette date est exprimée : en jours ? Semaines ?
Mois ?

19. Contexte Machin Conclusion
Analyse Non-Contextuelle
La pierre angulaire
Identication des structures présentes dans les phrases :

20. Contexte Machin Conclusion
Analyse Non-Contextuelle
La 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. Contexte Machin Conclusion
Analyse Non-Contextuelle
La 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. Contexte Machin Conclusion
Analyse Non-Contextuelle
La 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. Contexte Machin Conclusion
Analyse Non-Contextuelle
La 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. Contexte Machin Conclusion
Analyse Non-Contextuelle
La 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. Contexte Machin Conclusion
Analyse Non-Contextuelle
La 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. Contexte Machin Conclusion
Gestionnaire de sujets
Les objectifs
Le système de gestion des sujets de Machin a un double rôle :
Une fonction d'historique
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. Contexte Machin Conclusion
Gestionnaire de sujets
La fonction d'historique
Diagramme représentant l'architecture de l'historique
Historique
P_Info Sujet I Sujet II P_Infos
S_Info Échanges Entités Entités Échanges S_Infos
Dial 1 Dial 2 Dial 3 Dial 1 Dial 2 Dial 3

28. Contexte Machin Conclusion
Gestionnaire de sujets
Gestion 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
L'horaire
La durée
Le lieu
La ou les personnes
Le but du rendez-vous

29. Contexte Machin Conclusion
Gestionnaire de sujets
Gestion 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
L'horaire
La durée
Le lieu
La ou les personnes
Le but du rendez-vous

30. Contexte Machin Conclusion
Gestionnaire de sujets
Gestion 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
L'horaire
La durée
Le lieu
La ou les personnes
Le but du rendez-vous

31. Contexte Machin Conclusion
Gestionnaire de sujets
Gestion 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
L'horaire
La durée
Le lieu
La ou les personnes
Le but du rendez-vous

32. Contexte Machin Conclusion
Gestionnaire de sujets
Gestion 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
L'horaire
La durée
Le lieu
La ou les personnes
Le but du rendez-vous

33. Contexte Machin Conclusion
Gestionnaire de sujets
Gestion 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
L'horaire
La durée
Le lieu
La ou les personnes
Le but du rendez-vous

34. Contexte Machin Conclusion
Les résultats
Résultats
Dialogue désiré
Vincent : Il faut xer un rendez-vous mardi matin avec Gabriel
Machin : (après avoir vérié l'agenda) Attention, tu as déjà une
réunion de groupe à 10h
Vincent : Bon alors en tout début d'après-midi, vers 13h. Tu leur
envoies un mail pour conrmer ?
Machin : (après avoir vérié dans la base d'adresses disponible)
Oui. C'est fait.
Grâce notamment à l'analyse, et surtout à la souplesse et la
généricité du système de gestion des sujets...

35. Contexte Machin Conclusion
Les résultats
Résultats
Dialogue désiré
Vincent : Il faut xer un rendez-vous mardi matin avec Gabriel
Machin : (après avoir vérié l'agenda) Attention, tu as déjà une
réunion de groupe à 10h
Vincent : Bon alors en tout début d'après-midi, vers 13h. Tu leur
envoies un mail pour conrmer ?
Machin : (après avoir vérié dans la base d'adresses disponible)
Oui. C'est fait.
Grâce notamment à l'analyse, et surtout à la souplesse et la
généricité du système de gestion des sujets...
Objectif atteint !

36. Contexte Machin Conclusion
Axes de développement
Perspectives d'avenir
Des améliorations
De nouvelles fonctions
Et à long terme...

37. Contexte Machin Conclusion
Axes de développement
Perspectives d'avenir
Des améliorations
Souplesse d'analyse
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. Contexte Machin Conclusion
Questions
Questions
Des questions ?