Retrouvez le magazine de l'intelligence artificielle
Actualité Grâce au Lifelong Learning et au projet LIHLITH, Synapse cherche à améliorer...

Pour approfondir le sujet

Différence entre apprentissage supervisé et apprentissage non supervisé

En matière d'apprentissage automatisé, on oppose très fréquemment apprentissage supervisé et apprentissage non supervisé. L'apprentissage supervisé Bien que les deux types d'apprentissages relèvent de l'intelligence artificielle,...

Facebook ouvre un nouveau laboratoire laboratoire de recherche en intelligence artificielle et investit à Montréal

En 2015, Facebook avait créé à Paris le FAIR, son laboratoire de recherche en intelligence artificielle, dirigé par Yann LeCun. C'est désormais à Montréal...

« Comment les machines peuvent-elle apprendre aussi efficacement que les animaux et les hommes? » Yann LeCun, Brown University

Dans le cadre des Brown Statistics, NESS Seminar and Charles K. Colver Lectureship Series, l'Université Brown a accueilli le 27 novembre dernier Yann LeCun...

“Apprentissage non-supervisé” – Cours de Yann LeCun au Collège de France

Dans le cadre de la Chaire Informatique et Sciences numériques du Collège de France, Yann LeCun a donné plusieurs cours particulièrement intéressants sur l'apprentissage profond...

Grâce au Lifelong Learning et au projet LIHLITH, Synapse cherche à améliorer les capacités d’auto-apprentissage des IA

Machine learning, Deep learning, apprentissage supervisé ou non-supervisé, de nombreux projets cherchent à améliorer les techniques d’apprentissage des intelligences artificielles. La start-up toulousaine Synapse Développement a décidé de se lancer dans un très intéressant nouveau projet baptisé LIHLITH, qui s’intéresse au Lifelong Learning. Ce projet de R&D entend améliorer les capacités d’auto-apprentissage d’une intelligence artificielle grâce à ce nouveau modèle de renforcement de connaissances, futur de l’Active Learning.

Du Machine Reading au Lifelong Learning

Afin de proposer les chatbots les plus performants possible, Synapse fortifie son pôle R&D et participe régulièrement à des projets de recherche précurseurs en matière d’intelligence artificielle et de traitement automatique du langage naturel (TALN). Ainsi, le projet READERS avait donné jour en 2016 à la technologie exclusive de « Machine Reading », désormais au cœur de ses chatbots, leur permettant de pouvoir générer automatiquement leur base de connaissances à partir d’une documentation.

Aujourd’hui, Synapse porte un nouveau projet pilote et déterminant pour ses chatbots : LIHLITH (Learning to Interact with Humans by Lifelong Interaction with Humans).

Financé par CHIST-ERA et méné en partenariat avec l’UPV/EHU (Université du Pays Basque), le LIMSI (Laboratoire d’informatique pour la mécanique et les sciences de l’ingénieur), l’UNED (Université Espagnole d’Éducation à Distance) et le ZHAW (Université de sciences appliquées de Zurich), ce beau projet a pour vocation d’améliorer les capacités d’auto-apprentissage des robots.

Un nouveau cadre d’apprentissage

Ainsi, LIHLITH introduit un nouveau cadre d’apprentissage pour une intelligence artificielle : le « Lifelong Learning ». Les systèmes les plus avancés aujourd’hui, tels que celui de Synapse, s’améliorent progressivement selon des mécanismes relevant du domaine de l’« Active Learning » : les chatbots améliorent leurs réponses en exploitant les feedbacks émis par l’utilisateur. Cependant, l’impact de chaque feedback reste limité en termes de portée et de généralisation à de nouveaux contextes. Par exemple, un retour de satisfaction utilisateur portant sur une réponse à une question donnée ne modifie le comportement du bot que sur les questions similaires. Il ne permet pas d’améliorer les performances du bot dans leur globalité car il n’est pas couplé aux questions de satisfaction des autres étapes.

A l’inverse, dans le paradigme Lifelong Learning, c’est l’intelligence artificielle derrière les bots qui bénéficiera des interactions de chacun des chatbots qu’elle gère. L’IA s’améliorera donc en continu et de manière globale, grâce aux retours d’expérience des différents chatbots tournant grâce à cette même intelligence artificielle. Elle pourra ainsi choisir d’elle-même d’optimiser un de ses scénarios de réponse en fonction de l’ensemble des feedbacks reçus sur l’intégralité des interactions des chatbots.

Optimiser la gestion de connaissances et mieux apprendre des interactions

Cette approche holistique de l’intelligence artificielle aura un impact fort sur l’amélioration de la gestion de connaissances du robot. Actuellement, un chatbot est performant et efficace sur un domaine précis. Il n’a de connaissances que sur ce domaine particulier, ce qui réduit drastiquement ses capacités de contextualisation, pourtant déterminantes pour résoudre efficacement un problème. Afin de pallier ce manque, LIHLITH entend permettre à l’intelligence artificielle d’élargir ses domaines de connaissance en apprenant de manière autonome de données multi-sources.

Pour optimiser ce processus, le robot sera en mesure de diriger ses interactions avec un humain dans le but d’optimiser sa connaissance et de mieux apprendre de ses échanges. Il aura ainsi une meilleure gestion du dialogue et saura déterminer, en direct, si son interlocuteur est satisfait de sa réponse ou non.

L’objectif général du projet est de s’inspirer de la façon dont l’humain apprend, en continu et sur la base de peu d’exemples, afin de permettre au robot d’en faire de même. Or, la difficulté pour une intelligence artificielle est de parvenir à intégrer de nouvelles informations pour mettre à jour ses connaissances sans dégrader ni faire régresser le système.

Afin de mener à bien ces travaux de recherche, le projet LIHLITH combine le machine learning, les représentations de connaissances et l’expertise linguistique, savoir-faire historique de Synapse Développement. L’équipe s’appuiera sur les progrès récents menés dans plusieurs disciplines de recherche dont le deep learning, l’apprentissage par renforcement, le traitement du langage naturel, l’inférence de nouvelles connaissances et l’apprentissage continu.

Thomas Calvi

Partager l'article

Gestion de la relation client : C3.ai, Microsoft et Adobe lancent C3 AI CRM, alimentée par Microsoft Dynamics 365

C3.ai, Microsoft et Adobe ont annoncé ce 27 octobre le lancement de C3 AI CRM, alimentée par Microsoft Dynamics 365. Il s'agit de leur...

L’ANR dévoile les 9 projets sélectionnés dans le cadre de l’appel franco-germano-japonais

La France, l'Allemagne et le Japon ont lancé en 2019 l'appel à projets IA ANR-DFG-JST visant à renforcer leurs collaborations de recherche dans le domaine...

L’Appel à projets bilatéral franco-allemand en intelligence artificielle est ouvert jusqu’au 21 décembre 2020

L'appel à projets bilatéral franco-allemand en intelligence artificielle a été ouvert le 22 octobre dernier et sera clôt le 21 décembre 2020. Deux instruments...

Le Parlement européen ouvre la voie à une première série de règles sur l’intelligence artificielle

Le Parlement européenne a adopté une première série de propositions visant à l'établissement d'une réglementation sur l'intelligence artificielle (IA) dans l'Union européenne (UE). Les objectifs...