Le système est basé sur un apprentissage profond qui ne fonctionne que dans la langue de Shakespeare pour l’instant.
Depuis le lancement en 2014 de son assistant personnel Alexa, Amazon n’a cessé d’enrichir sa création de nouvelles fonctionnalités. Désormais, celle-ci est capable de saisir un éventuel sous-entendu dans une question : une requête implicite qu’Amazon appelle « latent goals », ou but latent en français.
But latent, définition
Si comme nous, vous vous demandez ce qu’est un but latent, ou caché, l’entreprise donne un exemple simple et concret : lorsque quelqu’un questionne Alexa sur le temps nécessaire pour infuser du thé, le but latent derrière cette requête peut être « déclenche un minuteur » (la démonstration fonctionne aussi avec le temps de cuisson d'un œuf dur, mais elle est sans doute moins raffinée).
En conséquent, l’appareil Alexa répond « cinq minutes est un bon point de départ » (10 pour l'œuf dur !) puis suggère : « Voulez-vous que je règle un minuteur pour cinq minutes ? ».
Deviner cette demande tacite peut sembler simple pour un humain. En revanche, vous l’imaginez, elle se révèle nettement plus complexe à mettre en place avec un assistant connecté. Il faut d'abord qu'il soit en mesure de la déceler ; puis de déterminer ce qu’elle induit ; enfin, de proposer la solution à l’utilisateur de manière non invasive. Amazon fait donc savoir que les « algorithmes utilisés pour piloter la fonction sont assez sophistiqués ».
Un système évolutif
Pour ce faire, l’entreprise rapporte avoir mobilisé des techniques d’apprentissage profond (Deep Learning), soit les méthodes d’apprentissage automatique les mieux adaptées à l’analyse d’une grosse quantité de données. Et pour cause : le système est évolutif et perfectionne sa reconnaissance des objectifs latents au fil du temps en analysant le trafic Alexa.
Concrètement, outre la prise en compte du contexte et l’analyse du champ sémantique, il s’appuie sur de précédentes demandes, formulées par un large panel d’utilisateurs. Ainsi, pour reprendre l’exemple du thé, le système le considère comme un objectif latent parce qu’il a fait le constat suivant : après avoir interpellé Alexa à propos du temps d’infusion du thé, beaucoup d’utilisateurs lui demande ensuite de régler un minuteur. À l’inverse, le modèle supprime les recommandations peu pertinentes.
Logiquement, grâce à cet apprentissage actif, le mécanisme améliore progressivement sa sagacité et affine donc ses suggestions.
Pour l’instant, cette capacité se limite à la langue anglaise et ne concerne que les clients d’Alexa situés aux États-Unis. Son activation est transparente, autant pour les utilisateurs que pour les développeurs. Pour ces derniers, la société renvoie toutefois vers son Name-Free Interaction Toolkit pour une intégration optimale dans les skills.
Source : Amazon
