Comment Alexa, Siri et Google vous écoute…

Vous êtes-vous déjà demandé comment Alexa peut vous comprendre ou Google peut déchiffrer ce que vous dites et fournir des résultats de recherche. Ou comment Siri peut vous raconter une blague une fois que vous la demandez /. Bien que l’intelligence artificielle ait beaucoup à voir avec la précision avec laquelle les entreprises technologiques ont pu déchiffrer ce que vous essayez de communiquer. La branche spécifique utilisée pour l’IA est appelée traitement du langage naturel. Bien que toujours dans ses phases initiales de développement, la technologie évolue rapidement. IBM a récemment annoncé qu’elle étendrait les services de son programme de traitement du langage naturel aux utilisateurs professionnels.

Qu’est-ce que le traitement du langage naturel et comment fonctionne-t-il?
Le traitement du langage naturel est la façon dont nous interagissons avec une machine. Le travail principal d’une machine est de comprendre et de comprendre ce qui lui est dit. Pour ce faire, l’appareil utilise des algorithmes basés sur un ensemble de commandes ou de conditions. Ainsi, on lui enseigne les bases d’une langue – la grammaire, la syntaxe – puis on part pour déterminer comment la percevoir. L’application la plus élémentaire a été les vérifications orthographiques et grammaticales qu’un Microsoft Word exécute. Une version un peu plus avancée serait les assistants personnels.

Alors, quelles sont les techniques utilisées pour le traitement du langage naturel et pourquoi est-ce difficile?
La raison pour laquelle les ordinateurs n’ont pas pu apprendre le traitement du langage naturel ou la PNL est parce que le langage est compliqué et qu’il n’y a pas une seule façon de le déchiffrer. Par exemple, même le logiciel de langage le plus sophistiqué peut se tromper sur la grammaire car il peut percevoir une phrase différemment d’un humain. Deux techniques sont suivies dans le traitement du langage pour améliorer les résultats. L’une est appelée analyse syntaxique. Il s’agit d’une technique de traitement du langage d’entrée de gamme, où l’ordinateur détermine si le langage naturel suit les règles grammaticales. Les algorithmes appliquent de telles lois à une phrase et tentent d’en tirer un sens. L’autre méthode est un peu plus compliquée et s’appelle la sémantique. Cela a plus à voir avec la structuration des phrases et leur donner un sens.

Que fait IBM?
IBM a utilisé son système d’intelligence artificielle appelé Watson pour créer Project Debater. Le débatteur peut parcourir une multitude de documents pour comprendre quels sont les points essentiels, puis argumenter. Il a également battu un humain dans une compétition de débats. Et, comme tout système d’apprentissage automatique au fur et à mesure qu’il apprend, ses capacités augmentent. Le système peut déterminer si deux ensembles d’un argument sont similaires même s’ils utilisent un langage différent.

Alors, pourquoi IBM l’utilise-t-il en entreprise?
Comme IBM Watson a pu atteindre une certaine échelle, la société estime qu’en mettant la technologie NLP à des fins commerciales, elle pourra étendre ses capacités beaucoup plus loin. À mesure que de plus en plus d’organisations l’utilisent, IBM Watson traitera beaucoup plus de données et en apprendra davantage. Cela signifie qu’au fil des ans, la probabilité que votre machine interprète mal ce que vous avez dit diminuera. Mais, cela ne signifie pas pour autant que Watson sera capable d’évoquer à lui seul une nouvelle idée et une nouvelle argumentation.

Amazon lance Kendra sur le search

À Ignite 2018, Microsoft a annoncé pour la première fois Microsoft Search, une expérience de recherche d’entreprise qui sera disponible sur Microsoft Teams, Yammer, SharePoint, OneDrive, Office, Windows et Bing. Lors de la construction 2019, Microsoft a annoncé la disponibilité générale de Microsoft Search. Microsoft Search est optimisé par la technologie Microsoft Graph et AI de Bing. Et il montre le contenu que votre organisation a stocké dans Microsoft 365 ou indexé à partir de services tels que Salesforce, Google Drive, SAP, ServiceNow, AWS et autres via des connecteurs. Que vous recherchiez des personnes, des fichiers, des organigrammes, des sites ou des réponses à des questions courantes, vous pouvez utiliser Microsoft Search de votre organisation pour obtenir des réponses.

Hier, Amazon a annoncé Kendra, un nouveau service de recherche d’entreprise qui rivalisera avec Microsoft Search. Comme Microsoft Search, Kendra prend en charge les requêtes en langage naturel et peut aider les utilisateurs à trouver des informations stockées dans la vaste quantité de contenu répartie dans leur entreprise. Semblable à Microsoft Search, Kendra prend également en charge les connecteurs à l’aide desquels vous pouvez indexer le contenu disponible dans des services tels que SharePoint Online, Amazon S3 et les bases de données. L’année prochaine, Kendra proposera des connecteurs pour les sources de données populaires telles que Box, Dropbox, Salesforce et OneDrive.

 Faits saillants d’Amazon Kendra:

 Kendra réinvente activement les modèles d’apprentissage en profondeur conçus pour votre ensemble de données et les modèles d’utilisation des employés afin d’améliorer la précision des recherches. Au fur et à mesure que les utilisateurs finaux interagissent avec les résultats de la recherche, Kendra adapte ses résultats. Cela signifie que si vous cliquez sur un résultat ou si vous le donnez, Kendra apprendra quels sont les résultats les plus pertinents et les exposera en premier.

 Kendra vous offre la possibilité d’ajuster manuellement la pertinence; vous pouvez augmenter certains champs de votre index, tels que l’actualisation du document, le nombre de vues ou des sources de données spécifiques. Par exemple, vous pouvez améliorer des documents qui sont non seulement consultés plus souvent, mais également plus récents, tels que les tendances. nouvelles ou mises à jour.

 Utilisez des questions en langage naturel au lieu de mots-clés simples pour obtenir les réponses que vous recherchez. Kendra connectera les points dans vos fichiers pour renvoyer les réponses, qu’il s’agisse d’un extrait de texte, d’une FAQ ou d’un document. Au lieu de parcourir de longues listes de documents pour trouver des réponses spécifiques, Kendra peut vous suggérer une réponse dès le départ.