Améliorer les relations homme-machine avec une IA sans code et réutilisable





Nous sommes ravis de ramener Transform 2022 en personne le 19 juillet et virtuellement du 20 juillet au 3 août. Rejoignez les leaders de l’IA et des données pour des discussions approfondies et des opportunités de réseautage passionnantes. En savoir plus sur Transformer 2022


Nos capacités à inventer et à utiliser des outils sont essentielles à l’évolution humaine. Les ordinateurs en tant qu’outils ont certainement fait progresser l’humanité depuis leur création. À mesure que les technologies informatiques progressent, les relations homme-machine évoluent également. Au départ, seuls les développeurs ou les programmeurs informatiques peuvent faire fonctionner les ordinateurs en donnant des instructions machine (de programmation) que les ordinateurs peuvent comprendre et suivre. Avec le développement des interfaces utilisateur graphiques (GUI), les masses peuvent désormais utiliser des ordinateurs sans code. Les relations homme-machine restent cependant des relations opérateur-machine, au cours desquelles les humains doivent dire précisément aux machines quoi faire.

Avec l’essor de l’intelligence artificielle (IA) – des ordinateurs dotés de certaines compétences humaines – les relations homme-machine pourraient être complètement redéfinies. Par exemple, des ordinateurs dotés de compétences de perception visuelle humaine peuvent aider le personnel de sécurité à reconnaître rapidement des objets dans des montagnes d’images de surveillance ou des ordinateurs dotés de compétences en langage humain peuvent aider les parajuristes à résumer de grandes quantités de documents texte. Cependant, l’enseignement des compétences humaines aux machines est un processus complexe et chronophage, nécessitant une expertise approfondie et des compétences en programmation, sans parler des efforts de collecte, de nettoyage et d’annotation de grandes quantités de données de formation nécessaires pour former les machines avec les compétences souhaitées.

Tout comme les opérations informatiques sans code et pilotées par l’interface graphique, et si les humains, le personnel de sécurité et les parajuristes, pouvaient enseigner aux machines des compétences humaines sans code ? Comme dans le film Son, et si nous pouvions adopter un assistant IA clé en main avec des compétences humaines intégrées et le personnaliser facilement sans code pour répondre à nos besoins spécifiques ? Cette vision d’une IA sans code et réutilisable élèvera certainement nos relations actuelles opérateur-machine au niveau des relations superviseur-assistant. Non seulement les nouvelles relations permettront à nous, les humains, d’être augmentés par l’IA au lieu d’être remplacés par elle, mais la nature sans code démocratisera également l’augmentation humaine.

1. L’IA par les compétences humaines

Selon les tâches à accomplir, les systèmes d’IA sont formés pour posséder différentes compétences humaines. La figure 1 répertorie des exemples de systèmes d’IA par compétences humaines. Certains systèmes d’IA utilisent un un seul type de compétences humaines, telles que la perception visuelle humaine ou les compétences linguistiques, pour effectuer une tâche spécifique, telle que l’identification d’un objet ou l’analyse des sentiments. En revanche, les systèmes d’IA plus complexes utilisent multiples compétences humaines ensemble pour accomplir des tâches complexes. Par exemple, une voiture autonome doit utiliser plusieurs compétences humaines, telles que la perception visuelle humaine et les compétences de prise de décision, pour atteindre ses objectifs de conduite. De même, un assistant d’IA conversationnel doit utiliser plusieurs compétences humaines, telles que des compétences en communication ou certaines compétences non techniques humaines (par exemple, l’écoute active), pour accomplir ses tâches.

Diagramme, chronologie Description générée automatiquement
Figure 1. Exemple de systèmes d’IA avec différentes compétences humaines.

2. IA réutilisable à plusieurs niveaux

Qu’un système d’IA nécessite une ou plusieurs compétences humaines pour fonctionner, créer un système d’IA à partir de zéro est toujours difficile et nécessite beaucoup d’expertise et de ressources. Tout comme la construction d’une voiture, au lieu de la construire entièrement à partir de zéro avec des matières premières, il serait beaucoup plus facile et plus rapide si nous pouvions rapidement personnaliser et assembler des pièces et des systèmes préfabriqués, tels que le moteur, les roues et les freins.

Bien qu’il existe de nombreux systèmes d’IA sans code et réutilisables, il est très difficile de permettre la réutilisation sans code d’un système d’IA complexe, tel qu’un système d’IA conversationnel, en raison de la complexité de la technologie impliquée et de l’exigence d’une multi-niveaux. réutilise. La figure 2 montre un exemple d’architecture à 3 couches à l’appui d’un assistant d’IA cognitive, une nouvelle génération d’assistants d’IA avec plusieurs compétences humaines avancées, y compris des compétences non techniques.

Description du diagramme générée automatiquement
Figure 2. Exemple d’architecture d’un assistant d’IA cognitive avec IA réutilisable à plusieurs niveaux.

Réutiliser des modèles d’IA à usage général

Comme le montre la figure 2, la couche inférieure est un ensemble de modèles d’apprentissage automatique à usage général sur lesquels s’appuie tout système d’IA. Par exemple, les modèles d’apprentissage neuronal (profond) basés sur les données, tels que BERT et GPT-3, sont généralement pré-formés sur de grandes quantités de données publiques comme Wikipedia. Ils peuvent être réutilisés dans les applications d’IA pour traiter les expressions en langage naturel. Les modèles d’IA à usage général sont cependant insuffisants pour alimenter un assistant d’IA cognitive. Par exemple, les modèles à usage général formés sur Wikipédia ne peuvent généralement pas gérer les communications conversationnelles nuancées, telles que la gestion d’une conversation ou la déduction des besoins d’un utilisateur à partir d’une conversation.

Réutiliser des moteurs d’IA spécialisés

Pour alimenter un assistant IA avec des compétences humaines, des moteurs IA spécialisés (la couche intermédiaire) sont nécessaires. Par exemple, le écoute active illustré à la figure 2 permet à un assistant IA de comprendre le centre d’attention dans une conversation et lui donne de la mémoire afin qu’il puisse interpréter correctement l’entrée d’un utilisateur, y compris les expressions incomplètes et ambiguës dans le contexte, comme dans les exemples illustrés à la figure 3.

Figure 3. Exemples montrant comment un assistant d’IA cognitive interprète la même entrée d’utilisateur dans deux contextes différents et est capable de réagir en conséquence.

De même, les moteurs d’IA spécialisés comme la lecture entre les lignes et les moteurs de communication conversationnelle dotent un assistant d’IA de compétences humaines supplémentaires. Par exemple, la lecture entre les lignes permet aux assistants IA d’analyser l’entrée d’un utilisateur pendant une conversation et de déduire automatiquement les caractéristiques uniques de l’utilisateur (Figure 4). Le moteur de communication spécifique à la conversation permet aux assistants IA de mieux interpréter les expressions de l’utilisateur au cours d’une conversation, par exemple en identifiant si une entrée utilisateur est une question ou une déclaration réfléchie, ce qui justifie différentes réponses IA.

Avec une conception et une mise en œuvre soignées, tous les moteurs d’IA spécialisés peuvent être rendus réutilisables. Par exemple, le moteur de conversation d’écoute active peut être pré-formé avec des données de conversation pour détecter divers contextes de conversation (par exemple, un utilisateur donne une excuse ou pose une question de clarification) et pré-construit avec une logique d’optimisation qui essaie toujours d’équilibrer l’utilisateur l’expérience et l’achèvement des tâches lors de la gestion des interruptions de l’utilisateur pour guider une conversation.

Figure 4. Un exemple montrant comment un assistant d’IA cognitive est capable d’analyser le texte conversationnel de l’utilisateur et de déduire automatiquement les compétences non techniques de l’utilisateur.

Réutiliser des assistants IA entiers

En plus de réutiliser des composants/compétences d’IA individuels, l’objectif ultime est de réutiliser une solution d’IA complète. Dans le cadre de la construction d’assistants IA, il s’agit de réutiliser un assistant IA complet basé sur des modèles d’assistant IA avec des flux de travail prédéfinis et une base de connaissances pertinente (la couche supérieure de la figure 2). Par exemple, un modèle AI Recruiting Assistant comprend un ensemble de questions d’entretien d’embauche et une base de connaissances pour répondre aux FAQ liées à l’emploi. De même, un modèle AI Learning Assistant décrit un flux de travail, tel que la vérification du statut d’apprentissage d’un étudiant et la fourniture d’instructions d’apprentissage ou de rappels. Un tel modèle peut être directement réutilisé pour créer un assistant IA clé en main ou peut être rapidement personnalisé pour répondre à des besoins spécifiques, comme indiqué ci-dessous.

3. IA réutilisable permettant une IA sans code

Étant donné que chaque solution d’IA nécessite généralement certaines personnalisations, l’IA réutilisable permet des personnalisations d’IA sans code. Vous trouverez ci-dessous plusieurs exemples.

Personnalisation sans code des modèles d’assistant IA

Supposons qu’un recruteur RH souhaite créer un assistant de recrutement IA personnalisé basé sur un modèle IA existant. Tout comme avec PowerPoint ou Excel, le recruteur utilisera une interface graphique pour personnaliser les questions d’entretien (Figure 5) et les FAQ liées à l’emploi. La personnalisation sans code simplifie grandement la création d’une puissante solution d’IA de bout en bout, en particulier pour les non-professionnels de l’informatique.

Interface utilisateur graphique, texte, application, chat ou SMS Description générée automatiquement
Figure 5. Personnalisation sans code d’un assistant de recrutement IA pour poser une question spécifique (T17). L’assistant IA gérera automatiquement la discussion sur ce sujet.

Poursuivant l’exemple ci-dessus, en supposant que le recruteur souhaite que l’assistant IA pose une question aux candidats “Qu’est-ce que vous aimez le plus dans votre travail actuel?”. Si la réponse d’un candidat est quelque chose de similaire à “interagir avec les clients“, le recruteur veut que l’IA pose une question de suivi “Pourriez-vous me donner un exemple montrant que vous avez aimé interagir avec votre client ??” Étant donné que le modèle d’IA pré-construit ne gère pas ce cas spécifique, le recruteur devrait personnaliser la communication de l’IA. La figure 6 montre comment une telle personnalisation peut être effectuée sans codage.

Figure 6. Personnalisation sans code d’un assistant IA basée sur la réponse d’un utilisateur à la question dans T17 avec une question de suivi (T18). L’assistant AI gérera automatiquement le flux de travail.

4. L’IA sans code et réutilisable définit les relations superviseur-assistant

L’IA sans code et réutilisable permet toutes les personnes, y compris les non-professionnels de l’informatique, pour créer leurs propres solutions d’IA personnalisées (assistants). Un assistant IA n’a besoin que d’être instruit ce qu’il faut faire (par exemple, poser aux utilisateurs une série de questions) puis exécute les tâches automatiquement (par exemple, comment gérer les interruptions des utilisateurs). Cela transforme les relations traditionnelles opérateur-machine en relations superviseur-machine. Lorsque les humains doivent programmer/coder une machine pour enseigner les machines, les humains jouent le rôle de opérateurs/développeurs de machines. Alors que les humains fournissent aux machines des instructions de haut niveau, sans code, telles que la description des tâches et l’enseignement de nouvelles connaissances, les humains deviennent maintenant le superviseurs de machines. Cette nouvelle relation permet aux humains de faire plus avec l’aide des machines.

5. Orientations futures de l’IA sans code et réutilisable

L’IA sans code et réutilisable démocratise la création et l’adoption de solutions d’IA puissantes sans nécessiter de talents rares en IA ni de ressources informatiques coûteuses. De plus, l’IA réutilisable sans code améliore les relations homme-machine, permettant toutes les personnes être augmentée par la puissance des machines. Pour faire de l’IA réutilisable et sans code le principal paradigme de développement et d’adoption de solutions d’IA, des progrès doivent également être réalisés dans plusieurs domaines.

IA explicable

Le premier domaine consiste à rendre explicables les composants/systèmes d’IA réutilisables. Pour aider le personnel non informatique à réutiliser des composants et des solutions d’IA préformés ou pré-construits, il est essentiel de déballer la «boîte noire» et d’expliquer ce qu’il y a à l’intérieur de chaque composant ou solution, à la fois pour et contre. L’IA réutilisable explicable aide non seulement les humains à mieux comprendre et à exploiter les composants/systèmes d’IA existants, mais aide également à éviter les pièges potentiels de l’IA. Par exemple, il serait utile pour un recruteur RH de comprendre comment les informations personnelles sont déduites avant d’utiliser une telle puissance d’IA pour déduire les informations des candidats.

Débogage automatique de l’IA

Le deuxième domaine serait la prise en charge du débogage automatique de l’IA. À mesure que les solutions d’IA deviennent plus complexes et sophistiquées, il est difficile d’examiner manuellement le comportement potentiel de l’IA dans des circonstances diverses et complexes. Les utilisateurs non informaticiens auront particulièrement besoin d’aide pour évaluer une solution d’IA (par exemple, un assistant d’IA) et l’améliorer avant de la déployer formellement. Bien qu’il existe des recherches initiales sur le profilage des assistants IA, il reste encore beaucoup à faire.

IA responsable

Le troisième domaine serait de garantir les utilisations responsables de l’IA, en particulier avec la démocratisation de l’IA. Par exemple, si quelqu’un peut simplement réutiliser une unité fonctionnelle d’IA pour obtenir des informations sensibles des utilisateurs, comment et qui peut protéger les utilisateurs et leurs informations sensibles ? En plus de mesurer les performances typiques de l’IA telles que la précision et la robustesse, de nouvelles mesures et directives d’utilisation seront nécessaires pour garantir la création et le déploiement de solutions d’IA fiables et sûres.

Michelle Zhou, Ph.D. est cofondateur et PDG de Juji, Inc.

DataDecisionMakers

Bienvenue dans la communauté VentureBeat !

DataDecisionMakers est l’endroit où les experts, y compris les techniciens travaillant sur les données, peuvent partager des informations et des innovations liées aux données.

Si vous souhaitez en savoir plus sur les idées de pointe et les informations à jour, les meilleures pratiques et l’avenir des données et de la technologie des données, rejoignez-nous sur DataDecisionMakers.

Vous pourriez même envisager de rédiger votre propre article !

En savoir plus sur DataDecisionMakers




Leave a Comment