Incidents associés
Le 1er avril 2009, Google a dévoilé Gmail Autopilot, un plug-in qui promettait de lire et de générer des réponses contextuellement pertinentes aux messages s'accumulant dans les boîtes de réception des utilisateurs. "Alors que de plus en plus de communications quotidiennes ont lieu par e-mail, de nombreuses personnes se sont plaintes de la difficulté de lire et de répondre à chaque message", explique la page du produit. "C'est parce qu'ils lisent et répondent à tous leurs messages." Pour ceux qui n'avaient pas enregistré la date, la page des termes et conditions épelait la blague : "Non, nous ne prévoyons pas de scanner chacun de vos messages entrants et d'envoyer automatiquement la réponse parfaite."
Le 5 novembre 2015, Google a dévoilé Smart Reply, un plug-in qui lit et suggère des réponses aux e-mails. Cette fois, l'innovation existe réellement, dans le cadre de l'application Inbox de l'entreprise pour Android et iOS. Si Smart Reply pense qu'il comprend un message qui nécessite une réponse, il proposera trois options, ainsi qu'une invitation joyeuse à "commencer à composer votre réponse en un clic". Lorsque j'ai écrit à Matt Jones, le directeur du design chez Google Research, pour dire que ça avait été super de le voir l'autre soir et pour lui demander s'il pouvait me mettre en contact avec l'équipe derrière Smart Reply, il m'a renvoyé une capture d'écran de les options que l'application lui avait données : "C'était super de te voir aussi !" "C'était amusant!" "Ça ira!" Il m'a mis en contact avec Alex Gawley, le chef de produit de Gmail, qui a dit que je ne devrais pas être offensé. ("Je veux dire, je suis sûr que c'était super de te voir."")
La blague du poisson d'avril de 2009 a commencé à être prise au sérieux au début de 2015, m'a dit Gawley, grâce à deux développements. L'équipe de Google Research, qui avait récemment acquis DeepMind, la société à l'origine d'une forme d'intelligence artificielle gagnante dans les jeux d'arcade, progressait rapidement dans les domaines de l'apprentissage automatique liés au langage, notamment la traduction et l'analyse de la parole. Dans le même temps, les Américains lisaient de plus en plus leurs e-mails sur des appareils mobiles : 53 % d'entre eux, en fait, contre 8 % en 2011. "C'est un petit écran et un petit clavier, ce qui signifie que les e-mails sont faciles à lire et très difficiles à répondre », a déclaré Gawley. Il a ajouté que la combinaison de gros pouces et de correction automatique est "un véritable problème pour nos utilisateurs".
Smart Reply utilise ce qu'on appelle un réseau de neurones artificiels - un terme intimidant pour un type particulier de modèle mathématique - pour démêler les modèles et les probabilités qui sous-tendent les communications par e-mail. Pour des raisons de confidentialité, les humains ne sont pas autorisés à lire le vaste corpus de messages électroniques de Google. Les machines, cependant, le sont et, en s'appuyant sur ces données, elles peuvent progressivement trier les phrases en « vecteurs de pensée », ou coordonnées dans l'espace linguistique. En d'autres termes, en traçant les similitudes dans le contexte, la fréquence des mots et la structure des phrases, le réseau de neurones peut apprendre à reconnaître et à regrouper l'infinie variété de façons que les humains ont développées pour dire à peu près la même chose : « À quoi ressemble cet après-midi ? pour un appel ? » "Pouvons-nous parler plus tard aujourd'hui?" Ou "Est-ce que ce P.M. travailler pour une conversation rapide ? » En parcourant à nouveau les données, la machine peut alors trouver et suggérer les réponses les plus typiques à ce vecteur de pensée particulier : "Bien sûr, à quelle heure pensiez-vous ?" "Assurer à tout moment." Ou "Bien sûr, quoi de neuf ?"
Plus tôt cette année, les chercheurs de Google ont utilisé le réseau pour développer un chatbot intelligent avec lequel ils pouvaient discuter du but de la vie. ("Pour servir le plus grand bien", selon la machine.) Pourtant, lorsque les ingénieurs de l'entreprise ont appliqué leur réseau de neurones au problème de l'e-mail, cela n'a pas parfaitement fonctionné tout de suite. "La plupart des travaux d'apprentissage automatique concernent en fait le réglage", a déclaré Gawley. L'I.A. a tendance à suggérer des réponses qui disent la même chose de manière légèrement différente, ce qui est moins utile que de proposer aux utilisateurs des réponses qui représentent une gamme de réponses probables différentes. (Par exemple, "Non, désolé, je suis occupé" aurait été une alternative plus utile que "Bien sûr, à tout moment" dans l'exemple ci-dessus.) L'équipe a corrigé cela, dans une certaine mesure, en ajoutant un paramètre qui encourage à la machine de choisir des réponses disparates - celles qui ont une distance suffisante entre elles lorsqu'elles sont tracées sous forme de vecteurs dans l'espace sémantique.
Les premières itérations de Smart Reply étaient trop affectueuses. "Je t'aime" était la réponse suggérée la plus courante de la machine. C'était un peu gênant : parce que le modèle n'a aucune connaissance de la relation entre l'expéditeur d'un e-mail et son destinataire, il fournit les mêmes réponses suggérées, que vous correspondiez avec votre patron ou un frère perdu depuis longtemps. "L'équipe était vraiment perplexe à ce sujet", a déclaré Gawley. "Il s'avère que nos testeurs internes sont très affectueux et que" je t'aime "est une chose très courante pour les gens de Google." Lorsque les ingénieurs ont inspecté leur modèle, ils ont découvert que chaque fois qu'un e-mail ne donnait pas un signal particulièrement fort quant à la réponse appropriée, la machine couvrait ses paris avec une déclaration d'affection. Ce fait peut encore devenir le subj