langage naturel

Projet Wisdom : Red Hat intègre de l'intelligence artificielle dans sa plate-forme Ansible

Soumis par fredericmazue le

Red Hat et IBM Research, dévoilent « Project Wisdom », le premier projet communautaire visant à doter la plate-forme Ansible d’une capacité de traitement intelligent du langage naturel. Le projet s’appuie sur un modèle d’IA stimulant, selon les partenaires,  la productivité des développeurs d’automatisation informatique, en faisant de cette dernière une approche plus facile à appliquer et à comprendre pour les professionnels de l’IT, quelles que soient leurs compétences et leurs parcours.

Le projet Wisdom, qui repose sur des modèles d’IA dérivés du programme AI for Code d’IBM, permet à un utilisateur d’effectuer une commande sous la forme d’une simple phrase en anglais. Il analyse ensuite la phrase énoncée et construit le workflow d’automatisation demandé, avant de le livrer sous la forme d’un playbook Ansible, qui peut être utilisé pour automatiser un certain nombre de tâches informatiques. Contrairement à d’autres outils de codage pilotés par l’IA, le projet Wisdom ne se concentre pas sur le développement d’applications, mais s’applique plutôt à résoudre le problème de la complexité croissante de l’informatique d’entreprise à mesure que de plus en plus d’organisations adoptent le cloud hybride.

Red Hat et IBM soulignet que devenir un expert en automatisation exige de déployer des efforts et d’utiliser des ressources considérables au fil du temps, avec une courbe d’apprentissage pour explorer et maîtriser différents domaines. Le projet Wisdom vise à combler le fossé entre le code YAML d’Ansible et le langage humain, afin que les utilisateurs puissent s’exprimer dans un anglais simple pour pouvoir générer un contenu d’automatisation syntaxiquement correct et fonctionnel.

Un tel contenu pourrait permettre à un administrateur système, qui fournit généralement des services sur site, de naviguer entre ces différents domaines pour construire, configurer et exploiter d’autres environnements en utilisant le langage naturel pour générer des instructions issues d’un playbook. Un développeur qui serait capable de créer une application, mais qui ne disposerait pas des compétences nécessaires pour l’installer sur une nouvelle plate-forme dans le cloud, pourrait se servir du projet Wisdom pour développer ses compétences dans ces nouveaux domaines et contribuer à la transformation de l’entreprise. Les novices issus de chaque service pourraient être en mesure de générer du contenu de manière immédiate, tout en développant des connaissances de base et n’auraient pas à dépendre des modèles d’enseignement traditionnels.

Chris Wright, CTO and SVP of Global Engineering chez Red Hat : « Ce projet illustre comment l’intelligence artificielle a le pouvoir de modifier fondamentalement la façon dont les entreprises innovent, en accordant des capacités généralement réservées aux équipes opérationnelles à d’autres services. Grâce à des solutions intelligentes, les entreprises peuvent diminuer les obstacles à la participation, combler les lacunes croissantes en matière de compétences et éliminer les cloisonnements à l’échelle de l’entreprise pour repenser les manières de travailler dans le monde de l'entreprise. »

Ruchir Puri, chief scientist chez IBM Research; IBM Fellow; VP de la IBM Technical Community : « Le projet Wisdom est la preuve que des opportunités considérables peuvent être concrétisées grâce à la technologie et à l’entreprise en combinant les dernières nouveautés en matière d’IA et de logiciels. Nous vivons une époque fascinante, où nous continuons de faire progresser la manière dont l’IA et les technologies de cloud hybride d’aujourd’hui construisent les ordinateurs et les systèmes de demain. »

Expert.ai ajoute de nouvelles fonctionnalités à son API de compréhension du langage naturel et lance un hackathon

Soumis par fredericmazue le

Expert.ai a annoncé de fonctionnalités avancées améliorant les capacités d'analyse via son API de langage naturel (NL) basée sur le cloud. La nouvelle extension s'attaque à l'un des plus grands défis auxquels les développeurs d'intelligence artificielle sont confrontés dans l'écosystème NL : l'extraction des émotions à grande échelle et l'identification des données stylométriques conduisant à une empreinte digitale complète du contenu. 

La possibilité de tirer parti de l'analyse des traits émotionnels et comportementaux joue un rôle essentiel dans le développement d'applications intelligentes basées sur le langage naturel. Cela permet aux développeurs et aux Data scientists d’aller au-delà des traditionnelles notes positives ou négatives issues d'une analyse des sentiments pour identifier les émotions d'un texte, permettant aux organisations de créer des applications qui exploitent le plein potentiel de leurs données. 

"Qu'il s'agisse d'applications qui analysent les interactions avec les clients, les évaluations de produits, les e-mails ou les conversations de chatbot, ou de l'enrichissement du contenu qui augmente la précision de l'analyse de texte, l'ajout de traits émotionnels et comportementaux fournit des informations essentielles avec un impact significatif", a déclaré Luisa Herrmann-Nowosielski, Head of Product Management chez expert.ai. "En intégrant ces nouvelles fonctionnalités, y compris une extension de stylométrie (Writeprint) dans notre API NL, nous franchissons une nouvelle étape dans l'écosystème des API d'intelligence artificielle, en fournissant aux développeurs et aux Data scientists des informations uniques et prêtes à l'emploi pour booster leurs applications innovantes."

Traits émotionnels et comportementaux

L'API NL d’expert.ai identifie une gamme de 117 traits différents, fournissant la taxonomie émotionnelle et comportementale la plus riche disponible sur le marché des API d'IA aujourd'hui. Les traits émotionnels sont classés en 8 groupes différents (colère, peur, dégoût, tristesse, bonheur, joie, nostalgie, honte...). Les traits comportementaux sont divisés en 7 groupes (socialité, action, ouverture, conscience, éthique, indulgence et capacité) et l'API attribue 3 niveaux de polarité (faible, moyen, élevé) pour indiquer davantage le niveau de chaque trait extrait.  

Cette nouvelle extension des émotions et des traits comportementaux peut s'avérer particulièrement utile pour rendre la catégorisation du contenu médiatique plus efficace et améliorer les interactions avec les clients en capturant de nouveaux besoins ou en fournissant des prévisions plus détaillées et en permettant une adaptation plus efficace des recommandations pour le commerce et la publicité en ligne.

Writeprint 

L'extension Writeprint de l'API NL d'expert.ai effectue une analyse approfondie du style linguistique (ou analyse stylométrique) allant de la lisibilité des documents et de la richesse du vocabulaire aux types et temps des verbes, aux registres, à la structure des phrases et à la grammaire. Elle permet de comparer plusieurs documents pour identifier un style d'écriture unique et des marques d'auteur afin d’affiner l'analyse de paternité pour établir l'auteur d'un texte spécifique ou d'isoler des caractéristiques telles que le niveau d'éducation et d'autres aspects culturels.

Les caractéristiques de l’extension Writeprint sont également précieuses pour les activités de renseignement afin d'établir, avec un certain degré de certitude, si une personne spécifique a écrit un texte et d'identifier les faux ou les imitations. Elles sont également utiles aux sociétés d'édition et aux médias pour classer les nouvelles et les articles en fonction de styles d'écriture distincts (basés sur des caractéristiques syntaxiques, structurelles et lexicales) ou du niveau de lisibilité (qui peut être affecté par l'argot, une grammaire incorrecte, etc.). 

Hackathon “Sentiment & Opinion Mining NL API” 

Expert.ai lance un nouveau hackathon "Sentiment & Opinion Mining Natural Language API" qui offre la possibilité de créer une application basée sur l'IA en exploitant les fonctions d'analyse des sentiments, des émotions et des traits comportementaux fournis par l'API NL.

L'inscription au hackathon est gratuite. Les développeurs individuels et les équipes peuvent s'inscrire sur expertai-nlapi-042021.devpost.com jusqu'au 22 juin 2021.

Les gagnants seront annoncés le 15 juillet 2021 et recevront des prix d'une valeur totale de 10 000 dollars, dont : 5 000 dollars pour la première place, 2 500 dollars pour la deuxième place, 1 000 dollars pour la troisième place et trois prix de 500 dollars par catégorie. 

Pour en savoir plus sur le hackathon et s'inscrire pour y participer, cliquez ici : expertai-nlapi-042021.devpost.com.

Google récompense des recherches sur le langage naturel.

Soumis par jean le

Google a attribué son prix « Focused Research Award » d’une valeur de 140 000 dollars à Ivan Titov,  de  l’Université de Saarbruck, en Allemagne. Les travaux de ce chercheur  concernent les  programmes qui peuvent comprendre le langage naturel.  L'informaticien est en train d'élaborer une procédure qui permettra aux ordinateurs d'apprendre à identifier les relations sémantiques pertinentes dans les textes. Cette recherche pourrait signifier qu'à l'avenir nous pourrons poser nos questions spécifiques de l'ordinateur sur le contenu d'un texte. L'ordinateur serait alors capable d’ analyser un  texte et de fournir à l'utilisateur les bonnes réponses aux questions qu’il poserait sur ce texte.

La question que se pose le chercheur : comment les ordinateurs peuvent-ils apprendre à comprendre la signification et les relations entre les mots dans les phrases et dans les textes. «Le modèle que nous avons développé simule comment les humains créent des textes. Afin de comprendre les textes, nous faisons travailler  nos ordinateurs dans le sens inverse: en partant  du texte,  l'ordinateur va dévoiler  sa signification ou même l'intention de l'écrivain », explique le Dr Titov. Cependant, Titov et son groupe ne stipulent aucun modèle détaillé, ni de règles pré-définies.  Au lieu de cela,  ils utilisent des millions de phrases, pour générer à la fois le modèle et les règles. Les phrases qui sont analysées proviennent de grandes collections de textes, comme Wikipedia. L'analyse de cet ensemble massif de  données nécessite une grande puissance de calcul, avec des algorithmes spécialement développés, et  une centaine d'ordinateurs.

 L'idée est de développer un logiciel qui permette aux ordinateurs d'identifier les relations cachées entre les mots et les bouts de phrases, dépendantes du contexte. L'exemple de ces deux phrases le montre : «John est tout juste diplômé de l'Université de la Sarre. Il travaille maintenant pour Google ». Il est clair, même pour un ordinateur, que John et l’Université de la Sarre sont liés par la relation « est diplômé » et que John et Google sont reliés par la relation «travaille pour». Mais le modèle développé par les informaticiens de Sarrebruck peut également reconnaître que John a étudié à l'Université de la Sarre, très probablement dans le Département des sciences et de l'informatique Computer.

Une fois que les ordinateurs peuvent comprendre ces modèles du langage humain, la prochaine étape pour les chercheurs est d'appliquer la méthode pour obtenir des machines à produire automatiquement des résumés de textes significatifs et à répondre aux questions sur le contenu du texte.

 Un autre chercheur, Hans Uszkoreit , s’est vu décerné un Google Focused Award , d’une valeur de 220 000 dollars. Uszkoreit est professeur de « Computational Linguistics » à l'Université de la Sarre et directeur scientifique au Centre de recherche allemand pour l'intelligence artificielle. Il s'intéresse à la façon dont les ordinateurs peuvent identifier les relations linguistiques au sein de  grandes collections de textes.

 Les chercheurs de l'université travaillent en étroite collaboration avec le Centre allemand de recherche en intelligence artificielle et les deux instituts Max Planck d'informatique et de systèmes logiciels, qui sont situés sur le campus de Sarrebruck. Le Cluster d’excellence ‘Multimodal Computing and Interaction’ travaille sur les informations multimodales, à partir des fichiers audio, photo, image, texte et vidéo.

 Pour en savoir plus :

www.coli.uni-saarland.de
www.mmci.uni-saarland.de

Traduire automatiquement le langage en Code

Soumis par jean le

Comment générer automatiquement des expressions naturelles à partir du langage naturel, (celui que nous parlons écrivons dans la vie de tous les jours) ? Le langage naturel remplacera-il un jour les langages de programmation ? Tout le monde pourrait-il programmer -comme Monsieur Jourdain faisait de la prose-, rendant inutile le beau et dur métier de développeur ?

 Le Computer Science and Artificial Intelligence Laboratory du MIT a publié le 11 juillet sur son site un article résumant deux études de ses chercheurs : « Writing programs using ordinary language ».*

Rassurons les professionnels, ce n’est pas pour demain. ”Je ne pense pas que nous pourrons le faire pour tous les types de programmes, mais sur certaines activités, il y a de nombreux exemples de traductions », commente Regina Barzilay, professeur du MIT et co-auteur des 2 études.

D’ailleurs, souligne la chercheuse, les programmeurs pratiquent déjà la rédaction de spécifications qui décrivent les taches informatiques de leur programmes. Un automatisme qui fonctionnerait à l’envers et partirait de cette description pour écrire le programme, en quelque sorte, est donc réalisable.

 

 *http://web.mit.edu/newsoffice/2013/writing-programs-using-ordinary-language-0711.html

Deux  études (10pages) publiés par le MIT :

-“From Natural Language Specifications to Program Input Parsers”.Télécharger: http://people.csail.mit.edu/taolei/papers/acl2013.pdf

- Using Semantic Unification to Generate Regular Expressions from Natural LanguageTélécharger:  http://people.csail.mit.edu/nkushman/papers/naacl2013.pdf