samedi 12 mars 2016

Comment une machine peut-elle comprendre les émotions humaines ?



Suite au billet que j’ai rédigé à propos de l’intelligence artificielle d’AlphaGo, j’ai reçu un message me demandant comment une machine peut interpréter des émotions humaines.

Il y a beaucoup de façons de répondre à cette question.

Je pense que la façon la plus simple est de modéliser un cas concret (qui n’est pas nécessairement la bonne technique mais une des multiples possibilités).

Les mathématiques permettent de tout modéliser, y compris les émotions.


Nous allons analyser, à la façon d’un logiciel, une série de phrases :

1.    J’ai passée la journée avec toi et j’en conclu que tu es une personne bien.

2.    J’ai passé la journée avec toi et j’en conclu que tu es une personne désagréable.

3.    J’ai passé la journée avec toi et j’en conclu que tu es un connard.

4.    J’ai passé une mauvaise journée avec toi et j’en conclu que tu es un connard.

5.    J’ai passée une journée de merde avec toi et j’en conclu que tu es un connard.

Un programme informatique pourra automatiquement vous dire que la première phrase est la moins agressive et la dernière la plus agressive.

Comment un programme peut-il faire cela ? En attribuant tout simplement des valeurs chiffrées à des mots clefs.


Listes des valeurs chiffrées


Valeur à 1 point
désagréable
mauvaise

Valeur à 2 point
connard
merde

Traduction chiffrée


Phrase 1 = 0
Phrase 2 = 1
Phrase 3 = 2
Phrase 4 = 3
Phrase 5 = 4

La phrase 1 ayant le score le plus bas, c’est donc la phrase qui reflète le moins de sentiments agressifs.

La phrase 5 ayant le score le plus haut, c’est donc la phrase qui reflète le plus de sentiments agressifs.

Comment est-ce que ce simple exemple peut nous expliquer que AlphaGo comprend les sentiments du joueur de Go contre lesquels il joue ?


Nous avons dans notre exemple créé un dictionnaire de valeur d’agressivité.

Nous savons, de part les publications de Google que AlphaGo possède un dictionnaire des parties de Go.

AlphaGo serait donc capable en théorie, de créer un dictionnaire des coups au Go qui mènent à l’anxiété/stress. En d'autres termes, AlphaGo serait capable de créer un dictionnaire des mouvements qui poussent à la faute.

L’anxiété/stress nait chez le joueur de la possible défaite.

Pourquoi ne pas définir un niveau d'anxiété/stress chiffré? Ainsi, chaque mouvement, sur base du dictionnaires des parties aurait une valeur chiffrée d'anxiété/stress.

AlphaGo a mémorisé des milliers (millions ?) de parties. Il sait donc quelles combinaisons de coups approchent d’une victoire ou d’une défaite. Plus il y a de combinaison qui approchent de la défaite, plus le facteur anxiété/stress est grand. Il est donc capable de mesurer en fonction des combinaisons le niveau d’anxiété et de jouer là dessus ; son but étant d’atteindre un niveau d’anxiété (seuil de craquage psychologique?) qu’il sait suffisant que pour mener à la défaite à tout les coups.

Ce serait donc pour cela que les joueurs qui ont affronté AlphaGo disent que ce programme leur met la pression (voir : http://www.ihaveto.be/2016/03/cette-semaine-les-regles-du-monde-ont.html).

Il s'agit bien entendu d'une simple théorie, pondu un samedi ap midi dans un canapé, avec mon chat sur les genoux, qui peut être totalement fausse.

Si j'émets cette théorie, c'est parce que pendant 2 ans je m'étais vraiment intéressé au jeu de Go. L'importance du ressenti, du feeling et du côté psychologique m'apparaissait à l'époque comme la clef de voute de ce jeu, clef de voute que j'aurais tout simplement modélisé de cette façon, si j'avais tenté de le faire... Bien entendu, c'est très prétentieux de penser que ce point de vue est le bon! Mais comme écrit plus haut, je ne prétends pas que c'est le bon... comme dirait Bruce, j'ai simplement pris le temps d'e-penser et de le partager ;-) 

Voilà, j’espère que cette explication courte et un peu (beaucoup) simpliste vous permet d’y voir un peu plus clair dans les méandres de mes drôles d'idées ;-)

Aucun commentaire:

Publier un commentaire