Academic literature on the topic 'Robots conversationnels'

La contribution cherche à montrer l’influence de l’analyse conversationnelle (et notamment celle de la pensée linguistique de Grice, 1975) sur les choix rédactionnels observables dans les productions automatiques de textes argumentatifs par l’agent conversationnel ChatGPT. L’objectif intermédiaire consiste, dans un premier temps, à dégager le substrat de l’analyse conversationnelle anglo-saxonne à l’œuvre dans les réponses de cet agent de conversation, puis à établir les points de concordance entre les textes générés par un agent de conversation comme ChatGPT et les maximes conversationnelles de Grice. Dans un deuxième temps, il s’agira de montrer comment les productions de ce type d’agent conversationnel peuvent être considérées comme des objets gricéens (ces derniers seront dûment définis et on insistera sur l’intérêt de les observer, puisqu’ils contribuent notamment à la classification des textes). Nous ouvrirons à cette occasion le débat sur la notion d’implicature conversationnelle: est-elle ou non pleinement maîtrisée par un robot parleur comme ChatGPT ? Enfin, on proposera un prolongement sur la détection (basée sur l’utilisation systématique et routinière des maximes de Grice) des textes générés exclusivement par un agent conversationnel de ce type: il s’agira de poser la question du repérage des textes produits par des chatbots.

Le développement de l’intelligence artificielle va nous obliger à repenser plusieurs concepts clés de la psychologie : les machines interactives dotées d’empathie artificielle nous amèneront à ne plus considérer l’empathie et les émotions comme des éprouvés caractéristiques du vivant, mais comme des formes de liens unissant deux individus appartenant au même ordre ou à des ordres différents; le développement de l’animisme pourrait amener à attribuer à des objets des degrés de « personéité » venant remplacer la définition en termes de « tout ou rien » de ce qu’est une personne; le discours de l’intimité annexé par des chatbots et autres robots conversationnels redéfiniront ce qu’est la vie privée; l’autorégulation, encouragée par certaines technologies numériques, sera empêchée par d’autres, obligeant à repenser ce qu’on appelle addiction; enfin le double mouvement d’externalisation de nos capacités somato-psychiques dans des machines, et de réintériorisation de celles-ci dans notre biologie même, selon un processus que nous appelons d’exencorporation, changera la définition de l’homme.

C’est le phénomène numérique de la fin 2022 : ChatGPT. Cet outil conversationnel qui utilise l’Intelligence Artificielle est encore en phase de test et se présente comme « Optimizing Language Models for Dialogue ». Issu des travaux de OpenAI, il est spectaculaire. Il est même tellement spectaculaire que la maison mère de Google a annoncé un « code rouge » pour ne pas se faire dépasser par ce futur tueur de clics !

Cette réflexion découle d’une recherche à la fois théorique et pratique, qui cible l’usage de techniques d’intelligence artificielle dans le domaine de l’art. Le concept de l’agent intelligent, considéré comme fondamental, est interrogé à partir de la théorie de Minsky, selon laquelle l’intelligence resulte de la somme d’agents, qui agissent et interagissent dans un ou plusieurs buts communs. Pour qu’un logiciel soit considéré comme un agent intelligent, il doit contenir un ou plusieurs des éléments suivants : une base de connaissance prédéfinie, un moteur d’inférence lui permettant de tenir des raisonnements plus ou moins complexes, un système d’acquisition de connaissances ou un mécanisme d’apprentissage. Dans le cadre de cette étude, notre attention se porte sur les agents dont la spécificité est de mener une conversation avec le public par le biais du langage naturel. Ce type d’agent est connu sous le terme de chatter-bot, ou encore chat-bot, en français ‘robot conversationnel’. Conçus dans des buts artistiques, ces agents peuvent prendre di_érentes formes visuelles. Animés par un logiciel et capables de fournir des réponses cohérentes, ils se formalisent en tant qu’oeuvres interactives par leur capacité de dialoguer. Deux oeuvres ont été sélectionnées comme objet d’étude: Agent Ruby de Lynn Hershmann, et Sowana, le projet du collectif artistique Cercle Ramo Nash (Paul Devautour et Yoon Ja). Ces chatter-bots sont envisagés dans une perspective artistique, qui nous permet de rediscuter certaines caractéristiques de leur nature poétique. Nous sommes convaincus que les agents intelligents en tant qu’oeuvres d’art posent une série de questions sur les fictions artistiques, sur l’échange entre l’intelligence humaine et celle de la machine, ou encore sur les possibilités de créer des machines consacrées à l’expérience poétique.

Presentation d'un systeme cao, pour la robotique fonctionnant sur microordinateur. Une des applications envisagees concerne la programmation graphique de robots horizontaux. Etude et realisation du systeme sacre

Notre thèse a pour objets d’étude les « assistants vocaux », ces « êtres textuels » partagés entre code informatique et langage naturel, entre écriture et oralité. À l’aune de la promesse adressée par Apple à ses utilisateurs, « Adressez-vous à Siri comme à une personne », nous cherchons à comprendre et décrire le « système d’écritures » au sein duquel prend forme la mimesis communicationnelle humain-machine. Il s’agit pour nous d’étudier les différentes facettes de ce système : ses énonciations (humaines et machiniques), ses gestes (mobilisant autant la main que la voix) ainsi que ses acteurs (en coulisses comme sur le devant de la scène). À la croisée des sciences de l’information et de la communication et de l’anthropologie, cette thèse mobilise diverses approches : l’enquête épistémologique, l’archéologie des médias et l’ethnographie en ligne. Nous explorons trois enjeux de l’écriture dans « l’interaction homme-machine » : le rapport à soi puisqu’elle permet de s’exprimer, le rapport à l’Autre puisqu’elle permet de communiquer, et enfin le rapport au monde en ce qu’elle permet de le dire et de l’organiser
This thesis aims to study “personal assistants”, these “textual beings” split between computer code and natural language, between writing and orality. In light of Apple's promise to its users, "Talk to Siri as a person", our research explores the writing system within which human-machine communicational mimesis takes shape. We study different facets of this system: its (human and machinic) enunciations, its gestures (mobilising both the hand and the voice) and its actors (backstage as in the spotlight). At the crossroads of information and communication sciences and anthropology, this thesis combines various approaches: epistemological investigation, media archaeology and online ethnography. We explore three issues of writing in "human-machine interaction": the relationship to oneself as it allows personal expression, the relationship to the Other since it enables communication, and finally the relationship to the world since it enables it to be said and organized

L'objectif de cette étude est d'élaborer un module d'animation temps-réel capable de produire les comportements co-verbaux, c'est-à-dire les mouvements du corps associés à la parole. À partir de résultats théoriques sur la conversation humaine, et en supposant l'existence d'un système capable de générer une phrase multimodale (c'est-à-dire une phrase enrichie de comportements co-verbaux comme les mouvements de sourcils ou les gestes des bras), cette thèse décrit une manière d'animer les bras de manière naturelle, tout en respectant les contraintes spatio-temporelles dues au couplage avec la parole. Ce couplage parole-animation étant une contrainte forte, une solution est proposer pour résoudre les problèmes de synchronisation qui peuvent survenir, en s'interrogeant sur la manière de spécifier une phrase multimodale et sur la manière de planifier l'animation. La dernière partie de cette thèse est consacrée aux choix d'architecture et à des aspects logiciels plus généraux.

Extraire de l'information de données langagières est un sujet de plus en plus d'actualité compte tenude la quantité toujours croissante d'information qui doit être régulièrement traitée et analysée, etnous assistons depuis les années 90 à l'essor des recherches sur des données de parole également. Laparole pose des problèmes supplémentaires par rapport à l'écrit, notamment du fait de la présence dephénomènes propres à l'oral (hésitations, reprises, corrections) mais aussi parce que les donnéesorales sont traitées par un système de reconnaissance automatique de la parole qui génèrepotentiellement des erreurs. Ainsi, extraire de l'information de données audio implique d'extraire del'information tout en tenant compte du « bruit » intrinsèque à l'oral ou généré par le système dereconnaissance de la parole. Il ne peut donc s'agir d'une simple application de méthodes qui ont faitleurs preuves sur de l'écrit. L'utilisation de techniques adaptées au traitement des données issues del'oral et prenant en compte à la fois leurs spécificités liées au signal de parole et à la transcription –manuelle comme automatique – de ce dernier représente un thème de recherche en pleindéveloppement et qui soulève de nouveaux défis scientifiques. Ces défis sont liés à la gestion de lavariabilité dans la parole et des modes d'expressions spontanés. Par ailleurs, l'analyse robuste deconversations téléphoniques a également fait l'objet d'un certain nombre de travaux dans lacontinuité desquels s'inscrivent ces travaux de thèse.Cette thèse porte plus spécifiquement sur l'analyse des disfluences et de leur réalisation dans desdonnées conversationnelles issues des centres d'appels EDF, à partir du signal de parole et destranscriptions manuelle et automatique de ce dernier. Ce travail convoque différents domaines, del'analyse robuste de données issues de la parole à l'analyse et la gestion des aspects liés àl'expression orale. L'objectif de la thèse est de proposer des méthodes adaptées à ces données, quipermettent d'améliorer les analyses de fouille de texte réalisées sur les transcriptions (traitement desdisfluences). Pour répondre à ces problématiques, nous avons analysé finement le comportement dephénomènes caractéristiques de l'oral spontané (disfluences) dans des données oralesconversationnelles issues de centres d'appels EDF, et nous avons mis au point une méthodeautomatique pour leur détection, en utilisant des indices linguistiques, acoustico-prosodiques,discursifs et para-linguistiques.Les apports de cette thèse s'articulent donc selon trois axes de recherche. Premièrement, nousproposons une caractérisation des conversations en centres d'appels du point de vue de l'oralspontané et des phénomènes qui le caractérisent. Deuxièmement, nous avons mis au point (i) unechaîne d'enrichissement et de traitement des données orales effective sur plusieurs plans d'analyse(linguistique, prosodique, discursif, para-linguistique) ; (ii) un système de détection automatique desdisfluences d'édition adapté aux données orales conversationnelles, utilisant le signal et lestranscriptions (manuelles ou automatiques). Troisièmement, d'un point de vue « ressource », nousavons produit un corpus de transcriptions automatiques de conversations issues de centres d'appelsannoté en disfluences d'édition (méthode semi-automatique)
Extracting information from linguistic data has gain more and more attention in the last decades inrelation with the increasing amount of information that has to be processed on a daily basis in the world. Since the 90’s, this interest for information extraction has converged to the development of researches on speech data. In fact, speech data involves extra problems to those encountered on written data. In particular, due to many phenomena specific to human speech (e.g. hesitations, corrections, etc.). But also, because automatic speech recognition systems applied on speech signal potentially generates errors. Thus, extracting information from audio data requires to extract information by taking into account the "noise" inherent to audio data and output of automatic systems. Thus, extracting information from speech data cannot be as simple as a combination of methods that have proven themselves to solve the extraction information task on written data. It comes that, the use of technics dedicated for speech/audio data processing is mandatory, and epsecially technics which take into account the specificites of such data in relation with the corresponding signal and transcriptions (manual and automatic). This problem has given birth to a new area of research and raised new scientific challenges related to the management of the variability of speech and its spontaneous modes of expressions. Furthermore, robust analysis of phone conversations is subject to a large number of works this thesis is in the continuity.More specifically, this thesis focuses on edit disfluencies analysis and their realisation in conversational data from EDF call centres, using speech signal and both manual and automatic transcriptions. This work is linked to numerous domains, from robust analysis of speech data to analysis and management of aspects related to speech expression. The aim of the thesis is to propose appropriate methods to deal with speech data to improve text mining analyses of speech transcriptions (treatment of disfluencies). To address these issues, we have finely analysed the characteristic phenomena and behavior of spontaneous speech (disfluencies) in conversational data from EDF call centres and developed an automatic method for their detection using linguistic, prosodic, discursive and para-linguistic features.The contributions of this thesis are structured in three areas of research. First, we proposed a specification of call centre conversations from the prespective of the spontaneous speech and from the phenomena that specify it. Second, we developed (i) an enrichment chain and effective processings of speech data on several levels of analysis (linguistic, acoustic-prosodic, discursive and para-linguistic) ; (ii) an system which detect automaticcaly the edit disfluencies suitable for conversational data and based on the speech signal and transcriptions (manual or automatic). Third, from a "resource" point of view, we produced a corpus of automatic transcriptions of conversations taken from call centres which has been annotated in edition disfluencies (using a semi-automatic method)

Cette thèse a pour objectif de proposer une architecture répondant aux problématiques de conception, de supervision, de pilotage et d’adaptation d’une expérience interactive. Nous proposons donc un framework complet destiné à faciliter la phase de modélisation d’un système interactif et garantissant une souplesse suffisante pour atteindre les objectifs de complexité, d’extensibilité, d’adaptabilité et d’amélioration par apprentissage automatique. Pour cela, le modèle formel, CIT, basé sur deux couches de description a été introduit. Le processus de supervision dynamique consiste à contrôler l’expérience interactive au regard du modèle formel, basé sur des réseaux d’automates temporisés à entrées/sorties. Deux plateformes logicielles, CELTIC (Common Editor for Location Time Interaction and Content) et EDAIN (Execution Driver based on Artificial INtelligence), implémentant respectivement le modèle CIT et le moteur de supervision de l’activité ont été développés au cours de cette thèse
This thesis aims to propose an architecture that addresses the design, supervision, management and adaptation of an interactive experience. We therefore propose a complete framework to facilitate the modeling phase of an interactive system and guarantee sufficient flexibility to achieve the objectives of complexity, scalability, adaptability and improvement through automatic learning. For this purpose, the formal model, CIT, based on two layers of description was introduced. The dynamic supervision process consists in controlling the interactive experience with regard to the formal model, based on networks of timed input/output automata. Two softwares, CELTIC (Common Editor for Location Time Interaction and Content) and EDAIN (Execution Driver based on Artificial INtelligence), implementing the CIT model and the activity supervision engine respectively, were developed during this thesis

Définition d'un processus coopératif; dans le contexte de l'assemblage automatique au moyen de robots, on réalise un système de programmation dont le langage sous-jacent de coopération (lcoop) permet à plusieurs robots d'intervenir conjointement et d'interagir d'une tache en communiquant.

Les premiers instants d'une interaction avec un personnage virtuel sont critiques, car les impressions que les utilisateurs se forgent à leur sujet peuvent affecter le reste de l'interaction, en termes d'engagement et de volonté de poursuivre l’interaction. Dans cette thèse, nous présentons un modèle computationnel pour un agent virtuel pour gérer les impressions de chaleur et de compétence (C&C), les deux dimensions fondamentales de la cognition sociale, que se forge l’utilisateur. Le but de l'agent est d'adapter son comportement non verbal en temps réel pendant une interaction, en fonction des réactions non verbales de l'utilisateur. Notre approche part de l'analyse d'un corpus d'interactions humaines afin d'identifier un ensemble de comportements non verbaux suscitant la perception de différents degrés de C&C. Une étude perceptive a examiné comment ces comportements sont perçus lorsqu'ils sont réalisés par un agent virtuel. Un algorithme d'apprentissage par renforcement a été développé pour permettre à l'agent d'apprendre en temps réel les comportements qui donnent la meilleure impression à l'utilisateur, en fonction de son objectif. Les réactions non verbales de l'utilisateur (calculées à partir de signaux de bas niveau telles que les unités d'action du visage) sont utilisées comme récompense pour l'algorithme. Nous avons personnalisé le modèle afin d'adapter les comportements de l'agent dans le but de maximiser l'engagement de l'utilisateur ou ses impressions sur la C&C de l'agent. 2 cas d'utilisation ont été menés afin d'évaluer l'impact d'un agent adaptatif sur les impressions de l’utilisateur et sa perception de l'interaction, par rapport à un agent non adaptatif
The first moments of an interaction with a virtual character are critical since users form impressions about them, which can affect the rest of the interaction, in terms of engagement and willingness to continue it. In this Thesis we present a computational model for managing user’s impression of agent’s warmth and competence (W&C), the 2 fundamentals dimensions of social cognition. The goal of the agent is to adapt its non-verbal behaviour in real-time during an interaction, according to user’s non-verbal reactions. Our approach starts from the analysis of a corpus of human-human interactions in order to identify a set of non-verbal behaviours eliciting different degrees of W&C. A perceptual study then investigated how these behaviours are perceived when performed by a virtual agent. A reinforcement learning (RL) algorithm has been developed to allow the agent to learn in real-time the behaviours which give the best impression to the user, according to its goal. User’s non-verbal reactions (computed from low-level signals such as facial action units) are used as a reward for the RL. We have personalized the computational model in order to adapt the agent’s behaviours with the goal of maximizing user’s engagement or impressions of agent’s W&C. Two use cases have been run in order to evaluate the impact of an adapting agent on user’s impressions and perception of the interaction, compared to a non-adapting agent. In the first experiment the agent adapted its self-presentational strategies in order to maximise user’s engagement. In the second one the agent learned the best combinations of non-verbal behaviours to display in order to maximise user’s impressions of its W&C

Dans le but d’interagir avec des êtres humains, les robots doivent effectuer destâches de perception basique telles que la détection de visage, l’estimation dela pose des personnes ou la reconnaissance de la parole. Cependant, pour interagir naturellement, avec les hommes, le robot doit modéliser des conceptsde haut niveau tels que les tours de paroles dans un dialogue, le centre d’intérêtd’une conversion, ou les interactions entre les participants. Dans ce manuscrit,nous suivons une approche ascendante (dite “top-down”). D’une part, nousprésentons deux méthodes de haut niveau qui modélisent les comportementscollectifs. Ainsi, nous proposons un modèle capable de reconnatre les activitésqui sont effectuées par différents des groupes de personnes conjointement, telsque faire la queue, discuter. Notre approche gère le cas général où plusieursactivités peuvent se dérouler simultanément et en séquence. D’autre part,nous introduisons une nouvelle approche d’apprentissage par renforcement deréseau de neurones pour le contrôle de la direction du regard du robot. Notreapproche permet à un robot d’apprendre et d’adapter sa stratégie de contrôledu regard dans le contexte de l’interaction homme-robot. Le robot est ainsicapable d’apprendre à concentrer son attention sur des groupes de personnesen utilisant seulement ses propres expériences (sans supervision extérieur).Dans un deuxième temps, nous étudions en détail les approchesd’apprentissage profond pour les problèmes de régression. Les problèmesde régression sont cruciaux dans le contexte de l’interaction homme-robotafin d’obtenir des informations fiables sur les poses de la tête et du corpsdes personnes faisant face au robot. Par conséquent, ces contributions sontvraiment générales et peuvent être appliquées dans de nombreux contextesdifférents. Dans un premier temps, nous proposons de coupler un mélangegaussien de régressions inverses linéaires avec un réseau de neurones convolutionnels. Deuxièmement, nous introduisons un modèle de mélange gaussien-uniforme afin de rendre l’algorithme d’apprentissage plus robuste aux annotations bruitées. Enfin, nous effectuons une étude à grande échelle pour mesurerl’impact de plusieurs choix d’architecture et extraire des recommandationspratiques lors de l’utilisation d’approches d’apprentissage profond dans destâches de régression. Pour chacune de ces contributions, une intense validation expérimentale a été effectuée avec des expériences en temps réel sur lerobot NAO ou sur de larges et divers ensembles de données
In order to interact with humans, robots need to perform basic perception taskssuch as face detection, human pose estimation or speech recognition. However, in order have a natural interaction with humans, the robot needs to modelhigh level concepts such as speech turns, focus of attention or interactions between participants in a conversation. In this manuscript, we follow a top-downapproach. On the one hand, we present two high-level methods that model collective human behaviors. We propose a model able to recognize activities thatare performed by different groups of people jointly, such as queueing, talking.Our approach handles the general case where several group activities can occur simultaneously and in sequence. On the other hand, we introduce a novelneural network-based reinforcement learning approach for robot gaze control.Our approach enables a robot to learn and adapt its gaze control strategy inthe context of human-robot interaction. The robot is able to learn to focus itsattention on groups of people from its own audio-visual experiences.Second, we study in detail deep learning approaches for regression prob-lems. Regression problems are crucial in the context of human-robot interaction in order to obtain reliable information about head and body poses or theage of the persons facing the robot. Consequently, these contributions are really general and can be applied in many different contexts. First, we proposeto couple a Gaussian mixture of linear inverse regressions with a convolutionalneural network. Second, we introduce a Gaussian-uniform mixture model inorder to make the training algorithm more robust to noisy annotations. Finally,we perform a large-scale study to measure the impact of several architecturechoices and extract practical recommendations when using deep learning approaches in regression tasks. For each of these contributions, a strong experimental validation has been performed with real-time experiments on the NAOrobot or on large and diverse data-sets