Qu’était A.L.I.C.E., et comment un robot conversationnel construit à partir de règles simples a-t-il gagné le prix Loebner?

A.L.I.C.E. (Artificial Linguistic Internet Computer Entity) est un robot conversationnel créé par Richard Wallace, qui a pris vie le 23 novembre 1995, et qui répond en comparant ce que vous tapez à des dizaines de milliers de motifs écrits à la main, stockés dans un langage de balisage simple appelé AIML. Il ne comprend rien au sens, mais la rédaction soignée de ses règles en a fait le programme le plus humain du prix Loebner à trois reprises, en 2000, en 2001 et en 2004.

Qu’était A.L.I.C.E., et comment un robot conversationnel construit…

Si vous avez déjà clavardé avec un robot de service à la clientèle qui semblait aimable, mais étrangement figé dans ses réponses, vous avez rencontré un descendant d’une idée qu’A.L.I.C.E. a popularisée. A.L.I.C.E., abréviation d’Artificial Linguistic Internet Computer Entity, souvent appelé Alicebot ou simplement Alice, est un robot conversationnel écrit par le chercheur Richard Wallace. On le date habituellement du 23 novembre 1995, le jour où il a « pris vie ».

Alice n’apprend pas le langage comme le font les systèmes d’IA modernes. Chacune de ses réponses a été écrite d’avance par une personne. Ce qui le rendait remarquable, c’était l’ampleur et le soin de cette rédaction, et le format simple et ouvert qui a permis à des centaines de bénévoles d’y contribuer.

D’où vient Alice?

Alice descend ouvertement d’ELIZA, le programme de Joseph Weizenbaum des années 1960 qui imitait un psychothérapeute en retournant les affirmations de l’utilisateur sous forme de questions. Wallace acceptait la comparaison. Les deux programmes fonctionnent par stimulus et réponse : repérer un motif dans l’entrée, renvoyer une réplique préparée. La différence, c’était la taille. ELIZA avait environ 200 règles. Alice en est venu à en compter environ 41 000.

La première version d’Alice a été écrite en 1995 en SETL, un langage de programmation peu connu fondé sur la théorie des ensembles. C’était un logiciel libre dès le départ, mais il a attiré peu de collaborateurs jusqu’à son passage à Java en 1998, dans une version au nom de code « Program A ». Program B, lancé en 1999, a attiré plus de 300 développeurs. À partir de novembre 2000, une version Java plus récente appelée Program D est devenue la version officielle du projet, soutenue par l’ALICE A.I. Foundation. Les fichiers de règles AIML sont toujours offerts en code source ouvert.

Le Web était l’autre ingrédient clé. Parce que les gens clavardaient avec Alice en ligne, Wallace pouvait recueillir de grands journaux de vraies conversations, ce que les créateurs d’ELIZA n’ont jamais eu.

Comment fonctionne Alice?

Les connaissances d’Alice sont écrites en AIML, l’Artificial Intelligence Markup Language, un format XML conçu par le groupe de Wallace. L’unité de base est une catégorie (category), qui associe un motif (pattern, ce que l’utilisateur pourrait dire) à un gabarit (template, la réponse d’Alice). Les motifs peuvent contenir un caractère générique, *, qui correspond à n’importe quels mots.

Voici une catégorie dans le style qu’utilise Wallace pour expliquer l’AIML :

<category>
  <pattern>DO YOU KNOW WHO * IS</pattern>
  <template><srai>WHO IS <star/></srai></template>
</category>

Étape par étape, voici ce qui se passe quand vous tapez « Do you know who Ada Lovelace is? » (Sais-tu qui est Ada Lovelace?) :

Alice cherche dans ses catégories le motif qui correspond le mieux.
« DO YOU KNOW WHO * IS » correspond, et le caractère générique capte « Ada Lovelace ».
La balise <srai> indique à Alice de traiter l’entrée comme si vous aviez tapé « Who is Ada Lovelace » (Qui est Ada Lovelace), et de chercher de nouveau.
S’il existe une catégorie pour cette question plus simple, son gabarit devient la réponse. Sinon, Alice se rabat sur une réplique plus vague, passe-partout.

Cette astuce, qui ramène de nombreuses formulations à une seule question type, est essentielle. Tout comme les catégories par défaut, les répliques évasives qu’Alice donne quand rien de précis ne correspond. Wallace comparait de bonnes réponses par défaut à celles d’un politicien : elles doivent laisser croire qu’on a compris sans s’engager à rien ni offenser personne.

Les motifs sont stockés dans un arbre, que le logiciel de Wallace appelle le Graphmaster, si bien que la recherche de correspondances reste rapide même avec des dizaines de milliers de catégories.

À essayer : écrivez cinq motifs et réponses pour un robot qui prend des commandes de pizza, dont un avec un caractère générique (« JE VEUX UNE PIZZA * ») et une réponse par défaut pour tout le reste. Demandez ensuite à un ami de taper dix demandes, et voyez combien tombent sur un motif précis et combien aboutissent à la réponse par défaut.

Apprendre grâce à un enseignant humain

Alice s’améliore, mais pas tout seul. Une personne appelée le botmaster lit les journaux de conversation et écrit de nouvelles catégories pour les entrées qui ont reçu de mauvaises réponses. Wallace appelait cela de l’apprentissage supervisé, parce qu’un humain supervise chaque changement, et son logiciel comprenait un outil qu’il appelait le « ciblage » (targeting), qui repère les entrées fréquentes dépourvues de réponse précise.

Wallace a remarqué que ce que les gens disent à un robot conversationnel suit une distribution de type Zipf : un petit nombre d’entrées (« Bonjour », « Comment t’appelles-tu? ») forment une grande part des conversations, tandis qu’une longue traîne de phrases inhabituelles apparaît rarement. La stratégie pratique en découle directement : écrire d’abord les réponses aux entrées les plus courantes.

Il s’opposait aussi à l’idée de laisser un robot apprendre librement auprès du public, puisque bien des utilisateurs fournissent délibérément de fausses informations aux robots conversationnels. Quelqu’un, écrivait-il, doit séparer le bon grain de l’ivraie.

Pourquoi est-ce important?

Alice a été classé l’ordinateur le plus humain au prix Loebner, le concours annuel de test de Turing, en 2000, en 2001 et en 2004. Il n’a jamais trompé les juges au point d’être classé au-dessus des participants humains, et un utilisateur ordinaire peut habituellement révéler sa nature mécanique en quelques échanges. Mais son format ouvert s’est largement répandu : des bénévoles ont écrit des interpréteurs AIML dans de nombreux langages de programmation, et bien d’autres robots ont été construits à partir de ses fichiers de règles.

Il a aussi rejoint la culture populaire. Le cinéaste Spike Jonze a raconté que clavarder avec Alicebot lui avait donné l’idée d’Elle (Her), son film sur un homme qui tombe amoureux d’une IA.

En quoi un robot conversationnel à base de règles comme A.L.I.C.E. diffère-t-il d’un modèle de langage comme GPT-3?

Chaque réponse d’Alice a été écrite par une personne. Si personne n’a écrit de catégorie pour une question, Alice n’a rien de précis à dire. Cela le rend prévisible et facile à examiner : vous pouvez ouvrir le fichier et lire exactement pourquoi il a répondu comme il l’a fait, puis le corriger en modifiant une ligne.

Un modèle de langage comme GPT-3, qu’OpenAI a décrit ce printemps, fonctionne à l’inverse. Personne n’écrit ses réponses. Il est entraîné sur une énorme quantité de texte pour prédire le mot suivant, et il compose de nouvelles phrases au fur et à mesure. Cela lui permet de traiter des questions que personne n’avait prévues, mais cela signifie aussi qu’il peut produire des absurdités avec aplomb, et qu’il n’y a pas de règle unique à corriger.

Les deux approches peuvent travailler ensemble. Bien des assistants pratiques utilisent encore des règles écrites à la main pour les parties qui doivent être exactes, comme les heures d’ouverture ou les prix, et laissent la conversation libre à un modèle statistique.