Créer des ordinateurs plus humains

Publié le mardi 28 octobre 2014

De nos jours, les technologies avancées en informatique sont très en demande sur le marché du travail. Créer des algorithmes performants pouvant aider l’humanité fait partie de la recherche que Diana Inkpen, professeure en informatique à l’École de SIGE de l’Université d’Ottawa est en train de poursuivre en collaboration avec ses étudiants.

Professeure Inkpen est en train de développer la prochaine génération d’ordinateurs et d’applications mobiles intelligentes. Cette connaissance peut faire une grande différence au cours d’une campagne électorale, peut aider à faciliter l’apprentissage d’une nouvelle langue ou peut aider à savoir quel type d’actions à entreprendre lors d’une opération de recherche et de sauvetage.

Diana Inkpen

Professeure Diana Inkpen s’exprime sur les techniques d’exploration de données.

 C’est quoi des techniques d’extraction de données? Quel en serait un bon exemple?

L’exploration ou la fouille de données a rapport avec l’extraction automatique d’informations utiles provenant d’une grande quantité de données (il serait impossible à un humain d’en accumuler autant). Nous utilisons des méthodes d’apprentissage pour montrer au programme des exemples d’informations à extraire et le programme détermine quelle partie du texte est associé à quel type d’informations. Nous construisons le modèle d’apprentissage à partir de ces exemples d’informations. Quand de nouveaux textes sont générés, on applique le modèle pour extraire de nouvelles informations. Avec ce programme, on peut pratiquer un contrôle permanent pour une compagnie ou une personne s’intéressant à de l’information particulière. Un bon exemple serait une entreprise qui vend des téléphones intelligents à base Android qui aimerait savoir les préférences de ses clients. Est-ce que les clients préfèrent d’autres modèles venant des compétiteurs? Quelles sont leurs préférences en termes de couleurs, d’options, de vitesse? Qu’en disent-ils sur les médias sociaux? Nous classifions automatiquement ces opinions sur le produit en tant que négatives, positives, ou pas d’opinion. En ce sens, le programme fournit à l’entreprise une base de connaissances accumulées provenant de nombreuses analyses et qui permet de décider des actions à entreprendre pour l’amélioration des produits.

 Pouvez-vous nous expliquer comment les algorithmes apprennent à lire des données?

En principe, nous mettons en œuvre des systèmes informatisés d'extraction de données provenant de textes, de vidéos ou de musiques. Pour que les algorithmes arrivent à lire des données d’un texte, nous devons traiter le texte pour pouvoir en extraire des informations. Ainsi, il est primordial de savoir les parties les plus pertinentes du texte, de même que les structures les plus importantes (par exemple, les combinaisons verbes et noms). Plus la compréhension et la préparation des données sont complexes, mieux les algorithmes arrivent à apprendre. Ensuite, nous ajoutons les textes traités comme exemples d’apprentissage pour notre algorithme. Il existe différents types d’algorithmes, et ils  apprennent tous en lisant cette quantité impressionnante de textes. Par la suite, le modèle d’apprentissage peut être utilisé pour extraire de l’information utile de nouveaux textes.

 Quels sont vos autres domaines d’intérêts?

La majeure partie de mon travail est dans le domaine d’exploration de données, mais je travaille aussi sur la récupération de données par le biais de plusieurs données multimédias (vidéo audio, discours) et pas seulement du texte. Je collabore aussi avec l’Institut des langues officielles et du bilinguisme de l’Université d’Ottawa (ILOB) sur un projet concernant les consignes de la terminologie pour lequel je suis en train de développer des outils d’apprentissage pouvant aider à mieux comprendre comment utiliser les termes et les expressions d’une nouvelle langue.

 Selon vous, c’est quoi le côté unique de votre travail?

J’essaie de trouver de nouveaux algorithmes basés sur différent moyens d’apprentissage. Il est très difficile pour un programme comprendre le sens des textes. C’est pourquoi nous avons des méthodes de simulation d’intelligence pouvant aider à un certain point dans l’extraction d’informations utiles des textes. Je me penche aussi sur les algorithmes qui peuvent traiter une quantité énorme de données de manière efficace.  

 À l’avenir, quelle répercussion aimeriez-vous que votre travail ait sur le monde?

À l’avenir, j’aimerais développer la nouvelle génération d’applications intelligentes, telles que des téléphones intelligents et des ordinateurs qui peuvent traiter une grande quantité d’informations pour aider dans la prise de décision. Je crois que nous y sommes presque. Déjà, beaucoup d’applications informatiques rendent notre vie plus facile. J’aimerais transmettre cette connaissance à mes étudiants et les encadrer dans leur recherche d’emploi, afin de les encourager à rester dans le domaine pour travailler au bien-être de la société.

Haut de page