Réseaux neuronaux socio-inspirés pour les systèmes conversationnels – SINNet

Un manque de tact social de la part d'un système conversationnel (chatbot, assistant vocal, robot social) peut provoquer une diminution de la confiance et de l'engagement de l'utilisateur envers le système. Ce manque d'intelligence sociale entrave l’acceptabilité des systèmes conversationnels par un public large. Afin de comprendre l'état de l'utilisateur, la communauté de recherche actuelle sur l'informatique affective/sociale s'est appuyée sur des recherches en intelligence artificielle et en sciences sociales. Cependant, ces dernières années ont vu s’installer un monopole des méthodes d'apprentissage profond qui sont performantes mais opaques et avides de données annotées et moins adaptées à l'intégration des connaissances en sciences sociales. SINNet propose un changement de paradigme pour faire des systèmes conversationnels et de la robotique sociale une technologie plus acceptable et plus fiable, même en utilisant des approches d'apprentissage profond. Ce projet se concentrera sur la composante verbale de l'interaction, ciblera la relation sociale agent-utilisateur et modélisera les comportements indexant l'état de la relation sociale entre l'agent et l'utilisateur, allant ainsi au-delà de l'analyse des opinions ou émotions positifs et négatifs de l'utilisateur. Il s'agit de développer des modèles neuronaux faciles à adapter et à expliquer, capables d'analyser le comportement de l'utilisateur contribuant aux processus de co-construction utilisateur-agent tels que ceux caractérisant le rapport avec l'agent, ou la confiance et l'affiliation à l'agent, ainsi que de générer la réponse de l'agent favorisant la relation sociale utilisateur-agent. Ce projet fera de l'interdisciplinarité un défi essentiel en fournissant un formalisme partagé entre les théories complexes (par exemple, psychologiques ou sociolinguistiques) des interactions sociales et le formalisme sous-jacent aux modèles d'apprentissage profond et de traitement du langage naturel.