Learning contribution in human-machine dialog
Contribution à l'apprentissage dans le dialogue homme-machine
Résumé
The main goal of the learning process in the human-machine dialog is to increase the interaction and adaptation capabilities of the computer to the user, mainly with respect to the acquisition of new tasks. In the framework of the finalized cooperative dialog, the task gives structure to the dialog and it is through this dialog that the what-to-do and how-to-do are established. In this thesis, we consider the computer as a collaborator in the completion of a task, capable to learn and recognize later the learned situations. We present a dialog model centered on the learning notion of knowing-how-to-do a task. We propose a dialog model independent of the task, in which the context is defined by the application, but where the system does not know a-priori all the possible tasks that under this context could be performed. The machine learns how to perform a task and from this new knowledge, can participate when other analog situations are found. The proposed model is based on the mental states of the user. These mental states express the beliefs and intentions of the user, and through them the machine can interpret and produce its answers. The interchanges between user and machine are formalized in a modal logic framework based on action. This logic contains elements of an epistemic logic (from knowledge representation), a logic of action (to describe actions and their effects), and a dialog logic (to express commitments, dialog interruptions and misunderstandings). In this way, our model integrates (i) the management of interchanges during the dialog (performed either with the help of the language or by direct manipulation), (ii) the coordination of actions obtained from plan recognition, and (iii) the construction of common knowledge through new task acquisition. From a computational point of view, we implemented an adaptive ICPdraw system that has enabled us to validate our methodology.
L'objectif de l'apprentissage dans le dialogue homme-machine est de donner à la machine des capacités accrues d'interaction et d'adaptation à l'utilisateur, spécialement pour l'acquisition de nouvelles tâches. Dans le cadre du dialogue coopératif finalisé, la tâche structure le dialogue. Et c'est à travers le dialogue que s'établit quoi faire mais aussi comment faire. Dans cette thèse, nous envisageons l'ordinateur comme un partenaire dans la réalisation d'une tâche, capable d'apprendre puis de reconnaître des situations apprises. Nous présentons un modèle de dialogue centré sur la notion d'apprentissage des savoirs et des savoir-faire. Nous proposons un modèle de dialogue indépendant de la tâche, dans lequel le domaine de travail est défini par l'application, mais où le système de dialogue ne connaît pas a priori la ou les tâches à faire. La machine apprend une tâche et à partir de cette nouvelle connaissance elle peut intervenir dans des situations analogues. Par ailleurs, nous fondons le modèle sur les états mentaux de l'utilisateur. Ces états mentaux, à partir desquels la machine peut interpréter et produire des réponses, expriment les croyances et les intentions de l'interlocuteur. La formalisation des échanges dialogiques est réalisée dans un cadre logique fondé sur l'action. Il contient des éléments d'une logique épistémique (pour la représentation des connaissances), d'une logique de l'action (pour décrire les actions et les effets produits), et d'une logique dialogique (pour exprimer les engagements, les ruptures et les incompréhensions lors des échanges dialogiques). De cette façon, notre modèle intègre (i) la gestion des échanges langagiers et non-langagiers, (ii) la coordination des actions à partir de la reconnaissance de plans, et (iii) la construction de connaissances communes à travers l'acquisition de nouvelles tâches. Enfin, nous avons implémenté le système ICPdraw adaptatif qui nous a permis de valider notre approche.
Loading...