Un brevet récemment déposé par Google explique comment un assistant d’IA peut utiliser au moins cinq signaux contextuels du monde réel, y compris l’identification des intentions connexes, pour influencer les réponses et générer un dialogue naturel. C’est un exemple de la façon dont la recherche assistée par l’IA modifie les réponses pour engager les utilisateurs avec des questions et une boîte de dialogue contextuellement pertinents, s’étendant au-delà des systèmes basés sur des mots clés.
Le brevet décrit un système qui génère une boîte de dialogue et des réponses pertinentes à l’aide de signaux tels que le contexte environnemental, l’intention de dialogue, les données des utilisateurs et l’historique de conversation. Ces facteurs vont au-delà de l’utilisation des données sémantiques dans la requête de l’utilisateur et montrent comment la recherche assistée par l’IA évolue vers des interactions plus naturelles et de type humain.
En général, le but de déposer un brevet est d’obtenir une protection juridique et une exclusivité pour une invention et que l’acte de dépôt n’indique pas que Google l’utilise réellement.
Le brevet utilise des exemples de dialogue parlé, mais il indique également que l’invention n’est pas limitée à l’entrée audio:
«Notamment, lors d’une session de dialogue donnée, un utilisateur peut interagir avec l’assistant automatisé en utilisant diverses modalités d’entrée, y compris, mais sans s’y limiter, une entrée parlée, une entrée dactylographiée et / ou une entrée tactile.»
Le nom du brevet est, Utilisation du (s) modèle (s) de langage (s) pour générer des réponses automatisées d’assistant automatisées. Le brevet s’applique à un large éventail d’assistants d’IA qui reçoivent des entrées via le contexte de type, de contact et de discours.
Il existe cinq facteurs qui influencent les réponses modifiées par LLM:
- Temps, emplacement et contexte environnemental
- Contexte spécifique à l’utilisateur
- Intention de dialogue et interactions antérieures
- Entrées (texte, toucher et discours)
- Contexte du système et de l’appareil
Les quatre premiers facteurs influencent les réponses fournies par l’assistant automatisé et le cinquième détermine s’il faut désactiver la partie assistée par LLM et revenir aux réponses standard de l’IA.
Temps, emplacement et environnement
Il existe trois facteurs contextuels: le temps, l’emplacement et l’environnement qui fournissent des contextes qui n’existent pas dans les mots clés et influencent la réaction de l’assistant d’IA. Bien que ces facteurs contextuels, tels que décrits dans le brevet, ne soient pas strictement liés aux aperçus de l’IA ou au mode IA, ils montrent comment les interactions assistées par l’IA avec les données peuvent changer.
Le brevet utilise l’exemple d’une personne qui dit à son assistant qu’ils vont surfer. Une réponse standard de l’IA serait un commentaire passe-partout pour s’amuser ou pour profiter de la journée. La réponse assistée par LLM décrite dans le brevet générerait une réponse basée sur l’emplacement géographique et le temps pour générer un commentaire sur la météo comme le potentiel de pluie. Ceux-ci sont appelés sorties assistantes modifiées.
Le brevet le décrit comme ceci:
«… Les sorties assistantes incluses dans l’ensemble des sorties d’assistance modifiées incluent les sorties assistantes qui conduisent la session de dialogue de manière à engager davantage l’utilisateur de l’appareil client dans la session de dialogue en posant des questions contextuelles pertinentes (par exemple,« mais si vous allez à nouveau surfait? ») Session de dialogue. «
Contexte spécifique à l’utilisateur
Le brevet décrit plusieurs contextes spécifiques à l’utilisateur que le LLM peut utiliser pour générer une sortie modifiée:
- Données de profil utilisateur, telles que les préférences (comme la nourriture ou les types d’activité).
- Données d’application logicielle (telles que les applications actuellement ou récemment utilisées).
- Historique des dialogues des sessions assistantes en cours et / ou précédentes.
Voici un extrait qui parle de divers signaux contextuels liés au profil utilisateur:
«De plus, le contexte de la session de dialogue peut être déterminé sur la base d’un ou plusieurs signaux contextuels qui incluent, par exemple, le bruit ambiant détecté dans un environnement de l’appareil client, les données de profil utilisateur, les données d’application logicielle,….
INSTRUCTIONS CONNEXES
Une partie intéressante du brevet décrit comment la préférence alimentaire d’un utilisateur peut être utilisée pour déterminer une intention connexe à une requête.
«Par exemple,… un ou plusieurs des LLM peuvent déterminer une intention associée à la requête assistant donnée… De plus, une ou plusieurs des LLM peuvent identifier, en fonction de l’intention associée à la requête assistant donnée, au moins une intention connexe liée à l’intention associée à la requête assistant donnée… De plus, une ou plusieurs du LLMS peuvent générer le query adjoint supplémentaire basé sur la moins une intention connexe.
Le brevet l’illustre avec l’exemple d’un utilisateur disant qu’il a faim. Le LLM identifiera ensuite des contextes connexes tels que le type de cuisine dont jouit l’utilisateur et le fait de manger dans un restaurant.
Le brevet explique:
«Dans cet exemple, la requête adjointe supplémentaire peut correspondre, par exemple,« quels types de cuisine L’utilisateur a-t-il indiqué qu’il préfère? » (par exemple, reflétant une intention de type de cuisine connexe associée à l’intention de l’utilisateur indiquant qu’il aimerait manger), « Quels restaurants à proximité sont ouverts? » (par exemple, reflétant une intention de recherche de restaurants connexe associée à l’intention de l’utilisateur indiquant qu’il aimerait manger)… Dans ces implémentations, la sortie adjointe supplémentaire peut être déterminée en fonction du traitement de la requête d’assistant supplémentaire. »
Contexte du système et de l’appareil
La partie du contexte du système et de l’appareil du brevet est intéressante car elle permet à l’IA de détecter si le contexte de l’appareil est qu’il est faible sur les batteries, et si c’est le cas, il désactivera les réponses modifiées par LLM. Il existe d’autres facteurs tels que si l’utilisateur s’éloigne de l’appareil, les coûts de calcul, etc.
Plats à emporter
- Les réponses de la requête AI utilisent des signaux contextuels
Le brevet de Google décrit comment les assistants automatisés peuvent utiliser le contexte du monde réel pour générer des réponses et une boîte de dialogue plus pertinentes et humaines. - Les facteurs contextuels influencent les réponses
Ceux-ci incluent le temps / l’emplacement / l’environnement, les données spécifiques à l’utilisateur, l’historique et l’intention de dialogue, les conditions système / périphérique et le type d’entrée (texte, discours ou toucher). - Les réponses modifiées par LLM améliorent l’engagement
Les grands modèles de langue (LLM) utilisent ces contextes pour créer des réponses personnalisées ou des questions de suivi, comme la référence météo ou les interactions passées. - Des exemples montrent un impact pratique
Des scénarios comme recommander des aliments en fonction des préférences des utilisateurs ou des commentaires sur la météo locale pendant les plans en plein air montrent comment les contextes du monde réel peuvent influencer la façon dont l’IA répond aux requêtes utilisateur.
Ce brevet est important car des millions de personnes s’engagent de plus en plus avec les assistants de l’IA, donc elle est pertinente pour les éditeurs, les magasins de commerce électronique, les entreprises locales et les SEO.
Il décrit la façon dont les systèmes assistés par Google peuvent générer des réponses personnalisées et conscientes en utilisant des signaux du monde réel. Cela permet aux assistants d’aller au-delà des réponses basées sur les mots clés et de répondre avec des informations pertinentes ou des questions de suivi, comme suggérer des restaurants qu’un utilisateur pourrait aimer ou commenter les conditions météorologiques avant une activité planifiée.
Lisez le brevet ici:
Utilisation du (s) modèle (s) de langage (s) pour générer des réponses automatisées assistantes.
Image en vedette par Shutterstock / Unité visuelle
Commentaires