La science de la décision, L'équipe d'IA et de traitement du langage naturel d'IBM Research-Ireland a récemment présenté un document de conférence intitulé "Decision Conversations Decoded" lors de la 16e conférence annuelle de la section nord-américaine de l'Association for Computational Linguistics:Human Language Technologies (NAACL HLT). L'équipe a également présenté une démo de notre prototype d'assistant virtuel, qui analyse les discussions de décision collaboratives pour identifier des alternatives et des critères. Le développement de cet outil d'analyse conversationnelle fait partie d'un vaste corpus de recherche en traitement du langage naturel chez IBM Research AI, un facteur clé dans notre mission de développer une IA large qui apprend dans différentes disciplines pour augmenter l'intelligence humaine. Le traitement du langage naturel est un élément central d'IBM Project Debater, qui a fait ses débuts la semaine dernière. Project Debater est le premier système d'IA qui peut débattre des humains sur des sujets complexes et représente un grand pas vers la maîtrise du langage, l'une des grandes limites de l'IA.

Au cours d'une journée, nous prenons des milliers de décisions consciemment ou inconsciemment, rassembler les choix pour aider à prendre une décision. Au fur et à mesure que nous recueillons des informations, nous évaluons également des résolutions alternatives. Certaines de ces décisions sont simples tandis que d'autres peuvent être plus compliquées à résoudre. En entreprise, le processus de prise de décision peut souvent être plus difficile ou plus long et impliquer plusieurs parties. Au cours de ces réunions collaboratives, il peut être difficile de participer activement à une discussion, tout en enregistrant, suivre et identifier qui a dit quoi, pourquoi ils ont dit quelque chose à qui, ou évaluer le processus de résolution.

Avec la prolifération des appareils d'enregistrement dans nos vies professionnelles et personnelles (par exemple, téléconférence, des assistants personnels intelligents ou des échanges de chat de groupe tels que Slack), il serait utile de développer des moteurs basés sur le traitement du langage naturel pour extraire automatiquement les concepts liés aux décisions, tels que les alternatives et les critères, des conversations décisionnelles et utiliser ces informations pour faciliter les discussions décisionnelles. Comme point de départ, une telle technologie pourrait fournir l'entrée pour générer une visualisation de la discussion de décision afin qu'un groupe puisse la consulter pour identifier des idées ou des options sous-développées, et de rappeler les points de consensus et de dissidence. Il servirait de résumé, permettre aux personnes qui ont manqué une discussion décisionnelle de se rattraper ou plus simplement rappeler à un décideur les arguments qui ont été soulevés afin qu'il puisse prendre sa décision plus tard.

La sortie du système peut également être utilisée pour documenter le processus de prise de décision de manière structurée. Ces informations sont à leur tour essentielles pour mieux comprendre les jeux de pouvoir et la négociation dans la prise de décision en groupe. Plus concrètement, il peut être essentiel de prouver le respect des processus, par exemple un conseiller financier démontrant qu'elle a présenté des alternatives d'investissement raisonnables à ses clients.

Chez IBM Research-Ireland, nous examinons comment le processus de prise de décision peut être augmenté en suivant automatiquement une discussion de décision via un facilitateur virtuel - un facilitateur qui analyse une discussion, extrait tous les éléments de décision (par exemple les alternatives, Critères, contraintes, et compromis), et regroupe ces éléments par thème, en associant toutes les alternatives aux critères d'aide à la décision.

Nous avons créé et développé un ensemble d'algorithmes d'extraction d'informations, et combinés avec une interface Web pour faciliter les discussions décisionnelles. Il garde une trace des options commerciales à l'étude dans le cadre de la discussion et enregistre ce qui est proposé par les contributeurs à la réunion. Il organise la réflexion collective du groupe en une synthèse globale des décisions prises. Il éclaire également la façon dont une décision particulière a été prise et facilite les discussions ultérieures.

Pour identifier les éléments de décision au sein d'une réunion, nous avons annoté un ensemble de données participatif connu sous le nom d'AMI Meeting Corpus, un ensemble de données multimodal composé de 100 heures d'enregistrements de réunions. Nous avons ensuite étiqueté les éléments de décision des transcriptions en tant qu'alternatives (les options étant considérées comme des solutions à la décision) et critères (facteurs guidant les alternatives). Ce corpus annoté a ensuite été utilisé pour entraîner un ensemble de classifieurs supervisés permettant d'extraire automatiquement des éléments de prise de décision. Un autre algorithme traite ensuite la décision et les critères extraits pour identifier le sentiment exprimé envers les éléments extraits. En substance, si un participant mentionne une alternative spécifique, il est important de distinguer s'il soutient ou plutôt s'oppose à cette alternative spécifique. Finalement, une approche de clustering est utilisée sur chaque classe d'éléments extraits (alternatives et critères) pour les regrouper sémantiquement. Par exemple, les mentions tendance, à la mode ou élégant comme critères seraient regroupés car ils représentent le même concept dans l'ensemble.

En tant qu'animateur virtuel, l'objectif du système est d'augmenter la prise de décision collaborative, donner à toutes les parties prenantes les moyens d'apporter leur point de vue et rendre le processus de prise de décision efficace et transparent. Nous envisageons notre outil comme une API permettant aux développeurs d'améliorer les applications de synthèse vocale, et en l'intégrant dans une salle de réunion intelligente ou des fonctionnalités de support d'enregistrement de conférence téléphonique. Le potentiel de notre approche algorithmique est large pour les discussions en réunion d'équipe, par exemple, en finance, conception, ressources humaines, l'ingénierie ou dans les processus de prise de décision opérationnelle dans les entreprises et les industries.