Si l’on s’en tient `a l’attribution d’une valeur ´emotionnelle aux phrases d’un conte pour enfants, les premi`eres ´evaluations du syst`eme EmoLogus sont encou-rageantes. Les r´esultats obtenus semblent en effet montrer qu’il est possible de d´etecter la bonne ´emotion dans un ´enonc´e dans 90% des cas. Un point positif important est que le syst`eme n’annote jamais un ´enonc´e avec une ´emotion inverse, une erreur qui conduirait `a une mauvaise r´eaction du robot. Un probl`eme essentiel, et qui n’a ´et´e que partiellement trait´e, est celui de la prise en compte du contexte. Outre les difficult´es classiques li´ees `a la r´esolution des anaphores, cette d´etection soul`eve deux probl`emes.
1. La dynamique des ´emotions dans un r´ecit, qui d´efinit comment la valeur ´emotionnelle d’un ´enonc´e d´epend de celle des ´enonc´es pr´ec´edents.
2. Le suivi de la valeur ´emotionnelle des personnages dans un r´ecit.
Quelques travaux en ce sens (qui ont fait l’objet d’un stage de master 2) ont montr´e la complexit´e de ces deux points.
Du point de vue de la tˆache initialement envisag´ee, EmoLogus n’a malheureuse-ment pas fait l’objet d’´evaluations en situation. D’une part, certains maillons du projet n’ont ´et´e que partiellement r´ealis´es. D’autre part, la mise en place d’´evaluations d’un robot compagnon avec de jeunes enfants hospitali´es pose des probl`emes d´eontologiques et juridiques qui n’ont pas ´et´e enti`erement r´esolus avant la fin du projet.
Les travaux d´ecrits dans ce chapitre ne sont pas sans lien avec les recherches con-cernant la d´etection d’opinion. Cette tˆache fait actuellement l’objet de nombreux travaux, `a cause de son int´erˆet applicatif ´evident et des nombreux avis que d´eposent les internautes sur le web. Si les textes `a analyser partagent avec la langue orale
leur variabilit´e et leur agrammaticalit´e, l’utilisation d’un syst`eme tel que Logus serait difficile. En effet, parce qu’il v´erifie que les associations de mots font sens , Logus ne peut ˆetre efficace que si l’on construit une base des concepts manipul´es, ce qui peut constituer un travail tr`es lourd, voire irr´ealiste. N´eanmoins, l’approche pr´edicative initi´ee dans ces travaux m´eriterait d’ˆetre test´ee, quitte `a la restreindre `
Chapitre 3
Emotirob : interaction langagi`ere
et mod´elisation des connaissances
enfantines
Comme ceux du chapitre pr´ec´edent, les travaux d´ecrits dans ce chapitre sont li´es `
a l’am´elioration des capacit´es r´eactives des robots-compagnons. En l’occurrence, l’objectif ´etait de doter le robot de capacit´es cognitives et langagi`eres pour enrichir son interaction avec un jeune enfant. Ces exp´erimentations ont ´et´e d´evelopp´ees dans le cadre du projet MAPH [Achour et al. (2008a)], un projet satellite du projet ANR Emotirob, et elles ont fait l’objet des travaux de th`ese d’Amel Achour, soutenue fin 2010 [Achour(2010)].
3.1 Principes et approches
Concevoir un module d’interaction cognitive robot-enfant est un sujet de recherche vaste et ambitieux et de nombreuses pistes de recherche ´etaient possibles. Les travaux pr´esent´es ici ne sont qu’une phase exploratoire et il ´etait difficile d’aller tr`es loin alors mˆeme qu’on ne disposait pas de la premi`ere version - non langagi`ere - du robot.
3.1.1 Interactions langagi`eres ´el´ementaires
L’objectif initial a ´et´e de doter le robot de la possibilit´e de r´epondre par des mots `a ceux prononc´es par l’enfant [Achour et al.(2008a)]. La premi`ere partie des travaux a permis de concevoir quelques interactions langagi`eres simples qui pourraient avoir lieu entre un jeune enfant (d’environ 5 ans) et un robot compagnon [Achour et al. (2008b)]. La liste des mots que maˆıtrise un enfant d’environ 5 ans issu des travaux de Bassano et al. (2005) a d´ej`a ´et´e d´ej`a cit´ee dans le chapitre pr´ec´edent (cf. page 22). Ce corpus a servi de base `a la construction d’une taxonomie des connaissances qui mˆele des crit`eres syntaxiques, s´emantiques et affectifs. Jointe `a un ensemble de propri´et´es d´efinies pour certains mots du corpus, celle-ci a permis de d´efinir des coefficients de rapprochement entre les diff´erents concepts.
Nous avons ensuite impl´ement´e une premi`ere version d’un module de g´en´eration de phrases et quelques jeux interactifs entre l’enfant et le robot sur la base de phrases simples, affirmatives ou interrogatives, form´ees `a partir des mots du corpus. Cette g´en´eration des phrases reposait essentiellement sur le calcul des coefficients de rapprochement entre les composants de la phrase d’entr´ee et ceux de la phrase de sortie ; en mˆeme temps, elle imposait une certaine coh´erence dans la formation de la phrase dans un contexte r´ealiste. Les jeux proposaient un ensemble d’interactions susceptibles de distraire l’enfant et de tester ses connaissances. Ils reposaient sur les relations s´emantiques d´efinies entre les concepts. Un jeu de devinettes permettait par exemple de tester les connaissances de l’enfant sur les propri´et´es des animaux du corpus.
Cependant, si la taxonomie r´ealis´ee correspondait `a une organisation claire des con-naissances, elle pr´esentait l’inconv´enient majeur d’ˆetre rigide et fig´ee. De ce fait, les capacit´es de r´eaction du robot apparaissaient pauvres et pire encore, st´er´eotyp´ees. Par ailleurs, cette organisation des connaissances avait ´et´e pens´ee par des adultes telle que ceux-ci imaginaient le monde enfantin, sans qu’aucune v´erification n’ait ´
et´e faite de son ad´equation avec la fa¸con dont les enfants organisent leurs connais-sances.
Nous avons alors d´ecid´e de r´ealiser une mod´elisation vraisemblable des connais-sances d’un jeune enfant, ou tout au moins d’une partie d’entre elles, et de simuler automatiquement son processus cognitif, tant pour ce qui est de l’organisation de connaissances d´ej`a acquises que pour l’insertion de nouveaux concepts dans une organisation existante.
Mod´elisation des connaissances enfantines 30
3.1.2 Mod´elisation cognitive du vocabulaire
Les conditions que nous avons impos´ees `a la mod´elisation des connaissances rela-tives au vocabulaire d’un jeune enfant ont ´et´e les suivantes :
– ˆetre fid`ele `a une perception du monde des enfants plausible en s’appuyant sur des donn´ees provenant des enfants eux-mˆemes ;
– avoir une structure claire et souple permettant une ´eventuelle mise `a jour ult´erieure et son enrichissement.
– offrir la possibilit´e de validation aux diff´erentes ´etapes de son d´eveloppement. Dans son Histoire Naturelle de 1749, Georges de Buffon affirme d´ej`a que le seul moyen de faire une m´ethode instructive et naturelle, est de mettre ensem-ble des choses qui se ressemensem-blent et de s´eparer celles qui diff`erent les unes des autres . Plus r´ecemment, Lakoff (1987) d´eclare que la classification semble ˆ
etre chez l’ˆetre humain un processus mental naturel et spontan´e qui lui permet de repr´esenter le monde et les connaissances . Selon [Sloutsky (2003)] et [Mareschal and Quinn(2001)], non seulement la facult´e de cat´egorisation permettrait `a l’indi-vidu d’organiser ses connaissances et de mieux exploiter ses ressources cognitives mais ´egalement, elle lui faciliterait l’apprentissage et l’acquisition de nouvelles connaissances.
´
Etant donn´e l’int´erˆet de la cat´egorisation dans la repr´esentation des connaissances et des informations, d’abondantes recherches lui ont ´et´e consacr´ees. Ainsi, de nom-breuses th´eories ont vu le jour, qui visent `a mod´eliser et simuler automatiquement le processus de cat´egorisation. Par ailleurs, le d´eveloppement de l’informatique a permis le d´eveloppemement de techniques et d’outils qui peuvent ˆetre mis en œuvre tr`es rapidement et sur de grandes quantit´es de donn´ees.