Comment faire comprendre à une machine le langage humain ? Comment faire des raisonnements à partir du langage ou des données structurées ? Du "search engine" au "do engine". Allons-nous discuter avec notre téléphone ou ordinateur ? Comment valoriser, dès aujourd'hui, les technologies d'analyse sémantique pour des besoins d'entreprise ? Comment "monitorer" en temps réel le buzz médiatique ? Quid du speech-to-text ? Un bloggeur pourra-t-il calculer sa e-réputation ? Que vaut le Web sémantique (microformats, etc..) ? Comment Google Translate arrive à faire un saut qualitatif ?

How can a computer understand human language? How to reason from language or structured data? From the "search engine" to the "do engine". Let us discuss with our phone or computer. How to value, today, text analytics technologies for business needs? How can we "monitor" in real time the media buzz? What about speech-to-text? Can any blogger calculate his/her e-reputation? What is the Semantic Web (microformats, etc.)? How Google Translate comes to make a quantum leap?

En marge de Futur en Seine, Proxem présente avec Lingway les enjeux du Web sémantique dans les Ressources Humaines, dans le cadre du projet SIRE (Sémantique, Internet et Recrutement). Qu'est-ce qui fait qu'un document RH est difficile à analyser pour la machine ? Comment dépasser la "dictature du mot-clé" ?

Alongside “Futur en Seine” exposition, Proxem presents (with Lingway) issues of Semantic Web in Human Resources, in the context of the SIRE (Semantics, Internet and Recruitment) project. What makes a HR document so difficult to analyze for the computer? How to overcome the “keyword dictatorship”?

Intelligence artificielle, traduction automatique... Depuis longtemps, la machine cherche à comprendre le langage humain. Un long chemin sur lequel le Web sémantique représente une nouvelle étape. De la capacité de traitement des machines à l'ambiguïté du langage, les obstacles pourront-ils être surmontés ? Pour quels usages ?

Artificial intelligence, machine translation ... Historically, the machine has been trying to understand human language. A long road on which the Semantic Web represents a new stage. From computer processing power to human language ambiguities, can language barriers be overcome? For what purpose?

01 Informatique spécial DSI - 3 juillet 2008

« Le retour de l’Intelligence Artificielle ». Après l’analyse des sentiments, un autre enjeu du textmining porte sur la compréhension de requêtes en langage naturel. Pour le traitement des questions complexes, nécessitant des raisonnements, des inférences ou des calculs d’agrégats, les méthodes purement statistiques à la Google ne suffisent pas. Car si elles permettent de trouver l’aiguille dans la botte de foin, elles sont incapables de placer cette aiguille dans une chaîne de raisonnement. En fait, seuls les systèmes qualifiés de « raisonneurs » seront en mesure de traiter une question telle que « Quel métier exerçait le père du Premier Ministre au pouvoir en 1995 ? ». Ces héritiers des systèmes experts des années 90 devront reprendre les techniques de l’Intelligence Artificielle.

Artificial Intelligence is back. After sentiment analysis, another issue of text mining concerns the understanding of natural language queries. To be able to process complex queries, which require arguments, inferences or aggregate computation, purely statistical methods (such as Google’s) are insufficient. If they can find the needle in a haystack, they are unable to place this needle into a chain of reasoning. In fact, only so qualified “reasoners” will be able to handle a question such as "What is the job of the (French) 1995 Prime Minister’s father? These heirs of 1990’s expert systems use Artificial Intelligence techniques.