La quête de l’intelligence artificielle (AI) capable d’imiter l’interaction humaine a conduit à des développements fascinants, et parfois troublants. Dans le but de créer des assistants d’AI qui ne sont pas seulement intelligents mais aussi faciles à identifier, les entreprises emploient diverses techniques pour former leurs modèles vocaux. Des révélations récentes mettent en lumière un tel effort : le “Projet Xylophone” de xAI.
Au cœur du Projet Xylophone : Créer une IA Conversationnelle
Des documents divulgués ont révélé le fonctionnement interne du Projet Xylophone, une initiative de Scale AI conçue pour affiner les modèles vocaux de xAI. Le projet consiste à engager des contractuels pour qu’ils s’enregistrent en improvisant des conversations sur un éventail divers de sujets. L’objectif général est d’imprégner les modèles de xAI d’une qualité plus naturelle, semblable à celle de l’humain, en s’éloignant du ton robotique qui caractérise souvent les interactions de l’AI.
Ces contractuels, recrutés par la société d’étiquetage de données Scale AI, sont rémunérés pour l’enregistrement de conversations avec leurs pairs sur des sujets allant du plus banal au plus imaginatif, le tout au service de la création de modèles vocaux xAI qui semblent plus authentiques. En avril, Scale AI gérait au moins 10 projets d’AI générative pour xAI, ce qui témoigne de l’effort intense déployé dans ce domaine.
La volonté générale du secteur en faveur d’une IA plus conversationnelle découle d’un désir d’attirer les utilisateurs vers des versions payantes et premium de ces services. En rendant les interactions de l’AI plus agréables et naturelles, les entreprises espèrent inciter les utilisateurs à investir dans ces technologies avancées.
Le Plan de Formation Conversationnelle
Business Insider a obtenu une série de documents de Scale AI qui offrent un aperçu détaillé du fonctionnement du Projet Xylophone. Ces documents, qui comprennent des instructions de projet, des lignes directrices pour les réviseurs et des guides de sujets de conversation, donnent un aperçu complet de la méthodologie du projet.
Bien que le modèle xAI spécifique en cours de formation ne soit pas divulgué dans les documents, l’accent mis par le projet sur la “qualité audio et la fluidité naturelle” suggère un fort accent sur la création d’une expérience utilisateur harmonieuse et engageante. Les contractuels ayant une expérience d’acteur vocal sont particulièrement encouragés à participer, ce qui témoigne de l’importance de la performance vocale pour atteindre le niveau de réalisme souhaité.
Le Projet Xylophone est structuré autour de deux composantes principales : “Conversations” et “Grasslands”. La composante “Conversations” implique des équipes de trois contractuels qui s’engagent dans des conversations réalistes sur Zoom. Ces conversations sont guidées par une feuille de calcul contenant des centaines d’invites, couvrant un large éventail de sujets, allant des tactiques de survie dans un monde post-apocalyptique à la gestion de l’anxiété et à la planification de voyages internationaux.
Plongée Profonde dans les Invites de Conversation : Un Aperçu de l’Imagination de l’IA
Les invites de conversation utilisées dans le Projet Xylophone offrent un aperçu fascinant du type de scénarios et de sujets que les modèles d’AI sont en train d’apprendre à gérer. Les invites vont du pratique au philosophique, et plongent même dans le domaine de la science-fiction.
Voici quelques exemples d’amorce de conversation utilisés dans les documents de Scale AI :
- Si vous deviez concevoir la “culture” de la première colonie martienne, quelle tradition terrestre voudriez-vous absolument recréer, et qu’est-ce que vous seriez heureux d’abandonner à jamais ?
- Quel est le “méchant” dans votre vie quotidienne que vous aimeriez qu’une équipe de super-héros règle pour tout le monde ?
- Si l’apocalypse zombie frappait demain, quelle est la première chose que vous prendriez dans votre maison avant de vous enfuir ?
- Imaginez que vous êtes le psychologue de la mission pour une colonie sur Mars : quel type de personnalité ou quel trait bizarre espéreriez-vous secrètement trouver chez vos collègues colons ?
- Quelle est la catastrophe de plomberie la plus mémorable que vous ayez vécue en tant que propriétaire, et avez-vous essayé de la réparer vous-même ou avez-vous immédiatement appelé à l’aide ?
- Vous souvenez-vous de la première fois où vous avez dû demander plus d’argent ou de meilleures prestations ? Qu’est-ce qui vous passait par la tête ?
Ces invites sont conçues pour susciter des réponses naturelles et non scénarisées de la part des contractuels, qui peuvent ensuite être utilisées pour former les modèles d’AI à gérer un large éventail de scénarios de conversation.
Les instructions pour les “bonnes” conversations soulignent l’importance de paraître naturel et émotif, avec des intonations et des interruptions variées. L’objectif est d’imiter la spontanéité et l’imprévisibilité d’une conversation humaine réelle.
L’Approche “Grasslands” : Non Scénarisée et Authentique
Contrairement à la composante structurée “Conversations”, la composante “Grasslands” se concentre sur des travailleurs indépendants créant des enregistrements non scénarisés et à consonance naturelle dans leur langue maternelle. Ces travailleurs reçoivent un type de conversation et une sous-catégorie et sont encouragés à laisser la conversation se dérouler librement, le bruit de fond étant même encouragé.
La composante “Grasslands” englobe des dizaines de sous-catégories, dont “questionnement socratique”, “récit réflexif”, “scénarios d’amour courtois”, “confrontations héros-méchant” et “résolution de puzzles collaborative”. Ces sous-catégories impliquent souvent des exigences spécifiques, telles que différents accents, des effets sonores ou des schémas linguistiques inventés.
L’approche “Grasslands” reflète un désir de capturer les nuances et les complexités de la conversation humaine d’une manière plus authentique et sans contrainte.
L’Économie de la Formation à l’IA : Un Aperçu de la Rémunération
Les contractuels de Scale AI impliqués dans le Projet Xylophone sont rémunérés pour leurs contributions, ce qui met en évidence l’aspect économique de la formation à l’IA. Selon les rapports, les contractuels sont payés quelques dollars par tâche pour leur travail.
La structure de paiement du projet “Grasslands” aurait commencé à 3 dollars par tâche, mais a ensuite été réduite à 1 dollar par tâche. Chaque tâche consiste à enregistrer un fichier audio, que les contractuels téléchargent ensuite sur une plateforme Scale AI et transcrivent manuellement.
Les faibles taux de rémunération soulignent le travail souvent invisible qui entre dans la création et la formation des modèles d’IA.
L’Importance de la Qualité des Données : Capturer les Nuances de la Parole Humaine
Le succès des modèles vocaux d’IA dépend de la disponibilité de grandes quantités de données de haute qualité. Le Projet Xylophone reflète l’effort déployé pour générer des données appropriées en recréant des scénarios du monde réel, tels que des conversations à consonance naturelle entre les gens.
Le document “Grasslands” demande explicitement aux contractuels d’inclure des mots de remplissage tels que “euh” dans leurs transcriptions. Cette attention aux détails souligne l’importance de capturer les subtiles nuances de la parole humaine, y compris les pauses, les hésitations et autres signaux non verbaux.
En intégrant ces éléments dans les données d’entraînement, les modèles d’IA peuvent apprendre à produire des conversations plus naturelles et engageantes.
Injecter de la Personnalité dans l’IA : Un Avantage Concurrentiel
Le Projet Xylophone fait partie d’une tendance plus large parmi les entreprises d’IA à injecter de la personnalité dans leurs modèles d’IA, cherchant à se différencier sur un marché de plus en plus encombré.
Meta, par exemple, aurait mené un projet via Scale AI demandant aux travailleurs à la tâche qui forment son IA d’adopter différentes personnalités, comme “un sorcier sage et mystique” ou un “étudiant en théorie musicale hyper-excité”.
Sam Altman d’OpenAI a reconnu que le dernier GPT-4o était devenu “trop obséquieux et ennuyeux”, ce qui a incité à une réinitialisation pour rendre ses réponses plus naturelles.
Ces efforts reflètent la reconnaissance du fait que les modèles d’IA doivent être plus qu’intelligents: ils doivent également être aimables et attachants.
Les Dimensions Éthiques de la Formation à l’IA : Équilibrer la Précision et les Préjugés
À mesure que les modèles d’IA deviennent plus sophistiqués, les préoccupations concernant les préjugés et les considérations éthiques se sont accrues, suscitant des débats sur le développement responsable de l’IA.
xAI commercialise Grok comme un chatbot politiquement plus audacieux que ce que Musk a appelé des rivaux “woke”, avec des méthodes de formation qui s’appuient parfois fortement sur des opinions de droite ou contestataires.
xAI a également intensifié ses efforts pour contrôler le côté imprévisible de Grok. Les nouvelles recrues “testent” Grok, le soumettant à des tests de stress pour détecter les réponses dangereuses ou violant les politiques, en particulier sur des sujets controversés et dans les modes “NSFW” ou “désinhibés”.
Ces efforts mettent en évidence les défis de la création de modèles d’IA à la fois informatifs et éthiques, et la nécessité d’une surveillance et d’une évaluation continues.
L’Évolution Continue des Modèles Vocaux de l’IA : Un Avenir d’Interaction Transparente
Le Projet Xylophone et les initiatives similaires représentent une étape importante dans la recherche de la création de modèles vocaux d’IA capables d’interagir de manière transparente avec les humains. À mesure que la technologie de l’IA continue d’évoluer, nous pouvons nous attendre à voir des assistants d’IA encore plus sophistiqués et à consonance naturelle à l’avenir.
La recherche de modèles vocaux d’IA similaires à ceux des humains n’est pas sans défis. Les préoccupations concernant les préjugés, les considérations éthiques et le potentiel de mauvaise utilisation demeurent. Cependant, les avantages potentiels de ces technologies sont immenses, allant de l’amélioration de l’accessibilité au renforcement de la communication et de la collaboration.
À mesure que les modèles vocaux d’IA deviennent plus répandus, il sera important de relever ces défis de manière proactive et de s’assurer que ces technologies sont utilisées de manière responsable et éthique. L’avenir des modèles vocaux d’IA est très prometteur, mais il nous appartient de façonner cet avenir d’une manière qui profite à toute l’humanité.
L’effort de créer une IA au son plus humain est difficile, comme en témoignent les documents divulgués. Non seulement l’IA doit parler couramment avec une grammaire correcte, mais elle doit également avoir une personnalité qui semble réelle à la personne qui lui parle. C’est là que ces entreprises se retrouvent aujourd’hui, face à une tâche monumentale.