Asistentul virtual: aviz privind explicabilitatea

Termeni și definiții

Ce este Publio?

Publio, asistentul virtual al portalului Oficiului pentru Publicații (portalul OP), este un instrument IA care interacționează cu oamenii și efectuează căutări utilizând cuvinte-cheie bazate pe informații disponibile public pe portalul OP. Publio combină tehnicile conversaționale de inteligență artificială (IA), cum ar fi prelucrarea limbajului natural (PLN) și învățarea automată, cu recunoașterea vocală interactivă și sistemele tradiționale de căutare, pentru a ajuta utilizatorii să găsească publicații și legislație UE și persoane de contact în instituțiile europene.

Asistentul virtual permite conversații vorbite sau scrise între utilizatorii finali și portalul OP. El este disponibil în prezent în limbile engleză, franceză și spaniolă. Deși poate fi utilizat de oricine, asistentul virtual oferă și o soluție adaptată la nevoile persoanelor cu dificultăți de citire, sporind astfel accesibilitatea. De asemenea, permite o căutare conversațională, o nouă modalitate de căutare care le permite utilizatorilor să vorbească în fraze complete – la fel ca în cazul unei conversații normale – cu un asistent vocal alimentat de IA care returnează răspunsuri, schimbul dintre utilizator și asistentul virtual luând forma unei conversații.

Ce tip de date utilizează Publio?

Publio utilizează informațiile disponibile public pe portalul OP. Aceste informații sunt publicate pe baza principiului transparenței aplicabil tuturor politicilor și legislației UE. Plecând de la această colecție de date, Publio utilizează clasificări și categorii disponibile pe portalul OP, cum ar fi domeniile Eurovoc, autorii sau formatul, pentru a ghida și a perfecționa conversația și pentru a-l ajuta pe utilizator să efectueze căutări în toate cele trei colecții principale ale portalului OP: publicațiile UE, legislația UE și anuarul oficial al UE (EU Whoiswho).

Publio utilizează un model lingvistic existent pentru a înțelege întrebările adresate de utilizatori și pentru a-i îndruma de-a lungul parcursului lor de căutare. Pe baza feedbackului primit de la utilizatori, modelul lingvistic Publio este îmbunătățit constant și antrenat să răspundă așteptărilor utilizatorilor și să facă față diversității cererilor acestora în cele trei limbi suportate.

Antrenarea modelului acoperă mai multe componente ale sistemului pe care se bazează Publio:

• o serie predefinită de enunțuri asociate diferitelor forme posibile de intenție pentru a-i permite să înțeleagă mai întâi obiectivul final al utilizatorului și apoi să îl ghideze treptat către atingerea acestui obiectiv.
• o serie predefinită de întrebări fixe pe care Publio „le înțelege” și pentru care poate oferi un răspuns predefinit utilizatorilor. Exemplu: „cum pot comanda publicații?”.
• Entitățile învățate automat care pot fi identificate de Publio și utilizate în procesele în fundal ale Publio pentru a detecta parametrii de căutare oferă rezultate de căutare mai precise sau opțiuni de îmbunătățire a căutării. Aceste entități se bazează pe clasificarea și categoriile de date existente, cum ar fi tezaurul Eurovoc sau alte tabele de referință gestionate de Eurovoc: autori, formate, limbi, organisme (organizații) ale UE, funcții în cadrul administrației publice a UE etc. Pe această bază, Publio poate, de exemplu, să înțeleagă din întrebarea utilizatorului că acesta caută o publicație pe o anumită temă sau scrisă de un anumit autor.

Cum funcționează Publio?

Publio utilizează serviciul de înțelegere a limbajului conversațional – CLU (nota de subsol 4), combinat cu un sistem de extragere de entități bazat pe un model lingvistic de mari dimensiuni (LLM) pentru a prelucra intrările utilizatorilor (enunțuri scrise sau vorbite) în mod corect și eficient.
CLU oferă informații inițiale cu privire la entități și la intenția utilizatorului, iar pentru interogările mai complexe, componenta LLM rafinează recunoașterea entităților, ceea ce conduce la rezultate mai bune pentru propozițiile nuanțate sau cererile complexe. Pe baza intenției și entităților recunoscute, Publio inițiază un flux conversațional personalizat, menit să ajute utilizatorii să ajungă la rezultatul vizat în câțiva pași simpli.

În prezent, Publio aplică 4 fluxuri conversaționale principale:

• Căutare de documente, pentru a-i ajuta pe utilizatori să caute publicații sau documente juridice ale UE.
• Căutare de persoane, pentru a-i ajuta pe utilizatori să caute funcționari ai instituțiilor UE.
• Căutare de organizații, pentru a-i ajuta pe utilizatori să caute organisme ale UE
• Întrebare și răspuns (QnA), pentru a oferi un răspuns predefinit la întrebările frecvente.

Dacă este recunoscut un flux de căutare, asistentul virtual îl va îndruma pe utilizator în căutarea unui document, a unei persoane sau a unei organizații relevante, adresându-i întrebări simple și, pe baza răspunsului acestuia, va propune opțiuni de filtrare.

Pentru fluxul „întrebare și răspuns”, personalul Oficiului pentru Publicații întreține o listă cu întrebările adresate frecvent și cu răspunsurile predefinite la acestea. Dacă este recunoscută intenția „întrebare și răspuns”, iar întrebarea utilizatorului seamănă foarte mult cu una dintre întrebările stocate în sistem, un răspuns adecvat va fi returnat direct utilizatorului. De exemplu:

- dacă este recunoscută intenția „întrebare și răspuns” cu o interogare precum „Doresc să descarc un fișier”, asistentul va răspunde cu «Pentru a descărca un document, vă rugăm să mergeți la pagina cu detalii a publicației și să faceți clic pe butonul „Descărcare și versiuni lingvistice”.»

- dacă este recunoscută intenția „întrebare și răspuns” cu o interogare de tip „Unde pot găsi documente pentru copii”, asistentul va răspunde cu „Publicațiile pentru copii sunt disponibile în Spațiul micilor europeni”.

Întrebările pot fi adresate în scris sau verbal. Robotul de chat capturează mesajele vocale (întrebările rostite de către utilizator) și le trimite unui motor de recunoaștere vocală care transformă textul rostit în text scris. Intrările vocale sunt prelucrate de serviciul de recunoaștere vocală Microsoft Azure (nota de subsol 5). Publio afișează apoi textul scris care reproduce mesajul vocal, în cuvintele interpretate de motorul de recunoaștere vocală, înainte de a afișa răspunsul atât în scris, cât și verbal, cu ajutorul unei voci sintetizate. Acest schimb are loc instantaneu și este efemer (nu lasă nicio urmă).

Cum analizează Publio întrebarea și cum propune rezultate?

Publio nu utilizează LLM sau orice altă tehnologie de IA generativă pentru a genera răspunsurile furnizate utilizatorilor. Toate mesajele Publio se bazează pe modele predefinite. Publio utilizează un model lingvistic de învățare automată (model lingvistic antrenat) care învață cum să recunoască cererile utilizatorilor și cum să răspundă la acestea. Acest model are sarcina de a prelucra mesajul sau cererea utilizatorului, de a identifica intenția mesajului și de a furniza un răspuns adecvat. Procesul de antrenare a Publio constă în a-i furniza modelului de învățare automată un volum mare de date de antrenament etichetate, care includ exemple de intrări ale utilizatorilor, precum și intențiile acestora și răspunsurile plauzibile corespunzătoare.

Publio utilizează prelucrarea limbajului natural, modelul lingvistic antrenat și LLM pentru a înțelege intenția utilizatorului și pentru a extrage din întrebarea acestuia entitățile recunoscute (de exemplu, termenul de căutare, subiectul, autorul, data documentului, formatul documentului). Publio utilizează aceste entități pentru a efectua căutarea și pentru a afișa rezultatul căutării.

Dacă rezultatele căutării sunt prea ample, Publio continuă conversația, adresându-i întrebări suplimentare utilizatorului, pentru a limita rezultatele căutării cu ajutorul filtrelor aplicate altor entități.

Întrebările formulate de Publio se limitează la identificarea intenției utilizatorului, la identificarea scopului acestuia și la formularea căutării corecte în colecția de conținut publicat pe portalul OP. Rezultatele propuse de Publio provin în întregime din această colecție de date.

Părerea utilizatorilor

În orice moment în timpul conversației, utilizatorul final își poate exprima părerea (pozitivă, neutră sau negativă) cu privire la experiența sa de utilizare a Publio. Poate fi o părere introdusă manual de utilizator în orice moment sau sub formă de răspuns la o fereastră pop-up care se afișează automat după câteva secunde de inactivitate. În plus, întrebările care nu sunt „înțelese” corect de Publio sunt înregistrate automat și prelucrate periodic de o echipă din cadrul Oficiului pentru Publicații. Părerea utilizatorilor și analiza întrebărilor care nu sunt „înțelese” în mod corespunzător de către Publio sunt utilizate pentru a reinstrui modelul lingvistic, cu scopul de a îmbunătăți serviciile furnizate utilizatorilor finali.

Prelucrarea datelor cu caracter personal

Datele disponibile pe portalul OP sunt prelucrate în conformitate cu Regulamentul general al UE privind protecția datelor (RGPD) și cu Regulamentul privind prelucrarea datelor cu caracter personal de către instituțiile, agențiile și organele UE (nota de subsol 6).

Publio nu stochează, nu păstrează și nu arhivează niciun element – nici informațiile furnizate de utilizator, nici pe cele furnizate prin răspunsurile Publio.

Părerile colectate sunt anonimizate astfel încât să nu poată fi corelate cu utilizatorul care le-a exprimat

Datele cu caracter personal nu sunt utilizate în niciun fel pentru luarea de decizii, urmărirea sau stabilirea de profiluri. Atunci când se utilizează modele lingvistice de mari dimensiuni (LLM) pentru extragerea entităților, singurele date schimbate între Publio și LLM sunt întrebarea utilizatorului și rezultatul preliminar al extragerii entităților, generat de CLU. Nu se distribuie sau transmit datele cu caracter personal ale utilizatorului.

Toate serviciile utilizate de Publio sunt găzduite în centre europene de date și toate operațiunile de prelucrare a datelor respectă reglementările UE privind confidențialitatea datelor.

Limitele actuale

• Transcrierea vocală a numelor: deși majoritatea numelor sunt „înțelese” și transcrise corect, extragerea numelui se bazează pe învățarea automată și nu are o precizie de 100 %. Din cauza unor limitări ale CLU, unele nume nu sunt extrase corect nici după antrenarea modelului cu exemple clare din setul de date.
• Datele în limbile franceză și spaniolă: „înțelegerea” datei este mai puțin exactă în spaniolă și franceză în contexte mai complexe. De exemplu, anul va fi recunoscut în limba spaniolă utilizând „entre 2016 y 2017” fără un context suplimentar, dar nu va fi recunoscut cu „entre el año 2019 y 2020”.
• Recunoașterea vocală nu funcționează decât într-o singură limbă odată.
• Recunoașterea vocală nu are un mod ortografic, ceea ce înseamnă că nu dispune de o funcționalitate care să le permită utilizatorilor rostirea cuvintelor literă cu literă pentru a asigura o transcriere exactă.
• Recunoașterea entității numelui nu funcționează bine în frazele mai lungi când este însoțită de „dna”/„dra”.

Oficiul pentru Publicații al Uniunii Europene, 16 mai 2023