close

Insider

[Podcast] Como as máquinas lidam com linguagem humana?

Written by Alana Team
on Julho 27, 2020

Agora que você já sabe se as máquinas pensam como os humanos, chegou a hora de entender como elas lidam com a linguagem humana e qual a capacidade atual de compreensão de como nos comunicamos.

Neste episódio, Marcellus Amadeus, CTO da Alana AI, fala sobre as limitações de linguagem das máquinas e explica como elas usam truques matemáticos para entender os humanos.

Linguagem Humana e Comunicação

Para compreender como as máquinas lidam com a linguagem humana, primeiro precisamos falar sobre o conceito de linguagem e o papel dela na comunicação. De acordo com o dicionário, a definição dos conceitos é:

  • Linguagem é qualquer meio sistemático de comunicar ideias ou sentimentos através de signos convencionais, sonoros, gráficos, gestuais etc.
  • Comunicação é a ação de transmitir uma mensagem e, eventualmente, receber outra mensagem como resposta

Para que a comunicação exista, é necessário que a interpretação da linguagem aconteça. Esse ponto é chave para a comunicação tanto humana, quanto das máquinas.

Por exemplo, imagine viajar para um país que você não fala o idioma. Você não será capaz de interpretar os signos da língua local, talvez entenda alguma imagem universal, mas a comunicação será falha.

O mesmo acontece com as máquinas. 

Se elas não forem capazes de interpretar a linguagem natural humana, elas não podem se comunicar com qualidade. Para que isso aconteça, existe o método NLP (Processamento de Linguagem Natural).

 

Processamento de Linguagem Natural (NLP)

O Processamento de Linguagem Natural (NLP) é uma sub área da ciência da computação, da inteligência artificial e da linguística.

Dentro da inteligência artificial, é uma área essencial em termos de garantir qualidade da comunicação com as pessoas, já que o NLP é a tecnologia usada para ajudar os computadores a entenderem a linguagem humana.

Ele estuda os problemas de geração e compreensão das línguas humanas e vem evoluindo desde a década de 50. Podemos dividir essa evolução em três fases:

NLP-min

Evolução da NLP

A abordagem simbólica é baseada em regras lexicais, as desenvolvidas pelo homem, ou seja, segue obrigatoriedades de fala, que são materializadas e registradas por especialistas para que os sistemas possam seguí-las.

A segunda fase, que é estatística, é baseada em amostras observáveis ​​e recorrentes de fenômenos linguísticos. Por exemplo:

  • Os modelos reconhecem temas recorrentes por meio da análise matemática de grandes partes de texto; 
  • Ao identificar uma tendência, o sistema de computador pode desenvolver suas próprias regras de linguagem que serão usadas para analisar entradas futuras e / ou a geração de saída de linguagem.

Por último, a abordagem neural, que segue o aprendizado supervisionado e é totalmente numérica. Esse é o modelo que usamos hoje em dia. Ele funciona da seguinte maneira:

  • Primeiro transforma a frase, que é a linguagem, em números (vetores);
  • A frase passa a ser representada pelos números atribuídos a cada palavra, assim ela pode ser usada por algoritmos de rede neural;
  • O algoritmo da rede neural analisa e encontra padrões nos números para fazer a interpretação.

Curiosidade sobre NLP

Marcellus aproveitou para compartilhar um fato histórico muito interessante. 

Sistemas de NLP foram umas as primeiras aplicações de inteligência artificial. Nos anos 50 foi criada uma aplicação para tradução de Russo para Inglês e ela usava como base um dicionário bilíngue e tinha regras predefinidas.

Outra famosa aplicação histórica baseada em NLP é o chatbot ELIZA, criado em 1965, que foi um dos primeiros chatbots da história a ser capaz de realizar o teste de Turing.

eliza-chatbot

 

Limite na comunicação entre máquinas e humanos

Um dos principais desafios no desenvolvimento de uma AI é lidar com a questão: como a máquina interpreta o contexto? 

Marcellus afirma que as máquinas estão cada vez mais inteligentes, mas existe um fator limitante crucial que é o contexto! Apesar de conseguirem interpretar símbolos, as máquinas não conseguem interpretar o contexto em si.

Alguns algoritmos mais modernos, por exemplo, geram textos e interpretam de forma precisa e coerente, mas a máquina não sente algo genuinamente.

 

Tecnologia escalável

Pessoas envolvidas no desenvolvimento da inteligência artificial buscam maneiras de tornar as tecnologia mais escalável aumentando a capacidade de compreensão da máquina.

Por exemplo, permitindo que a máquina possa aprender com informações que ela já tem disponível, criando dados para se auto alimentar.

De modo geral, os avanços em NLP são fundamentais para melhorar as interações de inteligências artificiais com humanos.

Quer saber mais sobre inteligência artificial? Siga o Inside Alana Podcast e ouça os episódios disponíveis, quando quiser.

personagens escrevendo

 



assinatura_teamalana

 

Você também pode gostar:

Insider

[Vídeo] Mulheres na liderança: bate-papo sobre inovação e tecnologia com Luiza Helena Trajano

Criar um negócio digital e expandi-lo não é uma tarefa simples. É necessário investir tempo e dinheiro em tecnologia, in...

Insider

Black Friday: o desafio do aumento de volume de vendas e atendimento

A Black Friday é a promoção mais esperada do ano. É a oportunidade que o consumidor tem de aproveitar ótimos descontos e...

Insider

A inteligência artificial e o futuro da comunicação entre humanos e máquinas

A interpretação da linguagem humana é essencial para a comunicação entre humanos e máquinas. Ela acontece através do mét...

Receba insights sobre
Inteligência Artificial por e-mail,
na medida certa.