Linguagem Natural

Prévia do material em texto

Hoje nós vamos nos aprofundar em uma das áreas mais empolgantes da 
Inteligência Artificial, que é o processamento de Linguagem Natural, ou PLN, ou 
NLP em inglês a sigla. 
Então, se prepara porque a gente vai desvendar o segredo de como as máquinas 
conseguem entender e processar a nossa linguagem humana. 
 
O PNL é uma subárea da Inteligência Artificial que busca permitir que 
computadores compreendam, interpretem e interajam com uma linguagem 
humana em suas diversas formas, como textos escritos, falados, então é 
literalmente você ensinar para o computador se comunicar como um ser humano 
se comunicaria. 
 
E é uma das áreas de pesquisa onde tem muito desenvolvimento que a gente 
utiliza algoritmos inteligentes, especialmente de modelos de linguagem 
baseados em redes neurais. 
 
E o que são esses modelos baseados em linguagens em redes neurais? Eles 
são modelos ali que, na prática, eles entendem o significado das palavras, das 
frases e até mesmo do contexto do qual aquelas palavras estão inseridas. Então, 
basicamente, ele é um algoritmo que ajuda você e o computador a diminuir essa 
latência de comunicação e aproximar. Afinal é como se eu e ele conversássemos 
literalmente a mesma língua. Então, eu posso falar em português, como você 
está vendo aí as ferramentas de chat que aparecem, e poder conversar ela na 
minha linguagem natural, que é a minha linguagem que eu falo como ser humano 
e não precisar programar alguma coisa com uma linguagem de código para 
conseguir extrair uma informação dele, né? 
 
Mas vamos começar do básico vamos começar do jeito certo aqui. Como é que 
as máquinas conseguem entender o que a gente escreve e o que nós falamos? A 
resposta está em algoritmos inteligentes como os modelos de linguagem 
baseados em redes neurais. Esses modelos são treinados em grande 
quantidade de textos como livros, artigos, postagens em redes sociais, e através 
dessa extensão de treinamento, esse extenso treinamento os ajuda a 
aprender, a reconhecer padrões de palavras, palavras que aparecem juntos, 
palavras subsequentes... Tudo isso analisando vários textos já escritos, tornando 
possível o entendimento do contexto em que uma palavra ou uma frase é mais 
utilizada. 
 
E ao processar um texto, esses modelos eles geralmente atribuem uma 
probabilidade de cada uma dessas palavras de aparecer próxima no contexto no 
qual ela se encontra. Essa abordagem probabilística permite que as máquinas 
gerem textos com coerência, já que elas selecionam as melhores e as mais 
prováveis palavras de aparecerem em um dado contexto. 
Além disso, a utilização dessas redes neurais possibilita a captura de 
dependências temporais espaciais e tudo isso permitindo que você tenha uma 
análise mais cuidadosa da onde aquela palavra é utilizada, geralmente em quais 
áreas de conhecimento essa palavra está sendo utilizada, em qual momento 
histórico esse tipo de palavra foi mais utilizada. Então ele consegue enxergar 
todo esse padrão e até mesmo se comunicar através dele, transformando tudo 
isso em modelo matemático. Não à toa, quando a gente olha por trás do chat 
GPT, ele tem um modelo matemático ali por trás, que são os tokens. 
 
Entender a ambiguidade da linguagem é um desafio muito importante para a 
PNL. Por quê? Uma mesma palavra ou frase pode ter um significado totalmente 
diferente dependendo do qual contexto ela é utilizada. Então, para lidar com isso, 
nós utilizamos técnicas como análise semântica e desambiguação léxica. 
 
A análise semântica busca capturar o significado de uma palavra ou frase através 
da sua relação com outras palavras que já estão naquele texto. 
Dessa forma, é possível que você consiga inferir um sentido mais provável de 
uma palavra com base no contexto no qual ela aparece. 
 
Já o outro método, que é a desambiguação léxica, é uma técnica que busca 
resolver a ambiguidade das palavras que possuem mais de um sentido, como 
um banco, por exemplo, que pode ser uma instituição financeira, ou um banco, 
que é um assento. Nesse caso, a máquina utiliza informações de contexto no 
qual a palavra está sendo empregada para determinar qual que é o significado 
mais adequado para aquela situação em questão. 
 
Uma aplicação poderosa do PLN é a geração de texto, com algoritmos de 
linguagem natural. As máquinas podem criar texto automaticamente como você 
já deve ter visto várias por aí como por exemplo resumos, documentos, notícias 
e até mesmo diálogos como se fossem assistentes virtuais. 
 
Essa tecnologia é conhecida como geração de linguagem natural, onde os 
modelos de linguagem já treinados podem produzir novos textos coerentes e 
semelhantes a um que um ser humano poderia escrever. Afinal ele já foi treinado 
com uma base e encontrou vários parâmetros e vários modelos de abstração 
com todos os outros textos no qual ele foi alimentado. O processo de geração 
de texto envolve o uso de redes neurais de linguagem, que são treinadas com 
grandes volumes de texto e eles aprendem a estrutura e a gramática daquela 
linguagem em específico. Então ao receber um prompt, uma pergunta, o modelo 
é capaz de gerar respostas que são e coerentes, tornando assim uma ferramenta 
muito valiosa para aplicações que exigem criação de texto de maneira 
automatizada. 
 
 
É realmente muito fascinante o poder do processamento de linguagem natural e 
o que dá para fazer com isso. Nós estamos capacitando as máquinas para 
compreender e interagir com linguagem humana o que abre um mundo de 
possibilidades em diversas áreas como atendimento ao cliente, tradução 
automática, análise de sentimentos, entre várias outras coisas. Então, sim, isso 
é muito benéfico para vários ramos de negócio, vários ramos da tecnologia. 
 
 
E claro que para poder fazer esse treinamento da maneira coerente, você precisa 
de um profissional ali sendo intermediário de como alimentar essa rede e como 
criar esses modelos matemáticos que vão ajudar ela a abstrair novos dados. 
Afinal se eu treinar hoje uma dessas ferramentas só com, por exemplo textos 
que foram escritos em Portugal em mil setecentos e tanto, ela vai se comportar 
como se fosse em português na época, por exemplo de Camões. 
Então, todo dado que está entrando ali, ele precisa ter uma base de abstração 
para que você ajude ao algoritmo ali a entender e até mesmo criar novos textos. 
 
Eu espero que você tenha gostado desse conteúdo, espero que você tenha 
ficado muito mais claro para você ali quando a gente está falando 
Processamento de Linguagem Natural e de redes neurais e essa sim é uma 
das que está mais em foco hoje em dia, por ser uma das mais populares ali das 
áreas de inteligência artificial, mas como você bem sabe não é a única.