Umas das características que o ser humano possui que o diferencia das outras espécies de animais é a sua capacidade da linguagem.
Conforme publicado em outro post no blog da Tirrell, a aplicação mais comum da inteligência é por meio de agentes, por exemplo o chatbot.
Um agente que deseja adquirir conhecimento precisa entender a ambígua e confusa linguagem dos seres humanos por meio de buscas específicas: classificação do texto, recuperação e extração de informações.
Linguagens de programação como Java e Python são exemplos de linguagens formais. Para entender as pessoas, é necessário que o agente entenda a linguagem natural (português, inglês ou outro), que é ambígua. Se uma pessoa diz “Vi um banco” pode estar se referindo ao assento ou à instituição financeira.
Dessa forma, um agente inteligente interpreta a partir de uma distribuição de probabilidade sobre os significados possíveis.
O desafio em trabalhar com as linguagens naturais não é somente pela ambiguidade, mas também porque são muito grandes e em constante mutação.
Segundo Russell e Norvig (2013), os sistemas de computadores identificam os idiomas com mais de 99% de precisão, mas existem outras tarefas que podem ser executadas como a correção de ortografia, classificação de gênero e o reconhecimento de entidade.
A classificação de gênero significa decidir se o texto é uma nova história, um documento legal, um artigo científico etc. O reconhecimento de entidade permite encontrar os nomes das coisas em um documento e decidir a qual classe pertencem.
A classificação do texto também é conhecida como categorização. É assim que que além dos exemplos citados, é possível também analisar o sentimento (se é bom ou ruim) e identificar uma mensagem como spam. Para isso, utilizam-se as abordagens de aprendizagem de máquinas (machine learning) e aprendizado profundo (deep learning).
Em inteligência artificial existem diferentes abordagens para solucionar determinados tipos de problemas, como nos casos de respostas a perguntas, extração de informação (por atributos ou por ontologias).
A Tirrell investe tempo na análise do problema do cliente para prover a melhor solução de chatbot para os mercados financeiro e corporativo.
Referência:
RUSSELL, S.; NORVIG, P. Inteligência Artificial. 3ª ed. São Paulo: Elsevier, 2013.
