Natural Language Processing

Dos chatbots à Alexa: a evolução do Processamento de Linguagem Natural

Só recentemente, através da aprendizagem profunda, é que estamos vendo todo o potencial do PLN.

A aprendizagem profunda parece misteriosa e um pouco ameaçadora. Porém, você provavelmente interage com ela todos os dias se tiver um smartphone ou um Echo. Sempre que você faz uma pergunta à Siri, ao Google ou à Alexa, é a aprendizagem profunda que trabalha nos bastidores para dar a resposta.

Subconjunto do machine learning, a aprendizagem profunda é projetada para resolver problemas extremamente complexos. A aprendizagem profunda usa um modelo inspirado no cérebro, com redes neurais artificiais que melhoram continuamente sua capacidade de fazer previsões com base nos dados. Essa tecnologia permitiu que os cientistas computacionais e de dados fizessem grandes avanços no campo do Processamento de Linguagem Natural (PLN), e é por isso que agora vivemos num mundo cercado pela tecnologia de voz mencionada acima. Os linguistas têm analisado a linguagem com softwares computacionais nos últimos setenta anos, mas só recentemente, por meio da IA e da aprendizagem profunda, é que estamos vendo o verdadeiro potencial do PLN.

Neste episódio do Cloud Talk, Jeff DeVerter, CTO da Rackspace Technology, recebe três especialistas em ciência de dados e IA para debater o PLN. Os convidados incluem Spyro Ananiades e Mark McQuade, da Rackspace Technology, e também Carla Margalef Bentabol, cofundadora e CTO da Babbly.

Sintonize para ouvir sobre estes temas:

  • A evolução do PLN, desde o primeiro chatbot, em 1966, ao mundo moderno, com mais dados, potência de máquina e IA sofisticada
  • Como a Babbly está usando IA e aprendizagem profunda para ajudar os pais a compreenderem o progresso no desenvolvimento dos bebês
  • Como resolver os desafios de processamento, compreensão e geração de linguagem natural
  • Como avançar no PLN por meio do aprendizado não supervisionado

Mark McQuade, gerente de práticas de ciência de dados e engenharia na Rackspace Technology, exemplifica os casos de uso empresariais do PLN. "Pense na quantidade de texto que existe por aí. Todos sabemos a quantidade de dados que tem por aí atualmente. Mas vamos imaginar apenas os dados de texto – ainda que só nas postagens e comentários das redes sociais. Um caso de uso significativo no momento é executar o PLN no Twitter. Você consegue puxar a análise de sentimento, que é uma forma de PLN. Você consegue puxar palavras-chave ou frases para descobrir o que todos estão falando. O que as pessoas estão comentando sobre a sua empresa? Qual o nível de satisfação dos seus clientes? Esse é um excelente exemplo de como usar o PLN no seu negócio."

Carla Margalef Bentabol, cofundadora e CTO da Babbly, explica como sua equipe desenvolveu um software para reconhecer sons em vez de linguagem. "Quando os bebês produzem sons, que ainda não são uma linguagem totalmente formada, a Babbly analisa os segmentos de áudio e classifica os sons reconhecíveis com base em pesquisas e dados próprios. Identificar em qual estágio o bebê se encontra permite que os pais incentivem a aprendizagem, e a Babbly recomenda atividades respaldadas por pesquisa para ajudar a criança a alcançar a próxima etapa, até o momento em que pronuncia as primeiras palavras."

Spyro Ananiades, arquiteto de ciência de dados da Rackspace Technology, explica como o aprendizado não supervisionado acelerou o progresso no PLN. "Desde 2000, o foco tem estado, de fato, no aprendizado não supervisionado, que envolve algoritmos que não exigem anotações humanas no cenário de treinamento. E vamos ver aumentos enormes nisso, pois os humanos sempre foram o gargalo. Agora, basta bombear dados nos modelos de aprendizagem profunda, e ela começará a agrupar as coisas por semelhanças e a descobrir por conta própria. Esse é o lado fascinante desse campo no momento!"

Listen & Follow

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe
Machine Learning Mark McQuade

O machine learning é mais do que uma palavra da moda – mas não é a solução para qualquer problema

About the Authors

rackspace logo

Rackspace Technology Staff - Solve

The Solve team is made up of a curator team, an editorial team and various technology experts as contributors. The curator team: Srini Koushik, CTO, Rackspace Technology Jeff DeVerter, Chief Technology Evangelist, Rackspace Technology The editorial team:  Gracie LePere, Program Manager Royce Stewart, Chief Designer  Simon Andolina, Design Tim Mann, Design Abi Watson, Design Debbie Talley, Production Manager  Chris Barlow, Editor  Tim Hennessey Jr., Writer Stuart Wade, Writer Karen Taylor, Writer Meagan Fleming, Social Media Specialist Daniel Gibson, Project Manager

Read more about Rackspace Technology Staff - Solve