{"id":2192,"date":"2021-08-12T00:58:41","date_gmt":"2021-08-12T00:58:41","guid":{"rendered":"https:\/\/www.blogs.unicamp.br\/linguistica\/?p=2192"},"modified":"2021-08-12T22:29:06","modified_gmt":"2021-08-12T22:29:06","slug":"processamento-de-linguagem-natural-o-que-as-maquinas-estao-realmente-tentando-nos-dizer","status":"publish","type":"post","link":"https:\/\/www.blogs.unicamp.br\/linguistica\/2021\/08\/12\/processamento-de-linguagem-natural-o-que-as-maquinas-estao-realmente-tentando-nos-dizer\/","title":{"rendered":"Processamento de Linguagem Natural: O que as m\u00e1quinas est\u00e3o realmente tentando nos dizer?"},"content":{"rendered":"\n

Texto de Giulia Giacomello Pompilio<\/em><\/strong><\/p>\n\n\n\n

Voc\u00ea j\u00e1 parou para pensar como o Google ou a Alexa s\u00e3o capazes de entender o que voc\u00ea diz a eles, enquanto outros seres humanos, que moram a apenas alguns quil\u00f4metros de voc\u00ea, n\u00e3o te entendem? Como pode uma caixa de som conversar com voc\u00ea? Ou, mais absurdo ainda, como pode um bot como a Siri recusar uma proposta de casamento? Voc\u00ea j\u00e1 imaginou como \u00e9 poss\u00edvel voc\u00ea come\u00e7ar a digitar para o seu amigo \u201cQue vontade\u2026\u201d e seu celular sugerir \u201cde trancar a faculdade e ver Netflix o dia todo\u201d, e era exatamente isso que voc\u00ea ia falar? Ou ainda como voc\u00ea, que nasceu falante da sua l\u00edngua portuguesa, e a estudou durante anos na escola, quando vai criar um post, seu celular, uma m\u00e1quina, tem a aud\u00e1cia de sugerir que sabe mais que voc\u00ea e te corrige? Como \u00e9 poss\u00edvel a tecnologia saber mais da gente do que n\u00f3s mesmos? Quem os ensinou?<\/p>\n\n\n\n

O que a linguagem tem a ver com a m\u00e1quina? E o que isso tem a ver comigo?<\/h2>\n\n\n\n

Para responder a todas essas perguntas, precisamos entender o que \u00e9 Processamento da Linguagem Natural<\/a>, ou PLN. \u00c9 um campo em desenvolvimento que estuda as possibilidades de intera\u00e7\u00e3o entre as \u00e1reas da linguagem e da computa\u00e7\u00e3o – isso mesmo, se voc\u00ea \u00e9 uma pessoa de exatas e humanas, esse pode ser o caminho pra voc\u00ea! Esse conceito navega entre os campos de Intelig\u00eancia Artificial, Machine Learning e Deep Learning, ou seja, contribui para que a m\u00e1quina copie o comportamento humano, assim como para seu aprendizado cont\u00ednuo. Desse modo, PLN \u00e9 uma ferramenta que permite a comunica\u00e7\u00e3o entre m\u00e1quina e humano como iguais, sem que o humano tenha que aprender a programar, e sim fazendo com que a m\u00e1quina entenda a gente!<\/p>\n\n\n\n

\"\"<\/a>
Cena do filme \u201cEla\u201d, imagem autoral<\/figcaption><\/figure>\n\n\n\n

Ent\u00e3o, se voc\u00ea usa corretor autom\u00e1tico, pede para sua caixinha de som tocar uma m\u00fasica, grita socorro para o Waze te levar ao lugar certo, ou usa gera\u00e7\u00e3o de legenda autom\u00e1tica do YouTube, o PLN \u00e9 uma grande parte da sua vida (e voc\u00ea nem sabia)!<\/p>\n\n\n\n

A evolu\u00e7\u00e3o do PLN: a m\u00e1quina pensa?<\/h2>\n\n\n\n
\"\"<\/a>
Cena do filme \u201cO Jogo da Imita\u00e7\u00e3o\u201d, dispon\u00edvel em: https:\/\/br.pinterest.com\/pin\/308285536974457271\/<\/figcaption><\/figure>\n\n\n\n

Pode-se dizer que tudo isso come\u00e7ou na Segunda Guerra Mundial, quando Alan Turing<\/a> criou o primeiro computador para decodificar mensagens alem\u00e3s criptografadas nas m\u00e1quinas \u201cEnigma\u201d, um dilema considerado, at\u00e9 ent\u00e3o, imposs\u00edvel de se resolver. Com essa finalidade, foi criada a primeira m\u00e1quina capaz de realizar tradu\u00e7\u00e3o, ao transformar c\u00f3digos, alterados diariamente, em palavras. Essa trama \u00e9 ilustrada no bel\u00edssimo filme O Jogo da Imita\u00e7\u00e3o<\/a>, de 2014.<\/p>\n\n\n\n

O funcionamento do computador de Alan Turing pode ser comparado a uma teoria matem\u00e1tica, facilmente aplicada \u00e0 lingu\u00edstica, que surgiu tamb\u00e9m durante os anos 40, a Teoria da Informa\u00e7\u00e3o<\/a>. Ela tenta explicar o funcionamento do processo de comunica\u00e7\u00e3o\/ transfer\u00eancia de sinais, que come\u00e7a com a inten\u00e7\u00e3o e codifica\u00e7\u00e3o do falante, ou c\u00f3digo criptografado; em seguida, a mensagem \u00e9 emitida\/ recebida; ela passa pelo processo de decodifica\u00e7\u00e3o (pela m\u00e1quina ou c\u00e9rebro do receptor); e, por fim, h\u00e1 a interpreta\u00e7\u00e3o da mensagem captada, o que permite uma rea\u00e7\u00e3o ou resposta do ouvinte. Fica claro, assim, que computadores se tornam uma met\u00e1fora perfeita para o c\u00e9rebro, j\u00e1 que Turing \u201c[\u2026] tentou imitar o jeito humano de computar\u201d, segundo a matem\u00e1tica Isabel Cafezeiro<\/a>. Isso quer dizer que, estudando as faculdades mentais no processo de decodifica\u00e7\u00e3o de uma mensagem, foi poss\u00edvel criar um computador que nos imitasse!<\/p>\n\n\n\n

\"\"<\/a>
Representa\u00e7\u00e3o do Quarto Chin\u00eas, dispon\u00edvel em: https:\/\/filosofianaescola.com\/metafisica\/quarto-chines\/<\/figcaption><\/figure>\n\n\n\n

Aproximadamente 40 anos depois, John Searle<\/a> cria o argumento do Quarto Chin\u00eas<\/a>, \u00f3tima met\u00e1fora para explicar o PLN. Ele implica em uma pessoa fechada em um quarto, com apenas uma porta de contato com o mundo exterior, para que inputs e outputs sejam realizados. Nesse quarto, h\u00e1 instru\u00e7\u00f5es de como traduzir s\u00edmbolos chineses para a l\u00edngua nativa de quem estiver l\u00e1 dentro (e vice-versa), possibilitando reagir em chin\u00eas aos s\u00edmbolos recebidos. PLN funciona da mesma maneira: um programador ensina sua l\u00edngua para a m\u00e1quina atrav\u00e9s de um manual de instru\u00e7\u00f5es de como reagir a outros humanos. Parece, aos olhos daquele que fala chin\u00eas, que a sala o est\u00e1 entendendo e respondendo de acordo, mas na realidade trata-se de um mero programa, o qual Searle afirma que \u00e9 desprovido de faculdades cognitivas. Assim, um computador pode pensar, por\u00e9m sem sinais de consci\u00eancia, ou seja, com aus\u00eancia de intencionalidade, significa\u00e7\u00e3o e interpreta\u00e7\u00e3o. Contudo, os filmes Ex-Machina<\/a> (2014) e Ela<\/a> (2013) extrapolam esse questionamento e nos mostram um mundo, possivelmente n\u00e3o t\u00e3o distante, em que o PNL seria capaz de evoluir a ponto de apresentar inten\u00e7\u00f5es, desejos e sentimentos.<\/p>\n\n\n\n

PLN e a Teoria do Labirinto<\/h2>\n\n\n\n

Mas como essa comunica\u00e7\u00e3o com a m\u00e1quina realmente acontece? Afinal, a linguagem \u00e9 um processo extremamente complexo para os humanos, principalmente a linguagem oral, possuindo ru\u00eddos, erros gramaticais, dialetos, diverg\u00eancias na pron\u00fancia de palavras, g\u00edrias e ambiguidades<\/a>. Vamos relembrar algumas ambiguidades com as quais a nossa fiel escudeira Alexa pode se deparar:<\/p>\n\n\n\n

a. Lexical: causada por uma palavra<\/strong>
Exemplo: \u201cAlexa, me diga um bom prato\u201d. Alexa deve mencionar uma refei\u00e7\u00e3o francesa ou dizer o melhor tipo de porcelana no mercado?<\/p>\n\n\n\n

b. Estrutural: causada pela posi\u00e7\u00e3o de uma palavra na frase<\/strong>
Exemplo: \u201cOlhe meu irm\u00e3o enquanto toca m\u00fasica!\u201d. Alexa deve observar algu\u00e9m tocar para ela ou tocar para a pessoa enquanto \u00e9 sua bab\u00e1?<\/p>\n\n\n\n

Se at\u00e9 para n\u00f3s fica dif\u00edcil de identificar e discernir ambiguidades, como uma m\u00e1quina, desprovida de cogni\u00e7\u00e3o, pode faz\u00ea-lo? Para os humanos, passamos pelo que \u00e9 chamado de Teoria do Labirinto, onde a mente \u00e9 o labirinto, e cabe a n\u00f3s escolher o melhor caminho (processos mentais) para realizar tarefas. Ela \u00e9 baseada nos princ\u00edpios de Primazia da Sintaxe e Parser (an\u00e1lise sint\u00e1tica). O primeiro defende que mecanismos da linguagem que n\u00f3s utilizamos s\u00e3o opera\u00e7\u00f5es sint\u00e1ticas b\u00e1sicas, como \u201cmerge\u201d – isso mesmo, \u201cmerge\u201d tamb\u00e9m \u00e9 um termo computacional muito conhecido, que se trata de uma concatena\u00e7\u00e3o n\u00e3o aleat\u00f3ria. Parser, por sua vez, \u00e9 capaz de resolver nosso problema, j\u00e1 que trata da ordem priorit\u00e1ria escolhida pelo c\u00e9rebro no caso de ambiguidades, ou seja, qual caminho do labirinto deve ser tomado. Entre duas estruturas distintas, aquela com maior simplicidade sempre ser\u00e1 escolhida, ou seja, a que possui um l\u00e9xico que \u00e9 acessado com maior frequ\u00eancia ter\u00e1 prefer\u00eancia. Programas como Siri, Alexa e Google funcionam da mesma maneira! Eles possuem dicion\u00e1rios, que podem ajudar no caso de ambiguidades lexicais, relacionando a palavra amb\u00edgua com outras palavras da frase e acionando o significado mais prov\u00e1vel, algoritmos de \u00e1rvores de decis\u00e3o, que trabalham atrav\u00e9s de modelos estat\u00edsticos para escolher a alternativa mais plaus\u00edvel, e aprendizagem autom\u00e1tica, que possibilita que o algoritmo melhore ao passo que te \u201cconhece\u201d melhor.<\/p>\n\n\n\n

Ainda h\u00e1 muitos desafios pela frente, e esse \u00e9 um t\u00f3pico em constante desenvolvimento, por\u00e9m vem apresentando evolu\u00e7\u00f5es extremamente promissoras. Como foi sabiamente colocado por Alan Turing no filme O Jogo da Imita\u00e7\u00e3o, \u201cQuando as pessoas falam umas com as outras, elas nunca dizem o que querem dizer. Elas dizem outra coisa e \u00e9 esperado que voc\u00ea saiba o que elas querem dizer.\u201d Afinal, se n\u00e3o somos capazes nem de entender a n\u00f3s mesmos, quem somos n\u00f3s para exigir que a Siri entenda?<\/p>\n\n\n\n

Refer\u00eancias<\/h2>\n\n\n\n

O que \u00e9 NLP e como as m\u00e1quinas podem entender nossa linguagem?
https:\/\/blog.dsbrigade.com\/o-que-e-nlp-e-como-as-maquinas-podem-entender-nossa-linguagem\/ <\/a>

Processamento de Linguagem Natural – SAS
https:\/\/www.sas.com\/pt_br\/insights\/analytics\/processamento-de-linguagem- natural.html <\/a>

Muitas carreiras de IA podem come\u00e7ar com um diploma em Lingu\u00edstica
https:\/\/cio.com.br\/tendencias\/muitas-carreiras-de-ia-podem-comecar-com- um-diploma-em-linguistica\/ <\/a>

Processamento de Linguagem Natural – Wikipedia
https:\/\/pt.wikipedia.org\/wiki\/Processamento_de_linguagem_natural <\/a>

Processamento de Linguagem Natural – Sputnik Works
https:\/\/sputnik.works\/blog\/2020\/01\/01\/processamento-de-linguagem-natural <\/a>

An\u00e1lise Sint\u00e1tica – Wikipedia
https:\/\/pt.wikipedia.org\/wiki\/An%C3%A1lise_sint%C3%A1tica_(computa% C3%A7%C3%A3o)<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Voc\u00ea j\u00e1 parou para pensar como o Google ou a Alexa s\u00e3o capazes de entender o que voc\u00ea diz a eles, enquanto outros seres humanos, […]<\/a><\/p>\n<\/div>","protected":false},"author":150,"featured_media":2195,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"pgc_sgb_lightbox_settings":"","_vp_format_video_url":"","_vp_image_focal_point":[],"footnotes":""},"categories":[9,10,13],"tags":[353,355,354,351,192,349,350,67,352],"class_list":["post-2192","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-linguagem-e-mente","category-linguagem-e-tecnologia","category-profissao-linguista","tag-alan-turing","tag-ambiguidades","tag-computacao","tag-consciencia","tag-linguistica-computacional","tag-nlp","tag-processamento-de-linguagem-natural","tag-psicolinguistica","tag-quarto-chines"],"jetpack_featured_media_url":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-content\/uploads\/sites\/23\/2021\/08\/Screen-Shot-2021-08-11-at-21.45.04.png","_links":{"self":[{"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/posts\/2192","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/users\/150"}],"replies":[{"embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/comments?post=2192"}],"version-history":[{"count":5,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/posts\/2192\/revisions"}],"predecessor-version":[{"id":2201,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/posts\/2192\/revisions\/2201"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/media\/2195"}],"wp:attachment":[{"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/media?parent=2192"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/categories?post=2192"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/linguistica\/wp-json\/wp\/v2\/tags?post=2192"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}