IA e compreensão da semântica — o próximo estágio na evolução da PNL está próximo

AI está perto de alcançar uma compreensão da semântica como o próximo passo em sua evolução
AI é um nome impróprio, ou assim é frequentemente sugerido. A primeira letra — artificial — está quase certa. Quanto à segunda palavra — bem, não há nada de inteligente nela. Tome a semântica como exemplo, não há nada remotamente inteligente, ou não, sobre a tecnologia artificial entender o significado de frases, parágrafos e livros pela simples razão de que ela é incansavelmente ruim nisso.

Mas isso pode estar prestes a mudar? Recentemente, conversamos com Hadayat Seddiqi, diretor de aprendizado de máquina da empresa de tecnologia jurídica InCloudCounsel. Ele avalia que a IA está perto de alcançar uma compreensão da semântica como o próximo passo em sua evolução. Perguntamos:“quando é provável que alcancemos esse marco?”

SEO:se você é um escritor, que se orgulha de sua escrita, de aplicar seu léxico para expressar uma ideia sem repetição, então provavelmente odeia SEO. Se você gosta de fazer um argumento complexo, que só pode ser expresso em uma frase, um capítulo, um artigo ou até mesmo um livro, então SEO, por causa da maneira como ele transforma argumentos em duas, três ou quatro palavras, como IA e compreensão da semântica, é o inimigo. (Veja o que fizemos, lá?)

Não seria ótimo se a pesquisa, usando a IA para entender a semântica (lá vamos nós de novo) pudesse criar resultados de pesquisa com base em uma compreensão muito mais sofisticada – inteligente, se você preferir, eliminando a necessidade de repetição tediosa!

De fato, espera-se que o mercado de processamento de linguagem natural atinja US$ 22,3 bilhões até 2025 – o que ilustra até que ponto a tecnologia chegou, particularmente na forma como nos comunicamos e fazemos negócios.

Atualmente, essas tecnologias estão sendo usadas para vários propósitos dentro das organizações, incluindo monitoramento de reputação de marcas para determinar análise de sentimentos, fornecer insights sobre posicionamentos de anúncios por meio de correspondência de palavras-chave ou desambiguação de sentido, e podem até ser usadas em conformidade regulatória para garantir que os produtos não não se torne uma responsabilidade.

Nesse caso, o verdadeiro poder da IA ​​de revolucionar os setores e determinar os principais insights de negócios está em sua capacidade de ler texto e entender a semântica (ou relação entre palavras) para ajudar as organizações a mitigar ainda mais os riscos e descobrir responsabilidades. Por sua vez, isso cria um valor enorme no processamento de linguagem natural.

Então, na história da IA ​​que permite a compreensão da semântica, qual é o próximo passo em sua evolução e quando é provável que alcancemos esse marco?

Seddiqi diz:“Atingir a compreensão semântica em IA exigirá vários marcos importantes. É útil pensar em termos do progresso iterativo que nos leva à compreensão semântica em IA e o que cada marco significa.”

“Um marco anterior”, diz Seddiqi é Word Vectors:“Vamos enquadrar esse marco em termos de um caso de uso comum com o qual a maioria das pessoas está familiarizada:funcionalidade de pesquisa em um computador. Todo mundo já usou Ctrl+F/Command+F para encontrar algo em seu sistema, que encontra o que você está procurando combinando exatamente as palavras-chave. Além disso, usar um mecanismo de pesquisa como o Google para encontrar informações incluirá um componente de "verificação ortográfica" para corrigir possíveis erros ortográficos.

“Mas e as palavras que parecem muito diferentes, mas significam coisas semelhantes? Por volta de 2013, a comunidade de IA encontrou uma maneira eficiente de modelar isso chamado de 'vetores de palavras'. Você pode fazer coisas divertidas de álgebra de palavras, como King + Woman lhe dará Queen. De forma mais prática, agora você pode expandir sua pesquisa para incluir palavras semanticamente relacionadas.”

Próximo marco na semântica de compreensão da IA

“Os vetores de palavras mudaram o jogo, mas ainda exigiam que você expressasse sua ideia em termos de uma ou algumas palavras-chave. Mas e se sua ideia exigir uma frase inteira para ser expressa? Esse é o próximo marco, ao qual estamos chegando graças a um grande impulso na pesquisa no ano passado.

“A ideia é que você pode pegar uma frase, codificá-la em um vetor de frase (ou pensamento) e depois encontrar vetores de frase semelhantes. Se bem codificado, sua função de pesquisa pode encontrar frases com aparência muito diferente que expressam a mesma ideia.

“Não é irracional dizer que esta tecnologia vai amadurecer nos próximos anos, com base no progresso da pesquisa atual.

Marcos futuros:compreensão da IA ​​além das frases

“Há um padrão claro de hierarquia emergindo na progressão desta tecnologia. Estamos chegando perto das ideias de compreensão da IA ​​em um nível de frase usando técnicas semelhantes no nível da palavra e ampliando-as. Isso abre aplicativos interessantes para ideias de compreensão de IA que exigem parágrafos, documentos inteiros ou até livros inteiros.

“O recente salto da IA ​​para entender frases a partir de palavras não foi trivial, pois a capacidade de fazê-lo foi amplamente limitada pelo tamanho do conjunto de dados e poder computacional. Nossa capacidade de criar modelos para lidar com esses problemas maiores até agora mostrou depender dessas duas restrições de recursos.

“À medida que esses custos diminuem com os avanços no hardware de IA, nos veremos nos aproximando de modelos que entendem coleções maiores de texto. Isso é um pouco comprovado pelo modelo GPT-2 da Open AI, que mostra que usar os mesmos designs de modelo de codificação de frases com uma grande quantidade de dados produz modelos que já entendem conceitos de alto nível em muitas frases. Por exemplo, o GPT-2 entende o suficiente para escrever artigos de notícias inteiros com uma coerência surpreendente.