IA se Aproxima do Entendimento Semântico: A Próxima Fronteira em PNL

IA é um equívoco, ou assim frequentemente sugerido. A primeira letra — artificial — está certa. Quanto à segunda palavra — bem, não há nada inteligente nela. Tome semântica como exemplo, não há nada remotamente inteligente, ou não, sobre tecnologia artificial entendendo significado em frases, parágrafos e livros pela simples razão: é irremediavelmente ruim nisso.

Mas isso poderia estar prestes a mudar? Recentemente, nos sentamos com Hadayat Seddiqi, diretor de aprendizagem de máquina na empresa de tecnologia jurídica InCloudCounsel. Ele acha que a IA está próxima de alcançar entendimento semântico como próximo passo em sua evolução. Perguntamos: "quando provavelmente alcançaremos este marco?"

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

Não seria ótimo se a busca, usando IA para entender semântica (lá vamos nós de novo), pudesse criar resultados de busca baseados em um entendimento muito mais sofisticado — inteligente, se quiser — removendo a necessidade de repetição tediosa!

O mercado de processamento de linguagem natural deve, de fato, atingir US$ 22,3 bilhões até 2025 — o que ilustra o quão longe a tecnologia chegou, particularmente em como nos comunicamos e fazemos negócios.

Atualmente, essas tecnologias estão sendo usadas para uma variedade de propósitos dentro de organizações, incluindo monitoramento de reputação de marcas para determinar análise de sentimento, fornecendo insights sobre posicionamento de anúncios via correspondência de palavras-chave ou desambiguação de sentido, e podem até ser usadas em conformidade regulatória para garantir que produtos não se tornem um passivo.

Nesse caso, o verdadeiro poder da IA para revolucionar indústrias e determinar insights chave de negócios reside em sua capacidade de ler texto e entender a semântica (ou relação entre palavras) para ajudar organizações a mitigar riscos e descobrir passivos. Em troca, isso cria valor massivo em processamento de linguagem natural.

Então, na história da IA permitindo entendimento semântico, qual é o próximo passo em sua evolução e quando provavelmente alcançaremos este marco?

Seddiqi diz: "Alcançar entendimento semântico em IA exigirá vários marcos-chave. É útil pensar em termos de progresso iterativo nos levando a entendimento semântico em IA e o que cada marco significa."

"Um marco anterior," diz Seddiqi, são Vetores de Palavras: "Vamos enquadrar este marco em termos de um caso de uso comum que a maioria das pessoas conhece: funcionalidade de busca em um computador. Todos já usaram Ctrl+F/Command+F para encontrar algo em seu sistema, que encontra o que você procura correspondendo palavras-chave exatamente. Além disso, usar um mecanismo de busca como Google para encontrar informação incluirá um componente de 'correção ortográfica' para tratar erros de digitação potenciais.

"Mas e palavras que parecem muito diferentes mas significam coisas similares? Por volta de 2013, a comunidade de IA encontrou uma maneira eficiente de modelar isso chamada 'vetores de palavras'. Você pode fazer álgebra de palavras divertida, como Rei + Mulher = Rainha. Mais práticamente, agora você pode expandir sua busca para incluir palavras semanticamente relacionadas."

Próximo marco no entendimento semântico da IA

"Vetores de palavras foram um divisor de águas, mas ainda exigiam que você expressasse sua ideia em termos de uma ou poucas palavras-chave. Mas e se sua ideia requer uma frase inteira para expressar? Esse é o próximo marco, ao qual estamos chegando graças a um grande impulso em pesquisa no ano passado.

"A ideia é que você pode pegar uma frase, codificá-la em um vetor de frase (ou pensamento) e então encontrar vetores de frase similares. Se codificado bem, sua função de busca pode encontrar frases muito diferentes que expressam a mesma ideia.

"Não é irracional dizer que essa tecnologia amadurecerá nos próximos anos, baseado no progresso atual da pesquisa.

Futuros marcos: IA entendendo além de frases

"Há um padrão claro de hierarquia emergindo na progressão dessa tecnologia. Estamos chegando perto de IA entendendo ideias no nível de frase usando técnicas similares do nível de palavra e escalando-as. Isso abre aplicações emocionantes para IA entendendo ideias que requerem parágrafos, documentos inteiros, ou até livros inteiros.

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

"À medida que esses custos declinam devido a avanços em hardware de IA, veremos nos aproximando de modelos que entendem coleções maiores de texto. Isso é de certa forma provado pelo modelo GPT-2 da Open AI, que mostra que usando os mesmos designs de modelo de codificação de frase com grande quantidade de dados, produz modelos que já entendem conceitos de alto nível através de muitas frases. Por exemplo, GPT-2 entende o suficiente para escrever artigos de notícias inteiros com coerência surpreendente.