IA simbólica versus aprendizado de máquina no processamento de linguagem natural

Desde a sua fundação como disciplina acadêmica em 1955, o campo de pesquisa da Inteligência Artificial (IA) tem sido dividido em diferentes campos, entre os quais a IA simbólica e o aprendizado de máquina. Enquanto a IA simbólica dominou nas primeiras décadas, o aprendizado de máquina tem estado muito em voga ultimamente. Vamos tentar compreender cada uma dessas abordagens e suas principais diferenças quando aplicadas ao Processamento de Linguagem Natural (NLP).

O que é aprendizado de máquina?

De acordo com a Wikipedia, o aprendizado de máquina é uma aplicação da inteligência artificial em que “algoritmos e modelos estatísticos são usados por sistemas de computador para realizar uma tarefa específica sem usar instruções explícitas, baseando-se em padrões e inferências. (...) Os algoritmos de aprendizado de máquina constroem um modelo matemático com base em dados de amostra, conhecidos como ‘dados de treinamento’, a fim de fazer previsões ou tomar decisões sem serem explicitamente programados para realizar a tarefa”.

Em palavras mais simples, a tecnologia de aprendizado de máquina usa um algoritmo para ensinar ao computador como resolver problemas e obter insights a partir da resolução desses problemas. É assim que o computador aprende automaticamente, sem intervenção ou assistência humana: observando e procurando padrões nos dados e usando ciclos de feedback para monitorar e melhorar suas previsões. Enquanto os humanos ficariam sobrecarregados com grandes quantidades de dados, o aprendizado de máquina prospera e é capaz de evoluir sua compreensão para tomar melhores decisões no futuro, com base nos exemplos que lhe foram fornecidos.

Aprendizado de máquina aplicado à PLN

O aprendizado de máquina pode ser aplicado a várias disciplinas, e uma delas é o Processamento de Linguagem Natural, usado em chatbots conversacionais com tecnologia de IA.

Veja como o aprendizado de máquina funciona neste caso específico: a pessoa que supervisiona o bot, geralmente chamada de Botmaster, alimenta o mecanismo com o máximo de dados relevantes possível. Em seguida, o bot recebe perguntas dos usuários e decide automaticamente qual resposta fornecer para cada intenção consultada. O Botmaster precisa então revisar essas respostas e informar manualmente ao mecanismo quais respostas estavam corretas e quais estavam incorretas. É assim que a máquina aprende a fornecer a resposta correta para uma intenção.

Como você pode imaginar, esse é um trabalho muito pesado e demorado, pois há muitas maneiras de fazer ou formular a mesma pergunta. E se você levar em conta que uma base de conhecimento geralmente contém, em média, 300 intenções, você perceberá como a manutenção de uma base de conhecimento pode ser repetitiva quando se usa o aprendizado de máquina.

Não nos interpretem mal, o aprendizado de máquina é uma ferramenta incrível que nos permite explorar um grande potencial e disciplinas de IA, como reconhecimento de imagem ou reconhecimento de voz, mas quando se trata de NLP, estamos firmemente convencidos de que o aprendizado de máquina não é a melhor tecnologia a ser usada.

O que é IA simbólica?

A Inteligência Artificial Simbólica, também conhecida como Good Old-Fashioned AI (GOFAI), utiliza símbolos legíveis pelo ser humano que representam entidades ou conceitos do mundo real, bem como a lógica (os métodos lógicos matematicamente comprováveis), a fim de criar “regras” para a manipulação concreta desses símbolos, levando a um sistema baseado em regras.

Em suma, a IA simbólica envolve a incorporação explícita do conhecimento humano e das regras de comportamento em programas de computador.

A abordagem simbólica aplicada à PNL

Um dos muitos usos da inteligência artificial simbólica é o Processamento de Linguagem Natural para chatbots conversacionais. Com essa abordagem, também chamada de “determinística”, a ideia é ensinar à máquina como entender as línguas da mesma forma que nós, seres humanos, aprendemos a ler e a escrever. Para isso, fomos à escola e aprendemos a estruturar a linguagem por meio de regras, gramática, conjugação e vocabulário. Os linguistas computacionais fazem exatamente o mesmo: eles usam regras, léxico e semântica para ensinar ao mecanismo do bot como compreender uma língua.

Usando IA simbólica, tudo é visível, compreensível e explicável, levando ao que é chamado de “caixa transparente”, em oposição à “caixa preta” criada pelo aprendizado de máquina.

Como consequência, o trabalho do Botmaster é completamente diferente quando se utiliza a tecnologia de IA simbólica em comparação com a tecnologia baseada em aprendizado de máquina, pois ele se concentra em escrever novos conteúdos para a base de conhecimento, em vez de expressões de conteúdos existentes. Ele também tem total transparência sobre como ajustar o mecanismo quando ele não funciona corretamente, pois é capaz de entender por que uma decisão específica foi tomada e tem as ferramentas para corrigi-la.

Resumindo, uma das principais diferenças entre o aprendizado de máquina e o raciocínio simbólico tradicional é a forma como o aprendizado ocorre. No aprendizado de máquina, o algoritmo aprende regras à medida que estabelece correlações entre entradas e saídas. No raciocínio simbólico, as regras são criadas por meio da intervenção humana e, em seguida, codificadas em um programa estático.

Embora o aprendizado de máquina possa parecer uma abordagem revolucionária à primeira vista, sua falta de transparência e a grande quantidade de dados necessários para que o sistema aprenda são suas duas principais falhas. As empresas agora percebem a importância de ter uma IA transparente, não apenas por razões éticas, mas também operacionais, e a abordagem determinística (ou simbólica) está voltando a ganhar popularidade.

Esperamos que agora você esteja convencido de que a IA simbólica é essencial quando se trata de PNL aplicada a chatbots. Saiba mais sobre o Inbenta Chat.