A cultura popular e a ficção científica alimentaram um imaginário de como seria a comunicação provinda de uma máquina: pausada, sem emoções, formal e mecânica. Graças aos avanços na área de inteligência artificial, mais especificamente NLG, isso não poderia estar mais errado.
Atualmente, é possível ter chatbots, máquinas e programas se comunicando conosco sem que a gente sequer perceba que na realidade se trata de um software. Esse é o poder da Geração de Linguagem Natural.
Para empresas, essa tecnologia pode ser uma grande ajuda, garantindo maior eficiência e menor utilização de recursos financeiros.
Despertamos seu interesse? Então, venha conhecer um pouco mais a fundo sobre a NLG e como ela integra uma das áreas mais promissoras do mercado tecnológico. Confira:
- O que é NLG(Geração de Linguagem Natural)?
- Qual a relação entre PLN/NLP e NLG?
- Quais as diferenças entre NLG e NLU?
- Como funciona a NLG? Os 6 passos!
- Quais as principais aplicações da NLG?
- Quais as 3 principais metodologias usadas pela NLG?
- Quais as vantagens de usar NLG na sua empresa?
- Quais os principais desafios de usar NLG na sua empresa?
- O que é o Turing-NLG da Microsoft?
Boa leitura!
O que é NLG(Geração de Linguagem Natural)?
NLG é uma sigla que significa:
Natural Language Generation
Em tradução literal, Geração de Linguagem Natural.
Essa tecnologia é um dos pilares da área de NLP, ou Natural Language Processing (Processamento de Linguagem Natural). Ela utiliza fundamentos de Machine Learning e Inteligência Artificial para integrar softwares utilizados em entregar informações e dados em uma linguagem que seja próxima ou idêntica à humana.
Primeiramente, antes de aprofundarmos nessa definição, é necessário saber o que é uma língua natural. Esse termo muito utilizado na linguística é definido por um sistema linguístico que emergiu naturalmente de um grupo de fala. Isso é, uma língua que uma sociedade desenvolveu de maneira orgânica. Ela se diferencia de línguas criadas artificialmente, que servem somente para determinados propósitos, como o esperanto, por exemplo.
Para a máquina, um grande desafio além de conseguir compreender o que as pessoas querem dizer a partir de sua linguagem é entregar uma resposta que seja no mesmo sistema. O motivo disso é que máquinas e pessoas se comunicam de maneira diferente. Computadores usam pulsos elétricos comandados por 0s e 1s, enquanto pessoas usam palavras, fonemas, linguagem não verbal, etc.
Portanto, uma língua natural carrega muitos outros aspectos linguísticos e humanos que ultrapassam a capacidade que um computador tradicional tem de compreensão e resposta.
Logo, fazer com que as máquinas consigam espontaneamente fazer uma escolha linguística que pareça adequada e familiar para uma pessoa usuária é um dos grandes objetivos da NLG. Por meio da capacidade de gerar linguagem, um software poderia ser capaz de responder à perguntas de maneira completamente natural, sugerir qual melhor léxico ou construção se encaixa em determinada sentença e até mesmo formular narrativas inteiras.
Qual a relação entre PLN/NLP e NLG?
Como dito no tópico anterior, NLP é a sigla correspondente a Natural Language Processing, ou Processamento de Linguagem Natural. Essa é uma grande área dentro da junção de Inteligência Artificial, Aprendizado de Máquina e Linguística. O objetivo final dessa área de pesquisa é compreender como acontece o processamento da linguagem (caso ela de fato ocorra) no cérebro humano, e como isso pode ser aplicado em um modelo para máquinas.
Dentro do NLP, existem uma série de outros fatores que são necessários para que esse objetivo final seja alcançando, como o processamento de fala humana, o entendimento da linguagem natural (NLU) e a NLG, para que as máquinas sejam capazes de responder de uma forma adequada.
Logo, NLG é uma subcategoria importante dentro do NLP. Juntamente com a NLU (falaremos melhor sobre ela posteriormente), as duas compõe a entrada e saída de linguagem de um software que utiliza NLP. Em conclusão, é inevitável falar de Processamento de Linguagem Natural, mesmo que indiretamente, ao tratar sobre NLG.
Quais as diferenças entre NLG e NLU?
Como começamos a destrinchar no tópico anterior, NLP, NLU e NLG são conceitos que andam em conjunto.
O Processamento de Linguagem Natural, NLP, é a categoria guarda-chuva que engloba os outros dois conceitos. Dentro dessa categoria, enquanto o NLG é responsável pelo processo de resposta, ou devolução de um dado ou informação por meio da geração de linguagem humana, a NLU trabalha em outra frente, recebendo requisição da pessoa usuária e fazendo com que o software seja capaz de interpretar por completo a mensagem entregue, mesmo com intenções ocultas.
Logo, o Entendimento de Linguagem Natural (Ou Natural Language Understanding, NLU) é o processo de analisar um certo input de língua, que pode ser um trecho de fala ou uma frase digitada, e extrair o seu significado por meio de análises semânticas e sintáticas com base em um enorme banco de dados.
Como muitos softwares de NLP são chatbots, somente compreender a mensagem não é suficiente. Eles precisam devolver uma resposta ou requisição que seja coerente com o que foi solicitado pela pessoa usuária. Para realizar essa devolução, elas precisarão responder no mesmo sistema linguístico utilizado, e aí entra o NLG.
Em resumo, ambos conceitos trabalham juntos para garantir o adequado funcionamento de uma máquina ou programa que utiliza NLP.
Como funciona a NLG? Os 6 passos!
A partir do momento em que um determinado sistema ou software recebe alguma solicitação da pessoa usuária, ela passará por uma de estágios para conseguir fazer uma resposta. É evidente que esses passos incluídos aqui são bastante gerais e didático, podendo variar de solução para solução. Confira:
1. Análise de conteúdo
A partir do que foi interpretado na fase de NLU, todo esse conteúdo será analisado de uma maneira geral para tentar identificar a que tópico mais ou menos ele se refere. É como um filtro mais geral, para direcionar o software para qual será o caminho que ele deve tomar até gerar a resposta solicitada.
2. Compreensão dos dados
Com os primeiros conteúdos filtrados e analisados, o software aplicará essa amostra em um banco de dados, usando Machine Learning para compará-la aos dados que foram disponibilizados anteriormente. Isso o ajudará a identificar padrões, deduzir o contexto e interpretar melhor o conteúdo.
3. Estruturação do documento
Os dados analisados e compreendidos são então utilizados para estruturar um plano de resposta em um documento. A partir do tipo e contexto, uma certa linha narrativa será escolhida como base pelo software.
4. Combinação das sentenças/frases
A partir da estrutura construída anteriormente, o software combinará quais sentenças e orações são mais comumente utilizadas para aquele contexto, seguindo a narrativa escolhida. Nesse passo, pode ser que elas ainda não façam completo sentido ou pareçam não se encaixar, uma vez que isso será uma preocupação de estágios posteriores.
5. Estruturação gramatical
Uma vez que o software entenda que as sentenças escolhidas são adequadas para o contexto em questão, ele começará a analisar gramaticalmente o que está fora da normal. Depois, ele reescreverá as sentenças guiando-se pelas normas linguísticas, eliminando construções agramaticais (que não são compreensíveis de maneira nenhuma para falantes nativos).
6. Apresentação do resultado
Uma vez que tudo esteja preparado, o software formatará e aplicará o resultado em um formato fornecido previamente pelas pessoas que o desenvolveram.
Quais as principais aplicações da NLG?
Muitos setores se beneficiam de uma tecnologia que consiga espontaneamente gerar sentenças e orações compreendidas em determinada língua. Apesar da sua vasta aplicação, você poderá encontrar NLG em:
Chatbots
Cada vez mais é comum, ao tentarmos entrar em contato com o serviço de atendimento a clientes, que uma máquina seja o primeiro contato que tenhamos antes de falar com uma pessoa atendente. Apesar de muitos desses serviços ainda não utilizarem NLG exatamente, pois são fruto de um menu com escolhas que levam à respostas pré-formatadas, essa tecnologia pode ser utilizada para esse fim.
Um grande exemplo de chatbots são os famosos softwares de assistentes virtuais, como a Siri e a Alexa. Suas respostas, muitas vezes, utilizam fundamentos de NLG.
Troca de mensagens
Pode parecer um pouco estranho, mas, você já parou para pensar que com NLG é possível deixar uma máquina responder mensagens automaticamente? Exatamente! Alguns softwares desenvolvidos têm como objetivo ler mensagens e configurar respostas automaticamente, como se fosse uma pessoa. Então, eles poderiam responder a e-mails, personalizar mensagens para clientes ou ainda até mesmo responder todas aquelas mensagens acumuladas no Whatsapp!
Produção e Resumo de de conteúdo
Imagine que um setor da empresa em que trabalha tenha enviado um relatório de difícil compreensão por ser lotado de dados e informações complexas. Um software de NLG poderia facilmente encontrar uma forma de traduzir esse material em algo que fossem facilmente compreendido por todas as pessoas.
Adicionalmente, tal software poderia ser utilizado para resumir grandes arquivos ou documentos, gerando um texto com somente os pontos principais destacados.
Um outro uso ainda, agora para a área de e-commerce, seria dispensar pessoas funcionárias do tedioso trabalho de produzir descrição para produtos, uma vez que isso poderia facilmente ser feito por esse software.
Quais as 3 principais metodologias usadas pela NLG?
Mais especificamente, como funcionam os métodos ou modelos para se criar um sistema que utiliza NLG para gerar respostas compreensíveis em línguas naturais? Abaixo, você encontrará um resumo das três metodologias. Confira:
1. Redes neurais recorrentes (RNN)
As redes neurais artificiais são métodos de inteligência artificial utilizados para simular o sistema nervoso central de um ser humano ou criatura viva em uma máquina, buscando reproduzir o funcionamento do cérebro. Grande parte dessas redes tradicionais não é capaz de armazenar e reter informações anteriores para utilizá-las em processos seguintes. Porém, as Redes Neurais Recorrentes são projetadas para considerar também tempo e informações sequenciais, o que auxilia no reconhecimento de dados aleatórios e não estruturados, como a linguagem humana.
Por conta disso, essa tecnologia se assemelha muito ao uso da memória nos seres humanos, muito útil para o aprendizado de padrões que surgem com a experiência.
Uma das Redes neurais recorrentes mais utilizadas para esse fim é a de memória longa de curto prazo. Essa unidade memoriza informações a curto prazo para poder depois transformá-las em memórias de longo prazo, mais ou menos como nosso cérebro.
2. Cadeias de Markov
As cadeias de Markov são um princípio matemático utilizado para amparar conceitos como estatística e aprendizado de máquina. Seu valor se dá a partir do fato de que esse modelo é capaz de lidar com variáveis que são aleatórias, ou seja, imprevisíveis. A linguagem humana possui infinitas construções e formas de se dizer a mesma coisa, portanto, é um dado imprevisível e aleatório. Logo, esse conceito é capaz de “prever” quais escolhas linguísticas são mais prováveis de aparecerem juntas em uma determinada sentença.
3. Transformer
Essa é uma arquitetura de rede neural utilizada na construção de modelos generativos de inteligência artificial da OpenAI, os famosos GPTs. Esse modelo é capaz de processar informações de qualquer tamanho e depois gerar sentenças a partir delas. O Google também utiliza essa tecnologia em um de seus modelos, o BERT (Bidirectional Encoder Representations from Transformers), para criar seu serviço de NLP.
Quais as vantagens de usar NLG na sua empresa?
A tecnologia de NLG é vantajosa para setores empresariais quando aplicadas em áreas como BI (Business Intelligence) e Marketing. Abaixo, você encontrará as razões de por que essa tecnologia colocará sua empresa rumo ao futuro.
- Automatiza a produção de conteúdo, relatórios e outros documentos;
- Pode produzir descrições de produto, notícias objetivas e blog posts centrados em dados e reports;
- Converte dados estatísticos para uma linguagem acessível e mais fácil de ser analisada;
- Reduz a necessidade de envolvimento humano em tarefas básicas e repetitivas, como responder a perguntas de atendimento, criar relatórios e casos de estudo;
- Ajuda na predição de compra de recursos e no gerenciamento do inventário;
- Poupa tempo no atendimento a clientes;
- Ajuda a gerar relatórios automáticos sobre desempenho de pessoas colaboradoras de call centers a partir da análise de gravações.
Quais os principais desafios de usar NLG na sua empresa?
Como NLG, NLU e NLP são áreas correlatas à machine learning e inteligência artificial, muitas das dificuldades que se encontram em uma área se fazem presente também em outras. Dentre os desafios que podemos apresentar, temos:
- A implementação dessa tecnologia não é feita de forma rápida, e precisa de bastante planejamento;
- São necessários muitos testes antes de realmente utilizá-la;
- Será necessária uma equipe variada de pessoas que trabalham com dados, como cientistas, analistas, engenheiras, etc.
- O custo das ferramentas pode não ser tão em conta para empresas que estão começando;
- A captação de dados para a construção de um banco de dados próprio para ser utilizado com essas ferramentas pode ser de difícil obtenção.
O que é o Turing-NLG da Microsoft?
Como o próprio nome diz, o Turing-NLG é uma tecnologia desenvolvida pela Microsoft que atua como um modelo de deep learning em linguagem humana. Talvez, a melhor definição para essa mesma tecnologia tenha sido gerada por ela mesma, como disponibilizado no site da Microsoft:
“Geração de Linguagem Natural Turing (T-NLG) é um modelo de linguagem de 17 bilhões de parâmetros desenvolvido pela Microsoft, que é capaz de superar o que há de mais moderno em muitas tarefas que são derivadas do NLP (…) incluindo geração livre, respostas à perguntas e capacidade de sumarização para feedback e propósitos acadêmicos”
O modelo é parte de um projeto maior sendo desenvolvido pela Microsoft, o Projeto Turing, que tem como objetivo ampliar a utilização da tecnologia da Microsoft a partir do processamento de linguagem tanto de imagens quanto de textos.
Como podemos ver NLG é uma tecnologia que faz parte de uma área que está agora se desenvolvendo. Ainda é impensável listar todos os benefícios que essa tecnologia, ao lado de NLP e NLU, poderão trazer para todos os setores e indústrias em um futuro não muito distante. Por meio dele, poderemos transpor muitas barreiras que a linguagem humana atualmente não permite, principalmente em relação à interação humano-máquina.
Se você se interessou pelo assunto, talvez você gostaria de ler um pouco mais sobre a área aprendendo sobre o Aprendizado Supervisionado. Confira aqui!
