s
INTELIGÊNCIA ARTIFICIAL

Por uma IA que trabalhe melhor com o português

Centro de Inteligência Artificial da USP, em parceria com a Fapesp e a IBM, se prepara para liberar três conjuntos de dados open source para treinamento de modelos NLP no nosso idioma

As máquinas estão cada vez melhores em entender a complexidade da linguagem humana. Cada vez que alguém treina um modelo, estamos um passo mais perto de integrar nossas máquinas com mais eficiência em nossas vidas. Acontece que a maioria dos modelos e dos conjuntos de dados usados para treiná-los estão em inglês. Treinar um modelo em português, por exemplo, tem desafiado os cientistas de dados. Os  conjuntos de dados existentes são, em sua maioria, proprietários e os poucos abertos, listados no fórum do AI Lab, versam sobre domínios específicos como saúde e gestão do pessoal e projetos.

Foi tentando resolver esse problema que, no seu primeiro ano, completados este mês, o Centro de Inteligência Artificial (C4AI), parceria entre IBM, USP e Fapesp, investiu na construção de três conjuntos de dados a partir de pesquisas concentradas tanto na modalidade escrita, quanto falada do português.

  • Um deles, batizado de Carolina é composto pelo maior conjunto de dados sintáticos disponível no Brasil, contendo notícias, blogs, tuites, textos jurídicos, teses, interações e comentários de consumidores publicados na internet, e por aí vai, sempre que tornados públicos. Os dados seguem todas as normas de controle de privacidade da LGPD.
  • O outro, chamado CORAA, contém mais de 600 horas de gravações da língua portuguesa, de diversas regiões do Brasil, provenientes de quatro conjunto de dados pré-existentes, mas agora auditadas pelos alunos da universidade. A multidiversidade do conteúdo disponibilizado oferece, por exemplo, maior diversidade regional na criação de futuros aplicativos de conversação, respeitando sotaques, culturas e costumes locais. O objetivo é chegar a 1200 horas de gravações na próxima versão.
  • E o terceiro, o feto Carolina, contém informações sobre mais de 120 bilhões de palavras e termos em português, que estão sendo anotados e etiquetados por tipologia e origem, oferecendo um amplo leque de detalhes sobre sintaxe, semântica, morfologia.

"Vemos essas iniciativas como estruturantes para o mercado, uma vez que os data sets poderão ser usados livremente tanto por acadêmicos quanto por empresas", comenta Claudio Pinhanez, gerente de pesquisa em Inteligência Conversacional do IBM Research Brasil e vice-diretor do C4AI.

Este é um conteúdo exclusivo para assinantes.

Cadastre-se grátis para ler agora
e acesse 5 conteúdos por mês.

É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.

Enfim, o tão esperado e poderoso GPT-4

Inteligência Artificial

Enfim, o tão esperado e poderoso GPT-4

O lançamento mais secreto da OpenAI, marcando sua transição de laboratório sem fins lucrativos para empresa de tecnologia com fins lucrativos.

O que há de errado com a IA?

Inteligência Artificial

O que há de errado com a IA?

A resposta mais simples a essa pergunta é não sabermos claramente para o quê, quando e como usá-la. E, ainda assim, decidirmos usá-la. Especialmente diante do hype em torno da IA Generativa

Observabilidade é a saída

Inteligência Artificial

Observabilidade é a saída

Startups data guardians crescem e são foco de interesse das organizações para solucionar os problemas de qualidade e integridade de dados

Aprender matemática fará a IA entender o que fala

Inteligência Artificial

Aprender matemática fará a IA entender o que fala

Formalizar declarações matemáticas na linguagem do código do computador pode ajudar Inteligência Artificial a desenvolver habilidades de raciocínio

Quem deve criar e aplicar as regras para controle dos grandes modelos de linguagem?

Inteligência Artificial

Quem deve criar e aplicar as regras para controle dos grandes modelos...

Até o cofundador da OpenAI, Sam Altman, reconhece que embora seja tentador avançar rapidamente, a sociedade precisa de tempo para se adaptar a algo tão grande.

A hora de integrar IA e blockchain é agora

Inteligência Artificial

A hora de integrar IA e blockchain é agora

Quando unimos duas tecnologias poderosas como IA e blockchain, o que podemos esperar? Aumento da velocidade na consulta de dados, insights mais acionáveis, aplicações de IoT, metaverso.