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.

Você está aproveitando ao máximo o seu relacionamento com a IA?

Inteligência Artificial

Você está aproveitando ao máximo o seu relacionamento com a IA?

Para obter retornos da IA, organizações precisam de um relacionamento multidimensional com a tecnologia, que passa pelo valor individual do seu uso percebido por cada funcionário

Inteligência Artificial

"Temos o dever de nos preocupar"

Em entrevista à The Shift, Reggie Townsend, diretor da prática de ética em dados do SAS, fala sobre o imperativo da ética para a IA e sobre ter um "viés positivo" nas aplicações de impacto.

É real: dados e IA turbinam vendas

Inteligência Artificial

É real: dados e IA turbinam vendas

Não faltam exemplos, em diferentes pontos do processo, como mostram os cases das startups Nubimetrics, RelevanC e Retargetly

Os principais desafios das auditorias de IA

Inteligência Artificial

Os principais desafios das auditorias de IA

Auditar os sistemas e até a governança da IA é uma grande ambição, mas existem alguns obstáculos enormes

Com IA, lawtechs e legaltechs ajudam as empresas a fechar acordos judiciais

Inteligência Artificial

Com IA, lawtechs e legaltechs ajudam as empresas a fechar acordos judi...

Usar inteligência artificial para analisar os processos dá visibilidade às ações enfrentadas e indica quando vale seguir para uma solução por meio de acordo.

Generative Tech, o novo Eldorado 

Inteligência Artificial

Generative Tech, o novo Eldorado 

A nova queridinha do Vale do Silício está varrendo os recursos dos Venture Capitalists e se desenvolvendo numa velocidade não prevista pelos analistas. Prepare-se para encarar uma tecnologia que nos levará muito além da IA generativa n...