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.

2024, o iníco da era AI Everywhere

Inteligência Artificial

2024, o iníco da era AI Everywhere

Em três anos, segundo o IDC, a IA vai se espalhar por toda a corporação, culminando com a criação de novos negócios. Estamos no início de um processo evolutivo que exige adaptação e aprendizado

A OpenAI e os superpoderes de IA, sob demanda

Inteligência Artificial

A OpenAI e os superpoderes de IA, sob demanda

O lançamento de GPTs oferece um vislumbre do futuro, onde não-desenvolvedores poderão facilmente criar e compartilhar agentes para ajudar em praticamente qualquer atividade

Tendências em Inteligência Artificial para 2024

Inteligência Artificial

Tendências em Inteligência Artificial para 2024

Estamos à beira de uma revolução promovida pelos LLMs que promete ser extraordinária. Então, preparem-se: o melhor ainda está por vir! Até 2030, 70% dos processos decisórios serão habilitados por IA

Começou a temporada de previsões sobre o futuro da IA em 2024

Inteligência Artificial

Começou a temporada de previsões sobre o futuro da IA em 2024

Será que os prognósticos dão conta de entender corretamente o abalo sísmico que está por vir?

Inteligência Artificial no RH tem que ser transparente e explicável

Inteligência Artificial

Inteligência Artificial no RH tem que ser transparente e explicável

O mercado de IA para recursos humanos vai movimentar US$ 590,5 bilhões em 2023. O uso se amplia, mas exige cuidados. Automação, só com muita supervisão humana, e sem caixas pretas.

A IA e a revolução das competências

Inteligência Artificial

A IA e a revolução das competências

Especialistas se debruçam sobre duas perguntas fundamentais para os próximos anos: quando (e quanto) a IA multiplica a inteligência humana, e quais competências precisamos adquirir para a interação valer a pena