Raramente paramos para pensar nos meandros de nossas próprias línguas. Trata-se de um comportamento intuitivo que usamos para transmitir informações e significados com pistas semânticas como palavras, sinais ou imagens. Dizem que o aprendizado de um idioma é mais fácil e natural durante a adolescência porque se trata de um comportamento que depende da repetição e da prática, assim como andar. Além disso, a língua não segue um conjunto rigoroso de regras, apesar de haver várias exceções, como “deve-se empregar X após ditongos, exceto nos casos de recauchutar e derivados”.
No entanto, o que é natural para os seres humanos é extremamente difícil para os computadores devido à quantidade de dados desestruturados, à ausência de regras formais e à falta de contexto ou intenção. É por isso que o aprendizado de máquina e a inteligência artificial (IA) estão ganhando evidência e popularidade, fazendo com que as pessoas dependam cada vez mais de sistemas computacionais para se comunicarem e executar tarefas. Além disso, à medida que a IA se torna mais sofisticada, o mesmo acontecerá com o processamento de linguagem natural (PLN). Embora os termos IA e PLN tragam à mente imagens de robôs futuristas, já existem alguns exemplos básicos de PLN em ação no nosso dia a dia. Veja a seguir alguns exemplos notáveis.
Filtros de e-mail
Os filtros de e-mail consistem em uma das aplicações mais básicas e iniciais do PLN on-line. Tudo começou com filtros de spam, que detectavam determinadas palavras e frases que sinalizavam uma mensagem de spam. Porém, os filtros foram aprimorados, assim como as primeiras adaptações do PLN.
Uma das aplicações recentes mais comuns do PLN é a classificação de e-mails do Gmail. O sistema identifica se os e-mails pertencem a uma de três categorias (principal, social ou promoções) de acordo com seu conteúdo. Para todos os usuários do Gmail, isso ajuda a reduzir o número de mensagens na caixa de entrada, destacando e-mails importantes e relevantes que você deseja ler e responder rapidamente.
Assistentes virtuais inteligentes
Assistentes virtuais inteligentes, como a Siri da Apple e a Alexa da Amazon, identificam padrões na fala graças ao reconhecimento de voz. Em seguida, eles deduzem o sentido e apresentam uma resposta útil. Já nos acostumamos com o fato de podermos dizer “E aí, Siri” e fazer uma pergunta que ela entenderá, respondendo com informações relevantes com base no contexto. Além disso, estamos nos habituando a interagir com a Siri ou a Alexa em várias partes da casa diariamente, pois conversamos com elas em dispositivos como termostatos, interruptores de luz, carros, entre outros.
Agora, esperamos que assistentes virtuais inteligentes como elas entendam pistas contextuais para melhorar nossas vidas e facilitar determinadas atividades, como fazer compras. Até achamos graça quando elas nos dão respostas bem-humoradas ou nos contam sobre suas próprias personalidades. Nossas interações se tornarão cada vez mais humanizadas à medida que esses assistentes passam a nos conhecer melhor. Como um artigo do New York Times intitulado “Por que em breve poderemos descobrir que vivemos no mundo da Alexa” explicou: “Algo assombroso está acontecendo. Alexa tem a melhor chance de se tornar a terceira maior plataforma computacional de consumo desta década.”
Resultados de pesquisa
Os mecanismos de pesquisa usam o PLN para mostrar resultados relevantes com base em comportamentos de pesquisa semelhantes ou na intenção do usuário, para que pessoas comuns encontrem o que precisam sem precisar saber os termos de pesquisa exatos que devem usar.
Por exemplo, o Google não só prevê quais pesquisas populares podem ser relevantes à sua consulta quando você começa a digitar, mas também analisa o contexto geral e identifica o que você está tentando dizer em vez de considerar as palavras de pesquisa exatas. Alguém pode colocar o número de um voo no Google e ver o status do voo, digitar um ticker e receber informações sobre ações ou se deparar com uma calculadora ao inserir uma equação matemática. Essas são algumas variações que você pode ver ao fazer uma pesquisa, pois o PLN nos bastidores da pesquisa associa a consulta ambígua a uma entidade relativa e apresenta resultados úteis.
Texto preditivo
Correção automática, preenchimento automático e texto preditivo são recursos tão comuns em nossos smartphones que fazemos pouco caso deles. O preenchimento automático e o texto preditivo são semelhantes aos mecanismos de pesquisa em sua forma de prever o que será dito com base no que você digita, completando a palavra ou sugerindo outra relevante. Além disso, a correção automática pode até mesmo alterar palavras para que a mensagem faça mais sentido.
Essas tecnologias também aprendem com você. Quanto mais tempo você usa o texto preditivo, mais ele faz personalizações para reproduzir sua forma particular de falar. Isso permite que as pessoas façam experiências divertidas, como compartilhar frases inteiras criadas completamente pelo texto preditivo de seus celulares. Os resultados são surpreendentemente íntimos e reveladores. Inclusive, isso já virou notícia em vários meios de comunicação.
Tradução de idiomas
Um dos sinais mais óbvios de que você colou no seu dever de casa de espanhol são os erros gramaticais. Muitos idiomas não permitem uma tradução palavra por palavra e têm ordens diferentes para a estrutura das orações, algo que os serviços de tradução costumavam ignorar. Porém, eles melhoraram muito.
Com o PLN, os tradutores on-line podem traduzir idiomas com mais precisão e apresentar resultados gramaticalmente corretos. Isso é extremamente útil quando estamos tentando nos comunicar com alguém em outro idioma. Além disso, ao traduzir de outro idioma para o seu, as ferramentas agora reconhecem o idioma com base no texto digitado e o traduzem automaticamente.
Chamadas telefônicas digitais
Todos nós já ouvimos aquela mensagem “esta chamada pode ser gravada para fins de auditoria”, mas raramente nos perguntamos o que isso quer dizer. De fato, essas gravações podem ser usadas para fins de auditoria caso um cliente receba um mau atendimento, mas, na maioria dos casos, elas são armazenadas em um banco de dados para alimentar e aprimorar um sistema de PLN no futuro. Sistemas automatizados encaminham as chamadas dos clientes para um representante de atendimento ou para robôs de bate-papo, que respondem às perguntas dos clientes com informações úteis. Essa é uma prática de PLN que muitas empresas, inclusive grandes prestadoras de telecomunicações, passaram a implementar.
O PLN também possibilita a criação de linguagem gerada por computador semelhante à voz humana. Chamadas telefônicas para fazer agendamentos, como trocas de óleo ou cortes de cabelo, podem ser automatizadas, como revela este vídeo que mostra o Google Assistente marcando um horário no cabeleireiro.
Análise de dados
Recursos de linguagem natural estão sendo integrados a fluxos de trabalho de análise de dados conforme mais fornecedores de BI oferecem interfaces de linguagem natural para visualizações de dados. Um exemplo disso são codificações visuais mais inteligentes, que disponibilizam a melhor visualização para a tarefa certa com base na semântica dos dados. Isso oferece mais oportunidades para as pessoas explorarem seus dados usando comandos em linguagem natural ou fragmentos de perguntas formados por várias palavras-chave que podem ser interpretados e entendidos.
A aplicação da linguagem para investigar os dados não só aumenta o nível de acessibilidade, mas também reduz as barreiras à análise nas organizações, colocando-a ao alcance de mais pessoas além da típica comunidade de analistas e desenvolvedores de software.
Para saber mais sobre como a linguagem natural pode ajudar você a visualizar e explorar melhor seus dados, confira este webinar.
Análise de textos
A análise de textos converte dados de textos desestruturados em dados inteligíveis para análise usando várias técnicas linguísticas, estatísticas e de aprendizado de máquina.
Embora a análise de sentimento seja uma tarefa que tira o sono das empresas, principalmente quando elas têm bases grandes de clientes, uma ferramenta que usa o PLN geralmente pode vasculhar as interações dos clientes, como comentários/críticas em redes sociais ou até mesmo menções a marcas, para ver o que está sendo dito. A análise dessas interações pode ajudar as empresas a determinar se uma campanha de marketing está funcionando, ou a monitorar novos problemas que os clientes estão enfrentando antes de decidir como responder e melhorar o atendimento para aumentar a satisfação do cliente.
Outros benefícios que o PLN traz para a análise de textos incluem a extração de palavras-chave e a identificação de estruturas ou padrões em dados de texto desestruturados.
Há uma ampla gama de aplicações do PLN no mundo digital, e essa lista só aumentará à medida que setores e empresas adotarem essa tecnologia e reconhecerem seu valor. Embora o olhar humano seja importante para problemas de comunicação mais complexos, o PLN facilitará nossas vidas gerenciando e automatizando primeiro tarefas mais simples e, posteriormente, outras mais complexas graças à inovação tecnológica.