A ambiguidade linguística é uma barreira importante, pois cada palavra pode ter significados diferentes, e em alguns casos centenas de conotações, sendo difícil para os chatbots entender toda a mensagem
|
Nos últimos anos, muitas das indústrias têm optado por chatbots inteligentes para melhorar o atendimento ao cliente através de uma interface amigável que substitui o contacto humano em várias tarefas. Esta tecnologia também está presente em assistentes virtuais da Apple, Google, Amazon, e são atualmente a expressão final quando se trata de máquinas capazes de entender a linguagem humana. Segundo os especialistas, as barreiras a ultrapassar nesta tecnologia não se encontram no reconhecimento da fala, mas sim na compreensão da semântica da linguagem. Esta deve basear-se numa linguagem escrita, que pode ser mais facilmente processada por sistemas de inteligência artificial e machine learning utilizados no desenvolvimento de bots de conversação, e que estão atualmente em expansão no campo da Automação de Processos Robóticos (RPA) e noutros domínios, como por exemplo, melhorar a experiência do cliente. Como explica o colaborador da Forbes Adrian Bridgewater, as primeiras iniciativas de Undesrtanding (NLU) de Linguagem Natural, remontam à década de 1980 e surgiram com o objetivo de enfrentar o desafio de interpretar informações de conversação não estruturadas e transformá-la em dados estruturados para alimentar sistemas mais amplos de processamento de linguagem natural (PNL). Inicialmente registaram-se alguns problemas para os desenvolvedores e utilizadores pioneiros, mas hoje muitas das dificuldades iniciais foram ultrapassadas, o que permitiu que o desenvolvimento de chatbots atuais fosse conduzido para novos níveis. Bridgewater salienta ainda que nos últimos anos os desenvolvedores de software NLU têm conseguido reduzir a barreira linguística tradicional entre pessoas e inteligência artificial, aplicando matemática à compreensão semântica. Os desenvolvedores utilizam agora IA com NLP para melhorar a capacidade de entender chatbots, sejam escritos ou de conversação. O objetivo é que as máquinas sejam capazes de entender os erros que ocorrem muitas vezes ao transmitir encomendas ou perguntas ao bot, que tradicionalmente têm levado a erros de interpretação que reduzem a confiança dos utilizadores. Além disso, a ambiguidade linguística é uma barreira importante, pois cada palavra pode ter significados diferentes, e em alguns casos centenas de conotações, sendo difícil para as máquinas entender toda a mensagem. Nestes casos, a indústria está a dar grandes passos graças à aprendizagem automática, o que permite aos chatbots identificar estruturas sintáticas e possíveis significados para frases ambíguas e/ou com erros de dactilografia ou expressão. E nesta evolução, os especialistas também trabalham com o que chamam de metalearning, que envolve o uso dos metadados associados à mensagem original. Numa empresa, isto significa que compreender a mensagem considera fatores adicionais como a pessoa, a localização e o departamento de onde vem, o papel do colaborador em questão, e outros dados de interesse. Os especialistas estão agora a trabalhar naquilo a que chamam chatbots dinâmicos, um conceito que responde ao dinamismo da própria linguagem humana e corporativa. Isto requer as mais avançadas técnicas de aprendizagem automática, com análise profunda e capacidades de resposta em tempo real, tudo com a intenção de imitar capacidades humanas de alto nível, como a intuição. |
Receba todas as novidades na sua caixa de correio!
