Profª MSc. Fernanda Hembecker Prof. Dr. Edson Emílio Scalabrin

Apresentação em tema: "Profª MSc. Fernanda Hembecker Prof. Dr. Edson Emílio Scalabrin"— Transcrição da apresentação:

1 Profª MSc. Fernanda Hembecker Prof. Dr. Edson Emílio Scalabrin
Compreensão de Diálogo (tratamento de linguagem natural) (memória dinâmica) Raciocínio Baseado em Casos Profª MSc. Fernanda Hembecker Prof. Dr. Edson Emílio Scalabrin

2 Problema Computação e a Ficção Científica.
Computação e a Inteligência Artificial. De que maneira um sistema computacional pode efetivamente compreender sentenças escritas em linguagem natural? O foco central deste trabalho gira em torno de um problema: a real compreensão automática de textos/sentenças. Fernanda Hembecker – Edson Emílio Scalabrin

3 Problema Onde se quer chegar:
usuários e computadores “falando a mesma língua”; melhores níveis de interação entre usuários e computadores; e melhor aproveitamento dos processos computacionais. Fernanda Hembecker – Edson Emílio Scalabrin

4 Solução Compreensão automática da linguagem natural:
compreensão de sentenças voltadas a sistemas automáticos de diálogo; e diálogos realizados em português. Reprodução de características cognitivas humanas. Fernanda Hembecker – Edson Emílio Scalabrin

5 Ciência Cognitiva Ciência Cognitiva = ciência da mente:
psicologia, lingüística, filosofia, biologia, neurociências e computação; e estudo dos aspectos cognitivos humanos: armazenamento recuperação transformação emissão de informações armazenamento recuperação processamento resposta Cognitivo refere-se à percepção e conhecimento Fernanda Hembecker – Edson Emílio Scalabrin

6 Ciência Cognitiva Analogias e a compreensão:
Enfrentar o problema-alvo a ser resolvido Relembrar um problema-fonte semelhante já conhecido Comparar os problemas alvo e fonte Adaptar o problema-fonte e solucionar o problema-alvo Ler um termo da sentença de entrada Encontrar na memória conceitos correlatos Definir o conceito mais apropriado Atualizar conceitos da memória Fernanda Hembecker – Edson Emílio Scalabrin

7 Compreensão de Linguagem Natural
Linguagem natural: rica e elaborada e ao mesmo tempo vaga e ambígua: significado dos termos; independentes; e associados a outros termos. omissão: dados considerados conhecidos; e inúmeras formas de se dizer a mesma coisa. Fernanda Hembecker – Edson Emílio Scalabrin

8 Compreensão de Linguagem Natural
Processamento de Linguagem Natural (NLP): dicionário léxico (lexicon); “I went hunting this weekend and shot two bucks” Word Instructions “shot” Suggest HUNTING, SPENDING, WHISKEY,... For HUNTING: If no HUMAN has already been seen then discard HUNTING else make that HUMAN the actor of HUNTING wait for an ANIMAL to be seen if an ANIMAL is seen then make that ANIMAL the object of HUNTING else discard HUNTING For SPENDING: Resolução da ambiguidade Fernanda Hembecker – Edson Emílio Scalabrin

9 Compreensão de Linguagem Natural
Processamento de Linguagem Natural (NLP): análises seqüenciais: morfológica; sintaxe; semântica; pragmática. dados estatísticos. Fernanda Hembecker – Edson Emílio Scalabrin

10 Compreensão de Linguagem Natural
“Como nós, seres humanos, efetivamente compreendemos algo?” Marvin Minsky “Consciência não reflete o presente, mas o passado, uma vez que se relaciona à lembrança de pensamentos recentes.” Fernanda Hembecker – Edson Emílio Scalabrin

11 Memória Dinâmica “Geralmente falamos em memória como sendo coisas que guardamos em caixas na nossa mente, como objetos que mantemos nos armários de nossas casas.” Marvin Minsky “A visão correspondente de lembrança é que quando precisamos de uma porção de conhecimento, vamos até nossa memória e então a recuperamos.” Roger Schank Fernanda Hembecker – Edson Emílio Scalabrin

12 Memória Dinâmica Ponto central: a memória humana é consideravelmente complexa e sofre mudanças constantes. Alteração é a regra e os fatos estáticos não são os mais significativos. Fernanda Hembecker – Edson Emílio Scalabrin

13 Memory Organization Packages
Abstrações atrib1 atrib2 Especializações emp Instâncias Empacotamentos Novos conceitos Fernanda Hembecker – Edson Emílio Scalabrin

14 Raciocínio Baseado em Casos
Recuperação Reutilização Revisão Armazenamento Espaço de descrição dos problemas 1 Espaço de descrição das soluções 2 Fernanda Hembecker – Edson Emílio Scalabrin

15 Raciocínio Baseado em Casos
Princípios: Problemas similares possuem soluções similares; e Os tipos de problemas tendem a se repetir. Fernanda Hembecker – Edson Emílio Scalabrin

16 Raciocínio Baseado em Casos
Raciocínio Humano: regras vs. lembrança; comparações e analogias; previsão; e aprendizado. “Especialistas humanos não são sistemas de regras, são bibliotecas de experiências” Riesbeck Fernanda Hembecker – Edson Emílio Scalabrin

17 Raciocínio Baseado em Casos
Base de atuação: casos semelhantes previamente resolvidos. Qualidade de um sistema: experiência prévia que possui; habilidade de reconhecer similaridades entre os casos; habilidade de efetuar adaptações; habilidade de realizar reparos; correto armazenamento de novas experiências. Fernanda Hembecker – Edson Emílio Scalabrin

18 Raciocínio Baseado em Casos
representados de acordo com um contexto; não há como definir um modelo ideal; ensinam o raciocinador a alcançar seus objetivos; e novos casos podem ser inseridos na base, relatando novas experiências. Fernanda Hembecker – Edson Emílio Scalabrin

19 Raciocínio Baseado em Casos
Ciclo de funcionamento: recuperação: definir caso de maior similaridade; reutilização: aproveitar informações do caso recuperado; revisão: avaliar a nova solução proposta; armazenamento: reter o novo caso na base. Fernanda Hembecker – Edson Emílio Scalabrin

20 Raciocínio Baseado em Casos
Problema Novo caso RECUPERAÇÃO Caso aprendido Caso recuperado Base de casos Casos prévios Novo caso ARMAZENAMENTO REUTILIZAÇÃO Caso testado Caso resolvido REVISÃO Solução confirmada Solução sugerida Fernanda Hembecker – Edson Emílio Scalabrin

21 Raciocínio Baseado em Casos
Indexação: associada diretamente à recuperação; identifica pontos semelhantes entre casos conhecidos e um caso novo; representa a interpretação de uma situação; deve antecipar situações de recuperação dos casos; e deve caracterizar os casos. Fernanda Hembecker – Edson Emílio Scalabrin

22 Raciocínio Baseado em Casos
Aplicações: memória para um especialista; conjunto de casos de estudo para iniciantes; e componente da memória organizacional. Fernanda Hembecker – Edson Emílio Scalabrin

23 Parsers Baseados em Casos
Parsers Baseados em Casos: processo de reconhecimento: identificar conceitos na memória relevantes a um determinado texto. Compreensão: relacionamento entre as afirmações de um texto e partes das informações previamente armazenadas no sistema. Fernanda Hembecker – Edson Emílio Scalabrin

24 Parsers Baseados em Casos
Nono nononon nono no. abc ghi qrs mno xyz def jkl Fernanda Hembecker – Edson Emílio Scalabrin

25 Parsers Baseados em Casos
Representação da memória Processo de busca ghi abc def Fernanda Hembecker – Edson Emílio Scalabrin

26 Direct Memory Access Parsing
Processo de compreensão contínuo: memória pré-modelada (MOPs); busca bi-direcional: marcadores de previsão; e marcador de referência. índices: expectativas do sistema; e dicionário léxico dinâmico. Fernanda Hembecker – Edson Emílio Scalabrin

27 Direct Memory Access Parsing
Índices: estabelecem a conexão entre o texto e a memória do sistema; compostos por termos da linguagem natural {milton friedman} ou por empacotamentos {(actor) says (info)}; resolvem ambigüidade: {casa (pessoa)} e {casa (material)}. Fernanda Hembecker – Edson Emílio Scalabrin

28 P P R R Entrada “Milton Friedman says increase tax” Índices
MOBJECT Entrada “Milton Friedman says increase tax” Índices Mtrans-1: { (actor) says (info) } Friedman-1: { milton friedman } Increase-1: { increase tax } info FRIEDMAN MONETARIST HUMAN MONETARIST HUMAN FRIEDMAN P MTRANS HUMAN MTRANS MONETARIST COMMUNICATION MTRANS MTRANS MTRANS actor HUMAN MONETARY ARGUMENT MONETARY ARGUMENT P MONETARY ARGUMENT INCREASE Dicionário Léxico actor MONETARIST COMMUNICATION MONETARIST COMMUNICATION MONETARIST COMMUNICATION MONETARIST COMMUNICATION MONETARY ARGUMENT MONETARIST info MONETARY ARGUMENT INCREASE increase INCREASE increase FRIEDMAN milton INCREASE tax FRIEDMAN friedman MTRANS says INCREASE increase MONETARIST COMMUNIC-01 R R actor FRIEDMAN info INCREASE Fernanda Hembecker – Edson Emílio Scalabrin

29 Sistema ComPor Objetivo: Pontos principais:
viabilizar a criação, a execução e o acompanhamento de diálogos entre computadores e usuários em linguagem natural. Pontos principais: compreensão da linguagem natural; e condução do diálogo. Fernanda Hembecker – Edson Emílio Scalabrin

30 Sistema ComPor Modelagem da memória: livraria objetos do diálogo:
livros comercializados; e clientes da livraria. ações do usuário ou fases do diálogo: comprar um livro específico; e cliente fornecer sua identificação. condução ou plano do diálogo: seqüência de ações que concretizam a compra de um livro. Fernanda Hembecker – Edson Emílio Scalabrin

31 Sistema ComPor Modelagem da memória objetos ações planos
Fernanda Hembecker – Edson Emílio Scalabrin

32 Sistema ComPor Índices:
modelado em função das possíveis entradas do usuário; podem representar sentenças inteiras ou palavras-chave; termos léxicos: objetos e ações; e empacotamentos: planos e ações que se referem a objetos. Fernanda Hembecker – Edson Emílio Scalabrin

33 Sistema ComPor Respostas do sistema:
associadas diretamente aos conceitos; modelados em função dos índices e dos planos de diálogo; caracterizados por sentenças simples ou sentenças compostas por valores extraídos dos conceitos; e devem induzir as entradas do usuário. Fernanda Hembecker – Edson Emílio Scalabrin

34 Sistema ComPor M-ComPor objetos ações planos objeto l-total e-compra
cliente c-compra M-Informações da livraria M-Informações dos livros M-Informações da compra M-Informações dos clientes M-Objeto M-L-Resumo M-L-Preço M-Confirma compra M-Cancela compra M-Eduardo M-Fernanda M-Livros fernanda hembecker confirmo a compra M-L-Total M-Efetua compra M-Exatas quero comprar o livro {objeto} Informe seu nome meu nome é {cliente} O preço do livro é {objeto preço} Confirma a compra? M-Informática M-Modelos de diálogo M-SMente M-Engines M-Modelo1-L M-Modelo-2-L engines for education {l-total} {c-compra} {e-compra} Sua compra foi efetuada. Fernanda Hembecker – Edson Emílio Scalabrin

35 M-ComPor objeto M-Informações da livraria objeto M-Informações
C: Quero comprar o livro Engines for Education. S: O preço do livro é R$70,00. Confirma a compra? C: Confirmo a compra. S: Informe seu nome. C: Meu nome é Fernanda Hembecker. S: Sua compra foi efetuada. S: Deseja outras informações? M-ComPor objeto M-Informações da livraria objeto M-Informações dos livros M-Informações da compra M-Informações dos clientes M-Objeto M-L-Resumo M-L-Preço M-Confirma compra M-Confirma compra M-Fernanda M-Efetua compra M-Cancela compra M-Eduardo M-Fernanda M-Livros M-Efetua compra1 compra cliente M-Engines M-L-Total M-L-Total0 objeto M-L-Total M-L-Total M-Exatas M-Efetua compra M-Informática M-Modelos de diálogo M-Modelo1-L-2 M-Modelo1-L e-compra l-total c-compra M-SMente M-Engines e-compra M-Modelo1-L M-Modelo1-L M-Modelo-2-L l-total Fernanda Hembecker – Edson Emílio Scalabrin

36 Sistema ComPor Fernanda Hembecker – Edson Emílio Scalabrin

37 Sistema ComPor Fernanda Hembecker – Edson Emílio Scalabrin

38 Sistema ComPor Fernanda Hembecker – Edson Emílio Scalabrin

39 Sistema ComPor Validação do sistema:
compreensão da linguagem natural; e correta condução de um diálogo. Dependente da estrutura de memória, índices e respostas modeladas. Fernanda Hembecker – Edson Emílio Scalabrin

40 Sistema ComPor Principais resultados: memória:
compreensão da linguagem natural; reaproveitamento de conceitos; aprendizado; atualizações; condução do diálogo; e abrangência do diálogo. Fernanda Hembecker – Edson Emílio Scalabrin

41 Sistema ComPor Principais resultados: Limitações:
combinações de memória, índices e respostas; e ambiente de desenvolvimento. Limitações: manipulação dos índices; e aprendizado. Fernanda Hembecker – Edson Emílio Scalabrin

42 Sistema ComPor Trabalhos Futuros:
associação a sistemas de processamento automático da voz; aplicação em sistemas multi-agente; aprendizado: conceitos mais abstratos; novos índices (novas entradas). Fernanda Hembecker – Edson Emílio Scalabrin

43 Conclusões Computação não é uma ciência isolada.
Obtenção de ganhos a partir da reprodução das características cognitivas humanas. Compreensão estabelecida em função de conhecimento prévio. Fernanda Hembecker – Edson Emílio Scalabrin