Brasil Econômico

Nos últimos anos, os computadores tornaram-se muito mais habilidosos em traduzir por conta da aplicação de redes neurais. Esses sistemas de inteligência artificial, porém, costumam exigir muito conteúdo traduzido por humanos para que os computadores aprenderem. No entanto, dois novos artigos demonstram que é possível desenvolver um sistema que não dependa de textos paralelos.

Leia também: IA e robótica: veja o que Bill Gates disse sobre esses avanços tecnológicos

Mikel Artetxe, cientista de informática da Universidade do País Basco (UPV) e autor de um desses trabalhos, compara a situação com a criação de vários livros em chinês e em árabe, sem nenhum dos mesmos textos sobrepostos. Um humano acharia muito difícil aprender a traduzir do chinês para o árabe neste contexto, mas um computador não. Em um processo típico de aprendizagem de máquinas , o sistema de  inteligência artificial seria supervisionado.

Métodos de remoção e/ou adição de palavras ajudam inteligência artificial a entender como o idioma opera
shutterstock
Métodos de remoção e/ou adição de palavras ajudam inteligência artificial a entender como o idioma opera


Leia também: Google admite que rastreia localização de usuário mesmo com GPS desligado

Você viu?

Isso significa o sistema tentaria dar uma resposta certa para um determinado problema, um ser humano diria se ela está realmente correta e alteraria sua atividade conforme necessário. Entretanto, isso não acontece no método presente nos dois artigos. Em vez disso, eles dependem da maneira como as palavras estão conectadas em diferentes idiomas – por exemplo, "mesa" e "cadeira" são frequentemente usadas em conjunto, independentemente do dialeto.

Ao mapear essas conexões para cada idioma e depois compará-las, é possível ter uma ideia de quais termos se relacionam entre si, e este processo não é supervisionado por um ser humano. Os sistemas podem ser usados ​​para traduzir frases completas, em vez de apenas palavras individuais, usando duas estratégias de treinamento complementares.

A primeira é a tradução traseira, onde uma frase escrita em um idioma é traduzida de forma grosseira para a outra com o sistema ajustando seus protocolos, caso o resultado não seja o esperado. Trabalhando em sincronia, esses métodos de remoção ou adição de palavras ajudam a máquina a entender melhor como o idioma realmente opera.

Teste de vocabulário

Os dois sistemas – um desenvolvido na UPV e outro pelo especialista em ciência da computação, Guillaume Lample – ainda não foram revisados ​​entre eles, mas ambos mostraram resultados promissores em testes iniciais. A única maneira de fazer uma comparação direta entre suas capacidades é avaliar sua habilidade de traduzir do inglês para o francês que vem de um pool compartilhado de cerca de 30 milhões de frases.

Leia também: Veja como uma identificação digital pode facilitar a gestão da sua identidade

De fato, os pesquisadores que estão por trás de ambos os projetos de inteligência artificial concordam que poderiam melhorar seu sistema com base no trabalho do outro. Eles também poderiam ser mais capazes se fossem semi-supervisionados, introduzindo algumas milhares de frases paralelas ao seu programa de treinamento – o que ainda reduziria o tempo e os dados necessários para desenvolver as ideias.

* Com tradução de futurism.com

    Mais Recentes

      Comentários

      Clique aqui e deixe seu comentário!