IA para frases contextuais ganha nova abordagem

Pesquisadores da área de inteligência artificial da Microsoft estudam uma nova alternativa para a modelagem de contexto, que define como os dados contextuais são estruturados e mantidos. A solução analisada envolve reescrever a última frase de um diálogo, considerando a história do contexto. Segundo eles, os resultados empíricos de usar a IA para frases contextuais mostram que é possível atingir avanços em termos de qualidade de reescrita e geração de respostas.

Os estudiosos explicam que o contexto de conversação levanta desafios que não existem na modelagem de frases, incluindo itens como transições de tópicos, co-referências e dependências de longo prazo.

A maioria dos sistemas, explicam os pesquisadores, aborda essas questões anexando palavras-chave à última expressão ou aprendendo uma representação numérica com modelos de IA. Só que muitas vezes encontram obstáculos, como uma incapacidade de selecionar a palavra-chave correta ou lidar com contextos longos.

O método desenvolvido pela equipe da Microsoft reformula a última expressão em um diálogo, considerando informações contextuais. O objetivo é gerar uma expressão auto-contida que não tem referências e nem depende de outras expressões, possível quando se usa IA para frases contextuais.

Os pesquisadores elaboraram um sistema de autoaprendizagem – rede de reescrita de contexto (CRN, na sigla em inglês) – para automatizar o processo de ponta a ponta. A solução consiste em um modelo de seqüência em seqüência que mapeia enunciados de comprimento fixo para frases reescritas de comprimento fixo.

Para isso, o sistema adota um mecanismo que ajuda a copiar diretamente palavras do contexto, concentrando-se em palavras diferentes na última frase.

Para os pesquisadores, o trabalho dá um passo em direção a uma modelagem de contexto mais explicável e controlável, principalmente porque os resultados da reescrita do contexto explícito são mais fáceis de depurar e analisar.

“Os contextos de reescrita são semelhantes às referências humanas”, escreveram eles em um post. “Nosso modelo pode extrair palavras-chave importantes do contexto ruidoso e inseri-las na última frase”, acrescentaram, destacando a importância para o processamento de linguagem natural.

Fonte: Venturebeat