No Campus com Helder Coelho

Atualidade dos Analisadores Semânticos

Helder Coelho

Nos últimos anos, a possibilidade de falar com uma máquina (relógio, telemóvel, computador portátil, automóvel), um dos sonhos da Inteligência Artificial, tornou-se trivial, pois a tecnologia da linguagem (tradução, reconhecimento, análise, síntese) evoluiu bastante desde a aposta da Apple no Siri em 2011 (veja-se o "Technology Quarterly" do "Economist" de 5 de janeiro de 2017, e a melhoria da precisão no reconhecimento das palavras ou na tradução, cada vez mais perto dos 100%). No entanto, esta vitória da ciência (na idade da avalanche dos dados ou Big Data) não foi fácil e, o que estava em causa, o poder de análise semântica (semantic parser) cresceu (scaled up) graças à fusão dos aspetos lógicos e estatísticos. Mais, o analisador é agora capaz de aprender (Liang, 2016), e foram os avanços da Aprendizagem Mecânica e dos Modelos Estatísticos (Hidden Markov Model, a via da força bruta) os principais responsáveis pelo entusiasmo da indústria e dos mercados. A Microsoft, a Facebook, a Google foram também para a luta e parecem estar empenhadas em melhorar os seus resultados.

Duas linhas de investigação confrontaram-se nos últimos 40 anos, o lado da linguística formal, defendido por Noam Chomsky, e o lado da teoria da informação, que se apoiou em Claude Shannon. E, não se deve esquecer Zellig Harris, o qual defendeu uma aliança forte entre os princípios gramaticais e os informacionais, e o mesmo aconteceu com a via da teoria das linguagens formais.

As técnicas matemáticas ganharam espaço e estão hoje na frente pelos avanços e a lidar com as avalanches de dados. Na presente década, graças aos esforços de um grupo pequeno de empresas, a via da teoria da informação ganhou adeptos, sobretudo devido aos sucessos no reconhecimento da voz (discurso), na busca de informação, e na tradução das línguas. Ferramentas online como o BabelFish (apoiada em regras) e o Google Translate, passaram a ser usadas e prezadas. Empresas mais pequenas, como a Nuance (e o programa Dragon Dictate), mostraram que as tecnologias das redes neuronais são úteis (a DeepMind da Google inaugurou, em 2014, um novo modo de sintetizar os discursos orais, recorrendo a redes neuronais profundas).

O mercado do processamento da língua natural (PLN), segmentado em codificação automatizada, análise de textos, reconhecimento de carateres óticos, resposta interativa em voz, reconhecimento de padrões e imagens, e analítica da voz, tenderá a aumentar muito nos próximos dez anos.

A compreensão de uma língua natural (Português) passou a poder ser decomposta em duas etapas, a tradução das frases lógicas (representação do seu significado) e a produção de ações. E, os analisadores semânticos são capazes de aprender as formas lógicas que estão associadas aos pares frases/ações. A compreensão é organizada com vários módulos, como o executor, a gramática, o modelo, o analisador e o aprendiz. E, o sistema por detrás da compreensão é ensinado e, após o treino, aumenta a sua precisão de trabalho. Mas, devemos ter um certo cuidado pois as línguas estão cheias de ambiguidades e exceções.

Compreensão profunda + raciocínio lógico
(sintaxe, semântica e pragmática)

A composição do significado de uma frase (expressão) é o resultado do arranjo/combinação das subexpressões (partes significantes da frase).

No início (anos 60), e nas duas décadas seguintes, era muito difícil ir além de domínios limitados (fechados) e de enfrentar as complexidades de uma língua em geral, apenas com regras feitas à mão. A evolução da aprendizagem mecânica, foi influenciada pelas técnicas estatísticas, já adotadas pelo reconhecimento de padrões (discurso com voz), e também graças ao modo repetitivo de explorar exemplos de comportamento (entrada/saída) e de os obrigar ao encaixe num modelo (estatístico). A revolução passou ainda pelo enfraquecimento da supervisão (na passagem das formas lógicas anotadas às respostas) e pela ampliação (scaling up) dos analisadores semânticos a domínios mais abertos e complicados. Se os primeiros sistemas exigiam as formas anotadas, os novos começaram a ser treinados com as respostas (via aprendizagem). E, finalmente, a aplicação dos analisadores a diferentes domínios e além do que é mais comum, a pergunta/resposta, tais como a navegação de robôs, a identificação de objetos em cenas, ou a conversão da língua natural em expressões regulares.

O escalamento (scaling up) é, hoje em dia, um dos problemas interessantes da Informática. Consiste em passar de um protótipo (em geral com uma escala pequena) para um sistema mais realista, e na maioria dos casos não exige apenas grandes computadores (alta velocidade e poder de processamento, enormes memórias).

Por exemplo, em simulação social baseada em agentes inteligentes, requer paciência para afinar os principais parâmetros, tornar os agentes cognitivos parecidos com os seres humanos, e multitudes de agentes diferentes em cenários com paisagens bem sofisticadas (o filme Avatar de James Cameron é um bom exemplo de um empreendimento que levou dez anos a realizar, recorrendo a novas tecnologias e ferramentas). No caso de conflitos sociais (como as manifestações de protesto em rua) passar de 1.000 agentes para 2.000 é trivial, mas o salto para 10.000 impõe muito trabalho, tempo e paciência para as afinações.

No futuro, os desafios são ainda grandes, como por exemplo a representação semântica da linguagem ou que supervisão se deverá adotar para aprender a semântica. Recentemente, houve bastante interesse em recorrer às redes neuronais, e suas extensões, para atacar as tarefas mais populares do processamento da língua natural, a tradução mecânica e a pergunta/resposta (veja-se o sucesso do sistema Watson da IBM e da interface Siri da Apple, desde 2011). A paridade entre a tecnologia e o desempenho humano está ainda longe, medida em 2/3 anos, embora os produtos comecem a surgir, como os automóveis com controles ativados por voz. Para alguns, criar discurso ou compreendê-lo são duas operações opostas.

No Departamento de Informática (DI) da Faculdade de Ciências da Universidade de Lisboa (Ciências ULisboa), o grupo do professor António Branco, por detrás da unidade de investigação e desenvolvimento NLX (criada no início de 2000), disponibilizou um serviço o LX-Service para se observarem algumas das ferramentas desenvolvidas em cerca de 20 anos de estudo (LX-Suite, LX-Conjugator, LXGram, POS Tagger, LX-Tokenizer, Lematizador verbal). Recentemente foi aprovado o projeto CNPTDeepMT (Tradução Automática Profunda entre Chinês e Português, no domínio do eCommerce), com a duração de três anos, o apoio da FCT e do Ministério da Ciência e Tecnologia da China e a ser realizado na unidade NLX no DI Ciências ULisboa.

Referência
Liang, P. Learning Executable Semantic Parsers for Natural Language Understanding, Communications of the ACM, Setembro, Vol. 59, Nº 9, 2016.

Helder Coelho, professor do Departamento de Informática de Ciências
info.ciencias@ciencias.ulisboa.pt
ETAR de Gaia Litoral

A análise de mais de 200 amostras de águas residuais das cinco estações de tratamento de águas residuais (ETAR) monitorizadas no âmbito do projeto COVIDETECT comprova a presença de material genético nos afluentes que chegam às ETAR e evidencia a ausência de deteção do material genético do vírus SARS-CoV-2 nos efluentes tratados. As etapas do tratamento das ETAR são eficientes na remoção do genoma viral dos efluentes.

National Cancer Institute

Investigadores do LASIGE Ciências ULisboa, INESC TEC e Universidade do Minho apresentam uma nova técnica de deduplicação de dados baseado em semelhanças e padrões encontrados nos ficheiros de sequenciação de genomas humanos e uma codificação das alterações para a recuperação desses dados.

logotipo

Sétima rubrica Radar Tec Labs, dedicada às atividades do Centro de Inovação da Faculdade. A empresa em destaque é a Keep on Care.

Computador

“O período de confinamento pode ser encarado como um primeiro grande teste à integração de renováveis no sistema elétrico, prelúdio do que se prepara com a transição energética global em curso”, escreve o cientista Miguel Centeno Brito.

Conceção artística do telescópio espacial Athena (Advanced Telescope for High-Energy Astrophysics)

“Ciências ULisboa tem vindo a aumentar a sua capacidade e a sua intervenção no desenvolvimento científico e tecnológico de alguns dos projetos mais importantes para o avanço da Astrofísica, não só nos próximos anos, mas nas próximas décadas”, diz o cientista José Afonso.

post it

Cristina Luís, investigadora do Departamento de História e Filosofia das Ciências e do Centro Interuniversitário de História das Ciências e da Tecnologia (CIUHCT), é a responsável em Portugal pelo projeto “Citizen Science as the new paradigm for Science Communication (NEWSERA)”, coordenado por Rosa Arias, fundadora da Science for Change e que visa estudar como a ciência cidadã pode mudar o paradigma da comunicação da ciência.

janela

Entrevista com o cientista Carlos Cordeiro, que lidera o SAFE Coating, um projeto que tem a Biomimetx e o Hospital Curry Cabral como parceiros e que em seis meses procurará implementar uma tecnologia capaz de inativar o SARS-CoV-2 em superfícies, impedindo a sua viabilidade fora do hospedeiro humano e consequentemente, eliminando uma importante via de transmissão viral.

Lusovenator, a nova espécie pertence ao grupo dos carcharodontossáurios - dinossáurios carnívoros, alguns dos maiores predadores do planeta Terra. A sua descoberta mostra que estes dinossáurios estavam presentes no hemisfério norte 20 milhões de anos antes do que indicava o registo conhecido. O estudo foi liderado por Elisabete Malafaia, investigadora do IDL, polo da Ciências ULisboa.

O Roteiro Nacional de Infraestruturas de Investigação de Interesse Estratégico (RNIE) 2020 inclui 56 infraestruturas. Ciências ULisboa coordena a CoastNet, a PORTULAN CLARIN e a RNEM, integrando ainda outras sete infraestruturas.

A fase de implementação da Rede Portuguesa de Monitorização Costeira (CoastNet) terminou recentemente, segundo comunicado de imprensa emitido pela Faculdade recentemente. A apresentação pública da CoastNet coordenada por José Lino Costa, professor do Departamento de Biologia Animal da Ciências ULisboa, acontece a 7 de julho, num evento a decorrer por videoconferência.

O projeto MarCODE visa desenvolver uma ferramenta multidisciplinar para potenciar o rastreio e a rotulagem ecológica de espécies marinhas de interesse comercial, segundo comunicado de imprensa emitido pela Faculdade. O estudo iniciado este mês de julho deverá terminar daqui a três anos.

Sexta rubrica Radar Tec Labs, dedicada às atividades do Centro de Inovação da Faculdade. A empresa em destaque é a Nevaro.

Cláudio Pina Fernandes, coordenador do GAPsi Ciências ULisboa, escreve sobre o Princípio da Incerteza e chama a atenção para alguns aspetos.

O mundo de hoje é completamente dominado pela necessidade imperiosa de saber recolher e analisar dados, escrevem os cientistas Tiago A. Marques e Soraia Pereira. Leia o artigo dedicado ao roteiro serológico nacional, uma iniciativa promovida pelo Instituto Gulbenkian de Ciência e que conta com a colaboração do Centro de Estatística e Aplicações da Universidade de Lisboa, da autoria destes investigadores.

Ciências ULisboa volta a participar com equipas de estudantes no Global Management Challenge (GMC). No passado dia 16 de junho começou a 1ª fase do GMC 2020, que conta com quatro equipas desta faculdade compostas por alunos dos mestrados integrados em Engenharia Biomédica e Biofísica, em Engenharia da Energia e do Ambiente e em Engenharia Física, assim como alunos das licenciaturas em Matemática Aplicada e Tecnologias de Informação.

teste

Cerca de 194 milhões de aves e 29 milhões de mamíferos podem ser atropelados por ano nas estradas europeias, de acordo com a estimativa de uma equipa internacional de investigadores liderada por Clara Grilo, investigadora do Centro de Estudos do Ambiente e do Mar (CESAM), polo da Ciências ULisboa, com sede na Universidade de Aveiro. Os resultados estão publicados na revista científica Frontiers in Ecology and Environment.

“A História do Pi em hipervídeo” está na Internet e pode ser consultada por todos e em toda a parte. O hipervídeo integra de forma estruturada e interativa vídeo e outros tipos de informação, nomeadamente, textos, imagens, áudio e animações. Saiba mais sobre este projeto lendo a entrevista com as professoras Suzana Nápoles e Teresa Chambel.

A dinâmica das epidemias é descrita por sistemas de equações diferenciais. Jorge Buescu, professor do Departamento de Matemática da Ciências ULisboa, apresenta neste artigo o modelo epidemiológico desenvolvido em 1927 por Kermack e McKendrick.

No próximo ano letivo, Ciências ULisboa irá utilizar novos modelos de ensino/aprendizagem, todos com horas de contacto entre docentes e alunos, mas que se diferenciam pela existência e forma da componente presencial, anunciou a Faculdade em comunicado de imprensa.

Um grupo de cientistas da Ciências ULisboa e da Faculdade de Engenharia da Universidade do Porto, membros do CENTRA - Centro de Astrofísica e Gravitação participa no desenvolvimento do METIS (Mid-infrared ELT Imager and Spectrograph), um poderoso instrumento que vai equipar o maior telescópio do mundo - o Extremely Large Telescope.

A equipa do projeto Lista Vermelha de Invertebrados Terrestres e Dulçaquícolas de Portugal Continental preparou a campanha de ciência cidadã - “Invertebrados da Lista Vermelha procuram-se” -, cujo lançamento ocorre esta sexta-feira, dia 5 de junho.

Duas pessoa dão as mãos

"A nossa necessidade de conexão e de afeto é singular, no sentido em que precisamos e procuramos o contacto com outros seres humanos", escreve Inês Ventura, psicóloga do GAPsi Ciências ULisboa.

Mulher sentada em banco junto ao rio Tejo

Um grupo multidisciplinar de cientistas propõe a criação de um roteiro nacional para a realização de testes serológicos em Portugal e defende que a avaliação rigorosa e concertada da prevalência da doença COVID-19 é a única forma de conhecer a real vulnerabilidade da população e monitorizar a dinâmica da epidemia.

Logotipo da rubrica Rardar

Quinta rubrica Radar Tec Labs dedicada às atividades do Centro de Inovação da Faculdade. A empresa em destaque é a THEREUS.

ETAR de Serzedelo

A primeira etapa do COVIDETECT já está concluída e com sucesso anunciou esta quarta-feira a AdP - Águas de Portugal. Ciências ULisboa assegura a coordenação científica do projeto, financiado através do programa Compete 2020.

Páginas