Raciocínio Simbólico: como essa tecnologia representa a evolução do atendimento por meio de chatbots

0

*Por Cassiano Maschio 

Diante da popularização dos chatbots, a capacidade de entender e responder ao cliente, de forma rápida, eficiente e natural, ainda que automatizada, passou a ser o maior desejo das grandes empresas. Neste cenário, o Raciocínio Simbólico, uma das abordagens do campo da Inteligência Artificial (IA), é uma alternativa para as otimizar as soluções de autoatendimento.

Desde sua fundação como disciplina acadêmica em 1955, o campo de pesquisa em IA foi dividido em diferentes áreas, das quais IA Simbólica e Machine Learning fazem parte e são importantes referências na utilização em soluções de chatbots, a segunda mais popular.

Raciocínio Simbólico x Machine Learning

A maioria das empresas, hoje, utiliza o Machine Learning como principal tecnologia para as soluções de autoatendimento. Essa abordagem é baseada no aprendizado de máquina – o processo de ensinar os programas de computador a responderem a estímulos humanos por meio do fornecimento de um grande volume de dados dos usuários que quando suficientes possibilitam respostas cada vez mais corretas. Resumindo, usa um algoritmo que necessita de um volume significativo de interações para começar a identificar problemas e obter insights sobre como resolvê-los automaticamente, sem intervenção ou assistência humana, observando e procurando padrões nos dados. Embora os “treinadores” humanos desse tipo de abordagem sejam sobrecarregados com a necessidade de fornecer uma grande quantidade de dados, com o tempo e dentro do seu escopo de trabalho o aprendizado de máquina prospera e é capaz de evoluir seu entendimento para tomar melhores decisões no futuro, com base nos exemplos que foram fornecidos a ele. É uma tecnologia que pode funcionar muito bem em determinadas aplicações como por exemplo no reconhecimento de imagens (link: https://quickdraw.withgoogle.com/).

Embora o conceito tenha pontos que se assemelham ao Raciocínio Simbólico, há uma diferença significativa. As duas abordagens são boas, se completam, porém, trabalhar apenas com Machine Learning demanda muito mais tempo e treinamento, uma vez que o trabalho em geral começa do zero, além de ser muito delicado para escopos de utilização que mudam muito ao longo do tempo.

Já o Raciocínio Simbólico atua de forma antecipada ao tempo e esforço dedicados pelo Machine Learning. Por exemplo: um chatbot criado para atender questões financeiras, quando alimentado via Machine Learning, precisará levar um certo tempo para aprender que “boleto”, “fatura” e “conta” são termos relacionados. O Raciocínio Simbólico inicia sua curva de aprendizado já em posição privilegiada, sabendo, antecipadamente, os seus conceitos. Todos os termos citados acima, aliás, já estariam contidos na inteligência do chatbot, como símbolos e interconectados nas diferentes formas de abordar esse tema.

O Raciocínio Simbólico, também chamado de IA Simbólica ou Determinística, usa símbolos legíveis por humanos que representam entidades ou conceitos do mundo real, além de lógica (os métodos lógicos matematicamente comprováveis) para criar ‘regras’ para o projeto. Em poucas palavras, a abordagem envolve a incorporação explícita do conhecimento humano e regras de comportamento em programas de computador.

A IA Simbólica é uma abordagem pouco utilizada quando associada às soluções linguísticas de autoatendimento e os famosos chatbots. Entretanto, ela traz um grande ganho em agilidade de implantação e qualidade de entendimento no atendimento, podendo ser trabalhada de forma híbrida com o Machine Learning, onde o primeiro conta com o conhecimento acumulado do idioma e o segundo realiza ao longo do tempo um “ajuste fino” no algoritmo, priorizando e ajustando resultados e matchings semânticos de acordo com o comportamento do usuário real.

Raciocínio Simbólico e Processamento Natural de Linguagem

Um dos muitos usos da inteligência artificial simbólica é com o Processamento Natural de Linguagem, para chatbots de conversação. A idéia é ensinar à máquina como entender as línguas da mesma maneira que nós, humanos, aprendemos a ler e a escrever. Para isso, fomos à escola e aprendemos a estruturar a linguagem, por meio de regras, gramática, conjugação e vocabulário. Linguistas computacionais fazem exatamente o mesmo: eles usam regras, léxico e semântica para ensinar o mecanismo do bot a entender um idioma.

Usando o Raciocínio Simbólico, tudo é visível, compreensível e explicável, levando ao que é chamado de ‘caixa transparente’ em oposição à ‘caixa preta’ criada pelo Machine Learning. No Raciocínio Simbólico, as regras são criadas por meio da intervenção humana e depois codificadas em um programa estático. Trata-se de separar as palavras em uma frase pelas funções sintáticas delas, o que auxilia a compreensão e acelera o treinamento do robô.

*Por Cassiano Maschio – Diretor comercial e de marketing da Inbenta Brasil. Profissional com experiência de mais de 10 anos em empresas com atuação global e de consultoria de negócios.

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui