NLU pode parecer apenas mais um acrónimo no ecossistema da IA, mas é essencial para que a IA compreenda o que realmente queremos dizer.
Como é que a Siri sabe quando está a pedir direcções e não a tocar uma música?
Como é que um agente de IA sabe a diferença entre uma pergunta sobre um produto e um pedido de assistência?
Vamos explicar como funciona a NLU e porque é necessária para interações de IA mais inteligentes.
O que é a NLU?
A compreensão da linguagem natural (NLU) é um subconjunto do processamento da linguagem natural (NLP) que permite às máquinas interpretar e compreender a linguagem humana.
A NLU é utilizada em chatbots de IA, assistentes virtuais e ferramentas de análise de sentimentos. Permite que as máquinas interpretem com precisão a intenção do utilizador - quer se trate de texto ou voz - para que possam dar seguimento à ação adequada.
O NLU é considerado um problema difícil para a IA (também conhecido como AI-completo), o que significa que requer inteligência artificial para ser resolvido. A NLU é impossível sem inteligência artificial (IA).
Como funciona o NLU?
A NLU decompõe a linguagem humana para interpretar o seu significado e intenção. Eis como funciona passo a passo:
1. Pré-processamento do texto
Antes de iniciar a análise, o texto é limpo, removendo elementos desnecessários, como pontuação e palavras de paragem, para se concentrar no conteúdo significativo.
2. Identificação de componentes-chave
O sistema extrai entidades, palavras-chave e frases, identificando as partes mais relevantes do texto para análise posterior.
3. Analisar a estrutura das frases
Ao examinar as relações entre palavras e a gramática, a NLU determina a forma como diferentes palavras e conceitos interagem numa frase.
4. Mapeamento de intenções e objectivos
Os componentes extraídos são associados a intenções ou objectivos predefinidos, ajudando o sistema a compreender a finalidade do utilizador.
5. Aperfeiçoar a compreensão com o contexto
As interações anteriores e as pistas contextuais ajudam a melhorar a precisão, permitindo que o sistema NLU ajuste as respostas com base no histórico da conversa.
6. Geração de uma saída estruturada
Por fim, o sistema produz uma resposta estruturada que pode desencadear acções, executar comandos ou fornecer informações relevantes.
Exemplo do mundo real
Vamos explicar isto com um exemplo.
Patrick utiliza um agente de IA no trabalho que se integra com todas as suas principais aplicações, incluindo o seu calendário.
Patrick escreve para o seu agente de IA: "Marca uma reunião com a Anqi para as 13 horas de amanhã, ou algo do género. Marque um seguimento para duas semanas depois".
No decurso do seu fluxo de trabalho de IA agêntica , o seu agente irá:
- Identificar a intenção: O agente identifica que Patrick quer agendar uma reunião
- Extrair entidades-chave: O agente identifica que Patrick está a falar de 'Anqi', o contacto, '1pm', a hora, e 'tomorrow', a data.
- Análise da expressão: O agente identifica que o item de ação é "agendar", que deve ser feito com a Anqi e que o dia e a hora devem ser as 13 horas de amanhã.
- Compreensão contextual: O agente verifica os calendários do Patrick e da Anqi para garantir a disponibilidade. Se amanhã às 13h00 não estiver livre, propõe uma hora semelhante, conforme solicitado.
- Ação final: O agente agenda a reunião e o acompanhamento enviando convites de calendário a Patrick e Anqi.
Utilizações reais de NLU
É provável que encontre NLU na sua vida quotidiana, muitas vezes sem sequer se aperceber. Aqui estão algumas das aplicações mais comuns no mundo real:
Geração de contactos
A NLU é uma componente fundamental da geração de leads de IA, uma forma de qualificar leads através da IA conversacional. Utilizando a compreensão da linguagem natural, os chatbots podem identificar as necessidades e capacidades dos contactos recebidos. Podem até marcar reuniões de calendário com os representantes de vendas diretamente após a qualificação de uma pista.
Assistentes de voz
Os assistentes de voz como a Siri, a Alexa e o Google Assistant baseiam-se na NLU para compreender a intenção subjacente aos seus comandos de voz.
Por exemplo, quando diz: "Marque um lembrete para a minha marcação de unhas às 14 horas", o assistente decompõe a sua frase, identifica a intenção (marcar um lembrete) e extrai as entidades (marcação de unhas, amanhã, 14 horas).
A NLU permite que estes assistentes compreendam os pedidos verbais e os acompanhem com a ação correta.
Chatbots de serviço ao cliente
Quando o utilizador interage com um chatbot de apoio ao cliente e escreve "Onde está a minha encomenda?", o bot utiliza NLU para determinar que a sua intenção é verificar o estado da entrega.
Extrai a entidade necessária - a informação da encomenda - e fornece a atualização correta. Esta capacidade de compreender e responder a várias questões dos clientes é o que faz da NLU uma parte essencial da moderna automatização do serviço ao cliente.
Classificação e automatização de correio eletrónico
A NLU também se encontra por detrás dos sistemas de automatização do correio eletrónico. Por exemplo, as ferramentas alimentadas por NLU podem ler os e-mails recebidos, compreender o conteúdo e ordená-los automaticamente em categorias como "urgente", "promoções" ou "reuniões".
Estes sistemas podem mesmo gerar respostas adequadas com base no conteúdo da mensagem de correio eletrónico, poupando tempo às empresas na gestão da comunicação.
Análise de texto para feedback e inquéritos
As empresas utilizam frequentemente a NLU para analisar o feedback de inquéritos, avaliações e publicações nas redes sociais.
A NLU ajuda a identificar padrões e sentimentos na linguagem escrita, tornando possível compreender as necessidades e opiniões dos clientes.
Por exemplo, um sistema NLU pode analisar centenas de comentários de clientes e determinar se a maioria dos utilizadores tem uma opinião positiva ou negativa sobre uma caraterística específica utilizando a análise de sentimentos.
Componentes principais
Tokenização
A tokenização é o processo de dividir uma frase em unidades mais pequenas, como palavras ou frases, para facilitar o processamento pela IA.
Exemplo: "Schedule a meeting for 3 PM tomorrow" é tokenizado em ["Schedule", "a", "meeting", "for", "3 PM", "tomorrow"].
Marcação de parte do discurso (POS)
A etiquetagem POS identifica a estrutura gramatical de uma frase, classificando cada palavra como substantivo, verbo, adjetivo, etc.
Exemplo: Em "Marcar uma reunião", a IA identifica "Marcar" como um verbo e "reunião" como um substantivo.
Reconhecimento de Entidades Nomeadas (NER)
O Reconhecimento de Entidades Nomeadas (NER) detecta e classifica entidades importantes como nomes, localizações e datas no texto.
Exemplo: Em "Reservar um voo para Nova Iorque na próxima sexta-feira", a IA identifica "Nova Iorque" como um local e "próxima sexta-feira" como uma data.
Classificação da intenção
A classificação da intenção determina o objetivo subjacente do utilizador ou a finalidade da sua introdução.
Exemplo: "Reservar uma mesa para dois" é classificado como a intenção de efetuar uma reserva.
Análise de dependência
A análise de dependência analisa as relações entre as palavras para compreender a estrutura gramatical da frase.
Exemplo: Em "Enviar o relatório à Maria", a IA identifica que "Maria" é a destinatária do relatório.
Análise contextual
A análise contextual utiliza as conversas envolventes ou interações anteriores para garantir que as respostas são relevantes e precisas.
Exemplo: Se um utilizador tiver perguntado anteriormente sobre um projeto específico, a IA pode adaptar as respostas futuras com base nesse contexto.
Criar um agente NLU personalizado
Com o rápido avanço da tecnologia de IA, qualquer pessoa pode criar um agente de IA com capacidades NLU.
Botpress é uma plataforma de criação de bots infinitamente extensível criada para empresas. O nosso stack permite que os programadores criem chatbots e agentes de IA para qualquer caso de utilização.
Começar é fácil com o nosso nível gratuito, tutoriais extensivos e Botpress Academy.
Comece a construir hoje. É grátis.
.svg)
