OS DOMfNIOS LINGUfSTICO E TECNOL6GICO DO ESTUDO DO PROCESSAMENTO AUTOMATICO DAS LfNGUAS NATURAlS

Transcrição

1 OS DOMfNIOS LINGUfSTICO E TECNOL6GICO DO ESTUDO DO PROCESSAMENTO AUTOMATICO DAS LfNGUAS NATURAlS ABSTRACT: This paper argues that the field of natural language processing comprises two complementary domains: the linguistic domain, within which language scientists develop computational tools to elaborate and test their own theoretical models, and the technological domain, within which language engineers build commercial natural language softwares. KEY WORDS: natural language processing, linguistic analysis, computational tools, natural language softwares. Desde seu nascimento na decada de 40, 0 campo de estudos genericamente conhecido por Processamento Automatico das Lfnguas Naturais (PALN) vem apresentando urn crescimento surpreendente, gerando urn volume significativo de trabalhos. Ao mesmo tempo observa-se tambem que os trabalhos siio muito heterog8neos, uma vez que os imimeros projetos, propostos por pesquisadores de areas do conhecimento diversas, partem de embasamentos teoricos e objetivos tambem bastante diversos. Decorre, entiio, que diferentes aspectos dos problemas siio enfatizados de modo heterog8neo e uma pluralidade de metodos e tecnicas viio sendo acumulados sem qualquer preocupa~iio de sistematiza~iio. Este trabalho pretende mostrar que, nesse emaranhado de pesquisas, e possfvel recuperar a concep~iio lapidar que Winograd (1972) apresenta para 0 campo e, a partir dela, depreender a natureza cientffica e tecnol6gica da abordagem computacional dos estudos da linguagem I. Os computadores digitais niio s6 t8m contribufdo para avan~os substantivos nos diversos campos do conhecimento cienufico, como tambem tern sido responsaveis pela abertura de novas frentes de pesquisas que, sem eles, talvez nunca teriam sido cogitadas. Essas maquinas, que, hoje, fazem parte de nosso cotidiano, auxiliando-nos na constru~iio de conhecimentos sofisticados, colocaram seus idealizadores diante de um grande enigma: como faz8-las "aprender" e "usar" as lfnguas naturais?

2 Com efeito, essa preocupa iio com a comunica iio "mais natural" entre 0 homem e a maquina ja se instalava, desde 0 momenta da pr6pria cria iio dos primeiros computadores (Pylyshyn et al., 1980). Hoje, com quase meio seculo de experiencias acumuladas nesse sentido, algumas bem-sucedidas, outras absolutamente desastrosas, 0 PALN apresenta-se como urn campo de estudos bastante heterogeneo e fragmentado, acumulando uma vasta literatura e agregando pesquisadores das mais variadas especialidades, com forma iio academica, embasamento te6rico e interesses tambem bastante diversos. Diante do emaranhado, e preciso recolocar, no centro das discussoes sobre 0 PALN, a concep iio lapidar de Winograd. Nela, encontram-se os elementos essenciais para 0 desenvolvimento do empreendimento e, sobretudo, 0 indispensavel embasamento lingiifstico: "Assumimos que urn computador niio podera simular uma lfngua natural satisfatoriamente sem uma compreensiio minima do ass unto que esm em discussiio. Logo, e preciso fornecer ao programa urn modelo detalhado do dominio especffico do discurso. Alem disso, 0 sistema deve tambem possuir urn modelo simples de sua pr6pria mentalidade. Ele deve se lembrar de seus pianos e a oes, discuti-ios e executa-ios. Ele deve ser capaz de participar de urn dialogo, respondendo, com a oes e frases, as frases digitadas em ingles pelo usuario; solicitar esclarecimentos, quando seus programas heurfsticos niio conseguem compreender uma frase, com a ajuda de informa oes sintaticas, semanticas, contextuais e do conhecimento do mundo fisico, que precisam estar representadas dentro do sistema" (Winograd, 1972: 1). Alem de evidenciar 0 complexo de conhecimentos e habilidades envolvidos no processo de comunica~iio verbal, e que precisam estar representados dentro do sistema, Winograd enfatiza tambem que os modelos de PALN "constituem urn referencial claro por meio do qual podemos refletir sobre 0 que fazemos quando compreendemos uma lfngua natural ou reagimos aos atos de fala nela codificados" (ix). Assim, estudar 0 PALN significa desenvolver projetos de camter academico como, por exemplo, criar modelos computacionais que simulem os processos de produ iio e recep iio de enunciados e textos, ou que sirvam de instrumento no processo de constru iio e teste dos pr6prios modelos lingiifsticos. Dessa perspectiva, esse estudo pode ser entendido como urn gerador de modelos computacionais que auxiliam 0 lingilista na investiga iio gramatical e textual, modelos projetados com a finalidade especffica de auxilia-io nos processos de formaliza iio, operacionaliza iio, teste, refinamento e reformula iio de suas propostas te6ricas. A importllncia e necessidade de pesquisas lingiifsticas nesse campo ganha destaque ainda maior, quando John Searle, urn dos fil6sofos mais avessos a abordagens computacionais, acaba por reconhecer 0 papel que 0 computador pode desempenhar nas pesquisas lingiifsticas. Searle, no Prefacio da tese Reference and Computation, de Amichai Kronfeld, publicada em 1990, destaca a importllncia do enfoque computacional para 0 aprimoramento das investiga oes lingiifsticas:

3 "A tentativa de implementar uma teoria lingihstica computacionalmente constitui uma forma rigorosa de testa-ia. A beleza de se trabalhar com computadores e que 0 computador nao deixara voce encobrir erros, esquivar-se de questoes diffceis ou prop or teorias ambfguas" (Searle, 1990: xiii). Alguns exemplos de "sistemas acadernicos", isto e, sistemas de PALN voltados para a pr6pria investiga~ao lingufstica, comprovam essa realidade. Schank & Riesbeck (1981) projetaram uma serle de programas para testar a teoria chamada Dependencia Conceitual, em que propuseram os conhecidos conceitos de frames, scripts, pianos e metas. Criaram 0 programa MARGIE e, com ele, mostraram a viabilidade de se criar uma linguagem de represent~ao semantica em termos de uma interlfngua abstrata, independente de qualquer lfngua em particular. Composto de urn analisador conceitual, que transforma frases de entrada em uma representa~ao conceitual, urn gerador de frases e urn mecanismo de inferencias, esse programa executa dois tipos de opera~oes sobre frases: parafrase e inferencia. No modo parafrase, dada uma frase como John killed Mary by choking her, 0 programa gera parafrases como John strangled her e John choked Mary and she died because she was unable to breathe. No modo inferencia, dada uma frase como John gave Mary an aspirin, 0 programa gera as seguintes inferencias: John believes that Mary wants an aspirin, Mary is sick, Mary wants to feel better e Mary will ingest the aspirin. Merecem destaque outros tantos sistemas acad8micos. Raphael (1968) desenvolveu 0 programa SIR, implementando mecanismos de infer8ncia mais sofisticados que os sistemas anteriores. Esse programa simula rela~oes do tipo conjuntosubconjunto, parte-todo e possuidor-possufdo. Marcus (1980) desenvolveu urn analisador gramatical que constr6i a estrutura sintatica de frases com base na teoria gramatical chomskiana. Cullingford (1981), tomando por base os conceitos de scripts e o modelo Dependencia Conceitual, prop6s urn sistema de processamento de textos que "Ie" artigos de jornais, a partir dos quais, produz scripts representando tanto 0 seu conteudo explfcito quanta 0 implfcito. Berwick (1985), em sua tese de doutorado, fundamentando-se na teoria gramatical chomskiana, prop6s urn modelo que simula a aquisi~ao de componentes de uma gramatica: categorlas lexicais, regras sintaticas e as posi~oes relativas de determinantes e modificadores em rela~ao ao m1cleo do sintagma. Bresnan (1987) e sua equipe projetaram uma plataforma computacional para 0 desenvolvimento de gramaticas para diferentes lfnguas com base em sua Teoria Uxico- Funcional. o lado tecnol6gico dos estudos do PALN revela urn verdadeiro laborat6rio em ebuli~ao. Sistemas computacionais sao projetados, estudados, implementados, testados e comercializados. Com graus diferentes de sofistica~ao lingufstica, as possibilidades de aplica~ao do estudo do PALN na constru~ao de M6dulos de PALN (MP ALN), parte de sistemas comerciais, sao expressivas e impressivas. A seguir, apresentam-se quatro possibilidades.

4 615 Nos sistemas de manipulaciiode base de dados, 0 papel do MPALN e servir de interface de comunica~iio entre 0 usuario e a base de dados, "traduzindo" Crasesinstru~oes, isto e, instru~oes codificadas em Crases,digitadas em um terminal, para a linguagem espec fica do sistema de gerenciamento de dados que, por sua vez, se encarrega de manipular as informa~oes. Exemplos de sistemas que incorporam esse tipo de MPALN siio: BASEBALL (Green et al., 1986), que responde a perguntas sobre 0 mes, 0 dia, 0 local, os times e os resultados referentes a jogos de baseball; TEXT (McKeown, 1985), que gera textos da extensiio de paragrafos como respostas a solicita~iiode informa~oessobre os ve1culosaquaticos da marinha americana. Os sistemas tutores siio um outro tipo de aplicativo. Destacam-se os sistemas tutores inteligentes- intelligent computer-aided instruction. Nesses sistemas, 0 MPALN desempenha papel essencial. Os conteudos programaticos siio estruturados em termos de "redes de conhecimentos", compostas de fatos, regras e rela~oes que permitem ao sistema desencadear uma especie de "dialogo socratico" com 0 aluno, simulando a situa~iio em que aluno e professor discutem t6picos especfficos de conteudo. Alguns exemplos ilustram algumas iniciativas. STUDENT (Bobrow, 1968) auxilia 0 aluno na resolu~ilode problemas de algebra elementar formulados em ingles; ALICE (Evans & Levin, 1990) e um prot6tipo de sistema tutor de ensino de lingua estrangeira. Projetados com esquemas complexos de decisilo, os sistemas especializados, por sua vez, siio capazes de agrupar Cragmentosde informa~iionuma base de dados e sobre ela operar segundo regras de inferencia bastante complexas. Encontramos sua aplica~ilona resolu~iio de problemas em areas como diagn6stico medico, conserto de equipamentos, configura~iio de computadores, interpreta~iio de dados e estruturas qufmicas, interpreta/tilo de imagens e da linguagem oral, interpreta/tiio de sinais, sistemas de planejamento e consultoria, entre outras. Hayes-Roth (1990) destaca os seguintes sistemas: DENDRAL, 0 primeiro sistema especializado, que auxilia qufmicos na tarefa de determinar estruturas moleculares; MYCIN, que incorpora quatrocentas regras heurlsticas escritas em ingles, diagnostica doen~as sangtifneas infecciosas, oferecendo explica~oes sobre as conclusoes ou perguntas por ele geradas; INTERNIST, que contem cem mil julgamentos clfnicos, auxilia medicos na elabora~ilo de diagn6sticos; HEARSAY-II, que combina sistemas especializados multiplos, interpreta segmentos conexos de fala a partir de um lexico contendo mil palavras. Por fim, h8 os sistemas de traduciio automatica, ainda 0 maior desafio para 0 campo do PALN. Nirenburg et al. (1992) classifica-os em tres categorias e cita alguns sistemas significativos: os sistemas diretos, que buscam correspondencias entre as unidades lexicais da lingua de partida e da lingua de chegada; os sistemas de transferencia, que efetuam a analise sintatica da Craseda lingua de partida e, atraves de regras de transferencia sintatica, constroem a representa~iiosintatica da Craseda lfngua de chegada; e os sistemas de interlfngua, nos quais a lfngua de partida e a lingua de chegada silointermediadas por uma representa~iloabstrata do significado to texto. E fato que, do ponto de vista tecnol6gico, projetar sistemas de PALN significa tornar os computadores maquinas mais acessfveis, principalmente ao usuario comum,

5 que, ainda hoje, deles se afasta por considera-los complexos demais, ou absolutamente "idiotas" e dispensaveis. Cumpre ressaltar tamb6m que nao se pretende tra\lar, aqui, uma linha divis6ria rfgida entre "sistemas acad8micos" e "sistemas aplicativos", mas, antes de tudo, enfatiza-se 0 leque de possibilidades acad8micas que pesquisas sobre 0 PALN abrem para 0 avan\lo dos pr6prios estudos da linguagem e, conseqiientemente, para 0 desenvolvimento de programas aplicativos mais robustos e linguisticamente fundamentados. Alem disso, e preciso reconhecer que a amplitude e a vanguarda do campo, sobretudo no Brasil, possibilitam pesquisas cientfficas inter e multidisciplinares, com potencialidades tecno16gicas, gerando novas perspectivas de trabalho, em particular, para os estudiosos da linguagem, que poderao nao s6 atuar como consultores de equipes de projetistas, como tambem participar diretamente do desenvolvimento de projetos que buscam 0 equacionamento do processamento automatico do portugu8s Terry Winograd projetou 0 sistema SHRDLU - 0 "mundo dos blocos" -, que passou a ser 0 marco dos estudos acad8micos sobre 0 PALN. Com esse modelo, Winograd demonstrava que a intera\lao homem-maquina por meio de lfnguas naturais era passlvel de ser satisfatoriamente simulada com 0 auxoio de modelos lingiilsticos. RESUMO: Este trabalho argumenta que 0 campo do processamento automatico das Unguas naturais engloba dois domfnios complementares: 0 domfnio lingiustico, dentro do qual os linguistas desenvolvem ferramentas computacionais para elaborar e testar seus proprios modelos teoricos, e 0 domfnio tecno16gico, dentro do qual os engenheiros da linguagem projetam programas aplicativos. PALAVRAS-CHAVE: processamento automatico das Unguas naturais, analise lingufstica, ferramentas computacionais, programas aplicativos. BERWICK, RC. (1985) The acquisition of syntactic knowledge. Cambridge, Mass., The MIT Press. BRESNAN, J. (1987) LFG User's Manual. ms., 20 p. CULLINGFORD, RE. (1981) SAM. IN: R SCHANK & C. REISBECK, Eds. Inside computer understanding. Hillsdale, NJ, Lawrence Erlbaum pp EVANS, D.A. & LEVIN, L.S. (1990) Toward the design of natural-language intructional systems: notes from Alice. In: working notes of the 1990 AAAI

6 Symposium on Knowledge-Based Environments for Learning and Teaching, Stanford University, pp GREEN, B. ET AL. (1986) Baseball: an automatic question answerer. In: B.I. GROSZ et al., Eds. Readings in natural language processing. Los Altos, Morgan Kaufmann, pp MARCUS, M.P. (1980) A theory of syntactic Recognition for natural language. Cambridge, Mass., The MIT Press. MCKEOWN, K.R. (1985) Text generation. Cambridge, Cambridge University Press. NIRENBURG, S. ET AL. (1992) Machine Translation. San Mateo, Morgan Kaufmann. PYLYSHYN, Z.W. ET AL. (1980) Understanding natural language. In: B.W. Arden, Ed. What can be automated. Cambridge, Massachusetts, The MIT Press, p RAPHAEL, B. (1968) SIR: A computer program for semantic information retrieval." In: M. MINSKY. Semantic iriformation processing. Cambridge, Mass., MIT Press, pp SCHANK, R.C. & RIESBECK, C.K., Eds. (1981) Inside computer understanding. Hillsdale, NJ, Lawrence Erlbaum. SEARLE, J.R. (1990) Foreword. In: A. KRONFELD. Reference and computation. Cambridge, Cambridge University Press, pp. XIII-XVII. WINOGRAD, T. (1972) Understanding natural language. New York, Academic Press.