DS & II

Capítulo 11 - Protocolo C-3PO

Leitura de 4 min

🚀 Capítulo 11: Protocolo C-3PO (Tema: Star Wars)

NOTE

Este capítulo utiliza a temática de Star Wars para explicar o Processamento de Linguagem Natural (PLN). Ensine a sua máquina a entender a língua dos humanos!

1. 🎯 Objetivo da Aula

Compreender o que é o Processamento de Linguagem Natural (PLN ou NLP), os desafios da comunicação humana para as máquinas e aprender a técnica de Tokenização.

2. 🏢 O Cenário Prático (Seu Desafio)

Na saga Star Wars, o droide dourado C-3PO é um mestre em “relações cibernéticas humanas” e afirma ser fluente em mais de seis milhões de formas de comunicação! Ele consegue conversar com humanos, traduzir idiomas alienígenas estranhos, entender gírias e manter a etiqueta perfeita. Ele compreende a linguagem humana tão bem quanto qualquer pessoa da galáxia.

Fazer um computador entender a nossa forma de falar (português, inglês, etc.) é um dos maiores desafios da história da computação!

  • As linguagens de programação (como JavaScript) são exatas: um ponto e vírgula errado quebra tudo.
  • Mas a linguagem humana é cheia de gírias, duplos sentidos, ironias e palavras que mudam de significado dependendo do contexto.
  • A área da IA que estuda como resolver isso se chama PLN. Seu desafio é ser o C-3PO!

🧠 Fundamentos: A Teoria Traduzida

Os computadores não entendem letras, eles só entendem números ( e ). Para uma IA processar um texto, nós precisamos quebrar o texto e transformá-lo em números!

✂️ 1. Tokenização (Quebra de Texto):

É o primeiro passo de quase todo sistema de PLN. Significa pegar uma frase inteira e cortá-la em pedacinhos menores chamados Tokens (que geralmente são as próprias palavras).

  • Frase: “Eu amo robôs”
  • Tokens: ["Eu", "amo", "robôs"]

🧹 2. Limpeza (Stop Words):

Em português, nós usamos muitas palavras pequenas que servem apenas para ligar a frase, mas que não trazem o significado principal (como: o, a, de, com, em, para).

  • Essas palavras são chamadas de Stop Words (Palavras de Parada).
  • Os algoritmos de IA costumam deletar essas palavras do texto para focar apenas nas palavras que realmente importam (verbos e substantivos).

🤔 3. O Desafio da Ambiguidade:

Uma mesma palavra pode significar coisas totalmente diferentes. Como a IA sabe a diferença?

  • “Eu vi o banco da praça.” (Objeto de sentar).
  • “Eu fui ao banco sacar dinheiro.” (Instituição financeira).
  • A IA moderna precisa ler as palavras vizinhas para deduzir o significado correto!

4. 📖 Exemplo Guiado: O Corretor de Celular

O corretor do seu celular usa PLN básico:

  1. Ele lê as últimas palavras que você digitou (os tokens).
  2. Ele calcula estatisticamente qual é a próxima palavra mais provável de você digitar baseado nas regras da língua e no seu histórico.
  3. Se você digitou “Vou para a…”, ele sugere “escola”, “casa” ou “praia”.

5. 🛠️ Prática Obrigatória 1: Tokenização

Faça o papel do algoritmo de Tokenização e quebre a frase abaixo em uma lista de palavras (tokens):

  • Frase: "O cão morde o osso."
  1. Quantos tokens essa frase gerou?

6. 🛠️ Prática Obrigatória 2: Limpando o Texto

  1. Se aplicarmos a limpeza de Stop Words na frase do exercício anterior, quais palavras deveriam ser deletadas por não trazerem o significado principal da ação? O que sobraria da frase?

7. 📤 Instruções de Entrega (GitHub Desktop + Microsoft Teams)

  1. Faça o Commit: No GitHub Desktop, digite a mensagem (ex: Finaliza Capítulo 11 IA_C3PO) e clique em Commit to main.
  2. Envie para a Nuvem (Push): Clique em Push origin.

8. 📂 Estrutura de Pastas

extra_inteligencia_artificial/
├── capitulos/
│   └── capitulo_11_c3po.md

💡 Checkpoint de Lógica

Para a máquina realmente entender o significado das palavras, os cientistas usam uma técnica chamada Word Embeddings, onde cada palavra vira uma coordenada em um mapa matemático ! Palavras com significados parecidos (como “cachorro” e “gato”) ficam bem próximas nesse mapa!

10. 🔥 Desafio de Fixação

Pesquise o que significa a sigla NLP em inglês (é a tradução de PLN).

🔑 Gabarito de Código/Fórmulas

Gabarito da Prática 1:

  1. Gerou tokens: ["O", "cão", "morde", "o", "osso"]. Gabarito da Prática 2:
  2. As palavras “O” e “o” seriam deletadas (são artigos). Sobrariam apenas as palavras ricas em significado: ["cão", "morde", "osso"]. A IA ainda consegue entender perfeitamente o contexto da mensagem!

← Capitulo Anterior | Proximo Capitulo →

Visão de gráfico

Backlinks