🚀 Capítulo 12: A Voz de Samantha (Tema: Her)

NOTE

Este capítulo utiliza a temática do filme Her (Ela) para explicar a Análise de Sentimentos e o Contexto em Chatbots. Faça a sua IA entender as emoções por trás das palavras!


1. 🎯 Objetivo da Aula

Compreender como os Chatbots funcionam, o conceito de Análise de Sentimentos (Sentiment Analysis) e como a IA consegue manter o contexto de uma conversa longa.

2. 🏢 O Cenário Prático (Seu Desafio)

No filme Her, o protagonista Theodore se apaixona por um sistema operacional de inteligência artificial ultra avançado chamado Samantha. Ela não é apenas uma voz que responde comandos. Samantha conversa de forma perfeitamente natural, lembra de coisas que Theodore disse dias atrás, faz piadas e, o mais impressionante: ela consegue perceber pelo tom das palavras se ele está triste, feliz, ansioso ou apaixonado!

Para criar uma assistente virtual como a Samantha, os desenvolvedores de PLN precisam ir além de apenas entender o significado das palavras.

  • Eles precisam ensinar a máquina a ler as emoções humanas.
  • E também a lembrar do passado da conversa para não parecer um robô desmemoriado! Seu desafio é dar sentimentos à máquina!

🧠 Fundamentos: A Teoria Traduzida

😃 1. Análise de Sentimentos:

É a técnica de PLN que usa algoritmos para identificar e extrair informações subjetivas de um texto. Em termos simples: ela lê uma frase e diz se a pessoa está expressando um sentimento Positivo, Negativo ou Neutro.

  • Frase: “Eu amei o atendimento desse restaurante, nota !” Positivo ().
  • Frase: “O produto chegou quebrado e o suporte não responde.” Negativo ().
  • Frase: “O filme tem horas de duração.” Neutro ().

🧠 2. O Desafio do Contexto:

Um chatbot básico responde a cada pergunta de forma isolada. Mas uma conversa real exige memória!

  • Usuário: “Quem foi o primeiro presidente do Brasil?”
  • IA: “Foi Marechal Deodoro da Fonseca.”
  • Usuário: “Em que ano ele nasceu?”
  • Se a IA não tiver memória de contexto, ela não saberá quem é “ele”! Uma IA avançada mantém as últimas mensagens na memória para entender os pronomes.

4. 📖 Exemplo Guiado: Usando Análise de Sentimentos

As grandes empresas usam isso para monitorar as redes sociais:

  1. A IA lê milhão de tweets citando a marca.
  2. Ela classifica como Positivos e como Negativos.
  3. A empresa foca em responder e ajudar apenas os que estão bravos ou tristes!

5. 🛠️ Prática Obrigatória 1: Classificando o Sentimento

Faça o papel do algoritmo de Análise de Sentimentos e classifique as frases abaixo como Positivo, Negativo ou Neutro:

  1. “O jogo é legal, mas trava muito no meu celular.”
  2. “A entrega foi feita dentro do prazo estipulado.”
  3. “Odeio ter que acordar cedo na segunda-feira.”

6. 🛠️ Prática Obrigatória 2: Mantendo o Contexto

  1. Imagine que você está conversando com um chatbot de pizzaria. Você diz: “Quero uma pizza de calabresa”. Na mensagem seguinte, você diz: “Mande com borda recheada”. Como o chatbot sabe em qual pizza colocar a borda recheada se você não repetiu a palavra “calabresa”? O que ele usou?

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

  1. Faça o Commit: No GitHub Desktop, digite a mensagem (ex: Finaliza Capítulo 12 IA_Samantha) 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_12_samantha.md

💡 Checkpoint de Lógica

Para a IA entender ironia (como: “Nossa, que chuva maravilhosa para ir à praia”), ela precisa de modelos muito mais complexos que analisem o contexto cultural e não apenas as palavras isoladas!

10. 🔥 Desafio de Fixação

Pesquise o que são as IAs de voz que geram fala humana ultra realista (Dica: pesquise sobre a tecnologia de Text-to-Speech da OpenAI).

🔑 Gabarito de Código/Fórmulas

Gabarito da Prática 1:

  1. Negativo (ou Misto, mas puxando para o negativo pelo problema técnico).
  2. Positivo (Atendeu às expectativas).
  3. Negativo (Expressa frustração/raiva). Gabarito da Prática 2:
  4. Ele usou a Memória de Contexto! O sistema guardou a informação da mensagem anterior (que o pedido era uma pizza de calabresa) e aplicou a nova ordem (borda) sobre ela!

Capitulo Anterior | Proximo Capitulo