Novo software combina a compreensão lingüística com a observação da expressão facial
Brigitte Röthlein (DIE WELT online)
Trad.: zé pedro antunes
Munique - Permitir o entendimento "inteiramente normal" entre computador e ser humano, eis um projeto que o Ministério da Educação e Pesquisa do Governo Alemão persegue há pelo menos um ano. Sob o nome de SMARTKOM, doze grupos de pesquisadores da indústria, das instituições superiores de ensino e dos laboratórios trabalham no projeto. Recentemente, numa reunião em Munique, foi apresentado um primeiro protótipo, apto a responder corretamente a perguntas feitas em linguagem coloquial e a compreender determinados gestos. "Nós buscamos uma comunicação densa e fluente com o computador“, explica o diretor do projeto, Wolfgang Wahlster, do Centro Alemão de Pesquisa sobre Inteligência Artificial em Saarbrücken. "A compatibilidade entre o ser humano e a máquina precisa ser o máximo possível ajustada ao ser humano."
Em geral, para se comunicar com um computador, é preciso emitir comandos por teclado ou mouse, o que, sobretudo para pessoas com mais idade, é um limite de inconveniência incontornável. Mas existem agora cada vez mais computadores, publicamente disponíveis, capazes de transmitir informações a toda e qualquer pessoa, como por exemplo roteiros de viagem ou planos de vôo, bem como sobre a programação dos cinemas e dos teatros. O ideal, no caso, seria o computador poder compreender frases coloquiais e reagir à expressão corporal do usuário.
Na comunicação de ser humano para ser humano, trata-se de uma obviedade: Nós não nos entendemos apenas por meio da linguagem verbal. Mais que isso, observamos ao mesmo tempo o interlocutor, interpretamos sua expressão facial, seus gestos, levamos em conta o tom de voz e o ritmo da fala. Certas frases só adquirem o seu verdadeiro significado através dos gestos que as acompanham; outras só ficam realmente claras quando pronunciadas no tom de voz adequado. No ser humano, a determinação dos canais de comunicação e suas combinações acontece de forma inteiramente intuitiva. No caso, ele recorre à sua experiência de vida.
E é exatamente este o ponto no qual a máquina oferece problemas: ela não dispõe do conjunto dessa experiência, para arregimentar e ordenar corretamente uma quantidade de dados. É o que, hoje, os cientistas tentam ensinar ao computador. A compreensão da linguagem verbal foi um primeiro passo. Nos últimos anos, muita coisa se alcançou nesse sentido. Já existe, hoje, um programa que nos permite ditar textos a um computador. E qualquer instalação de som de um PC normal contém funções para a reprodução lingüística de textos eletronicamente armazenados.
Em muitos casos, os computadores já cumprem também tarefas especiais que lhes são comunicadas: no carro, escolhem o número de telefone desejado; na sala de operações, ligam e desligam bombas ou laser; nos aviões, assessoram os pilotos. Eles já traduzem cartas, auxiliam deficientes físicos e desafogam as centrais telefônicas. O mais das vezes, no entanto, o computador precisa antes ser treinado, para que ele possa, corretamente, entender o seu "dono".
Enquanto isso, nos últimos anos, foram surgindo no mercado computadores que apresentam reações a gestos: ao se tocar na tela, por exemplo, comandos podem ser emitidos. Mas a Virtual Touchscreen [tela de toque virtual], da Siemens, dá um passo adiante: a imagem projetada substitui a tela, e uma câmera observa o comportamento do usuário. O programa procede a uma análise dos seus movimentos, traduzindo-os em reações correspondentes. Assim, o dedo que aponta ou a cabeça que meneia fazem com que ele possa dirigir o andamento de uma exibição. Sistemas desse tipo se prestam à intervenção na medicina, onde, durante uma operação, sem tocar num aparelho não-esterilizado, o médico tira imagens de raio-X. São úteis ainda nos info-quiosques públicos, nos quais se podem colocar fora do alcance do usuário os sistemas dispendiosos, protegendo-os dessa forma contra o furto.
Num próximo passo, o Smartkom deve agora combinar a compreensão lingüística ao reconhecimento de gestos. Mais tarde virão ainda a inclusão dos movimentos oculares, bem como de um sensor de emoções. O objetivo é um assistente de comunicação inteligente. "A conexão de linguagem verbal e gestual permite aumentar a clareza das mensagens", explica Wahlster, "Se um computador não compreende cem por cento uma informação acústica, ele pode decodificá-la, a título de exemplo, por um movimento de mão do usuário."
O protótipo agora apresentado está em condições de oferecer informação sobre uma programação de cinema e - caso o usuário o deseje - fazer a reserva das entradas. Para escolher um lugar na platéia, por exemplo, basta dirigir-lhe a palavra ou apontar em direção à tela. Em comparação com um diálogo entre seres humanos, a capacidade deste computador pode até parecer ainda bastante precária, mas, mesmo assim, ele dá provas das aptidões do sistema.
Nos anos vindouros, os pesquisadores do Smartcom querem desenvolver três aparelhos de uso cotidiano: primeiro, dar continuidade ao desenvolvimento de uma cabine telefônica na qual seja possível a comunicação por telefone, câmera ou internet; segundo, um assistente de comunicação móvel, útil em viagens por exemplo; e, terceiro, um local de trabalho para o computador, feito sob medida para as necessidades pessoais do usuário. "Nossa visão é integrar um tal aparelho, por exemplo, na lâmpada da escrivaninha", diz Bernhard Kämmerer, que dirige, na Siemens, o campo da interação entre o ser humano e a máquina. E ele completa: "Também se podem pensar móveis interativos ou uma roupa que traga embutida a eletrônica. Em todo caso, os aparelhos precisam ser passíveis de utilização intuitiva, além de auto-explicáveis."
É grande o potencial de mercado para tais sistemas: sobretudo nos campos dos serviços de informação ou nos usos das centrais telefônicas, onde se requerem performances inovativas. Dessa forma, nas mensagens das centrais telefônicas dirigidas por computador, já contamos hoje com a utilização dos sensores de emoções. Eles analisam a velocidade da fala, a altura e o volume da voz de quem está chamando. Assim, a instalação reconhece quando este se comporta de forma neutra, insegura, entediada ou, sobretudo, irritada. Neste último caso, é preciso providenciar para ele, imediatamente, um interlocutor que seja mais humano.
|
