Modelos neurais modulares para aquisição de linguagem natural

Abstract

A produção e utilização de linguagem natural é uma das mais marcantes habilidades humanas. Ela permite trocar ideias, conhecimento e emoções de maneira eficaz. Desvendar os mecanismos que tornam seres humanos capazes de lidar com linguagem, pode trazer avanços em inúmeras áreas do conhecimento, possibilitando ainda aplicações práticas que melhorem a interação humano-computador. Porém, apesar dos esforços da comunidade científica, a maneira como os seres humanos processam linguagem ainda é pouco compreendida. A abordagem proposta pela robótica desenvolvimentista sugere que a linguagem natural pode ser aprendida por agentes incorporados através de suas interações com o ambiente e com seus instrutores. Estas interações poderiam proporcionar ao agente a possibilidade de aprender continuamente sobre a linguagem, associando estímulos do ambiente com palavras. Esta Tese apresenta uma arquitetura modular de aquisição de linguagem natural por agentes incorporados. No centro desta arquitetura encontra-se um conjunto de módulos neurais com aprendizagem não-supervisionada, que realiza funções essenciais para a aquisição de linguagem natural, tais como a aprendizagem de conceitos, contextos, palavras e das associações entre esses elementos. Estes módulos foram propostos consolidando evidências de três áreas do conhecimento e validados através da reprodução de padrões de aprendizagem reportados em três importantes estudos realizados com pessoas. O modelo proposto pode ser aplicado na proposição e teste de novas hipóteses e paradigmas experimentais, contribuindo para compreensão dos mecanismos envolvidos na aprendizagem, e pode servir como base para o desenvolvimento de agentes incorporados que aprendem linguagem natural.