Lorsque Graça a commencé à travailler dans la région dans les années 1980, il était nécessaire de fournir un arsenal d’informations sur la langue portugaise afin que les machines puissent la traiter, que ce soit pour interagir avec les humains ou pour les corriger. Une partie de ce travail consistait à classer les mots selon les dix classes grammaticales : verbe, nom, adjectif, pronom, article, numéral, préposition, conjonction, interjection et adverbe.
C’est ainsi qu’a été construit un correcteur automatique, capable d’identifier, par exemple, quand un verbe n’était pas correctement conjugué et des corrections pouvaient être proposées. A cette époque, chaque décision prise par les machines était vérifiable : lorsque le correcteur identifiait un problème dans l’écriture, il suffisait d’entrer le code du programme et de voir, étape par étape, ce qui avait conduit au classement de l’erreur. S’il était nécessaire d’améliorer quelque chose, les programmeurs n’avaient qu’à accéder aux tableaux, textes et autres ressources disponibles dans les bases de données, où la connaissance de la langue avait été enregistrée.
Le dilemme est que toutes les connaissances ne peuvent pas être représentées dans ces bases de données. Séparer les mots en classes grammaticales est une tâche relativement simple, mais comment apprendre à une machine à comprendre les subtilités de la langue portugaise et à interpréter les nombreuses significations qu’un texte peut avoir ?
Pensez à la façon dont un enfant apprend à parler sa langue maternelle. Pas besoin de lui donner des cours de grammaire. Elle apprend de l’expérience quotidienne de l’utilisation de la langue, du contact avec d’autres locuteurs, des interactions socioculturelles établies. Si les gens autour disent « on y va », il est très naturel qu’elle répète cette construction quand elle veut dire la même chose. L’enfant ne sera initié aux verbes, noms, adjectifs, pronoms, articles, chiffres, prépositions, conjonctions, interjections et adverbes que bien plus tard.
Pourquoi alors ne pas utiliser ce même modèle pour enseigner les machines ? Car il fallait, pour cela, des équipements capables de traiter de grandes quantités de données. Cela permettrait de donner aux machines une autre munition : une infinité de textes pour qu’elles identifient, par elles-mêmes, les schémas de la langue et puissent les répéter, comme un enfant qui apprend à parler.
― Avec l’avancement technologique du matériel et les différentes méthodes statistiques et neuronales d’apprentissage des modèles et des prédictions par les modèles, la représentation des connaissances dans presque tous les systèmes d’intelligence artificielle, y compris ceux pour le traitement du langage naturel, a été remplacée par des modèles tirés d’énormes quantités de données.
Graça explique que cette transformation a été à l’origine de l’incroyable développement des solutions automatiques actuelles pour le langage humain, actuellement présentes dans des applications telles que WhatsApp, Telegram, dans des plateformes de traduction automatique telles que Google Translate, dans des solutions conversationnelles telles que des chatbots et dans des assistants virtuels.
