KEML Aprendizado de Máquina Enriquecido por Conhecimento para Raciocínio sobre Dados Oceânicos

Combinando aprendizado baseado em dados e raciocínio baseado em conhecimento para responder consultas complexas sobre a Amazônia Azul.

Líderes: Fabio Cozman and Eduardo Tannuri

Avanços recentes em IA têm dependido do processamento paralelo de imensos conjuntos de dados para obter, por meio de otimização, modelos de grande porte. Avanços adicionais serão possíveis ao se trazer representação do conhecimento e técnicas de planejamento de modo a tornar o aprendizado mais eficiente, menos frágil e livre de vieses.

Nesse contexto, investigamos agentes conversacionais que podem responder a perguntas de alta complexidade. Conversas com tais agentes devem incluir argumentos, causas, explicações e raciocínios; devem também ser possível conduzir uma conversa ao longo do tempo e com um objetivo definido, levando em consideração os desejos e as intenções do usuário. No geral, esses agentes conversacionais são um laboratório para estudar a conexão entre o aprendizado de máquina baseado em dados e o raciocínio e planejamento baseados no conhecimento.

Nosso objetivo é desenvolver uma estrutura que também possa acomodar, com mínimo esforço, mudanças no domínio de interesse. Ou seja, módulos de interface e raciocínio, bem como serviços relacionados a bases de conhecimento, devem ser gerais o suficiente para que possam ser aplicados a variados domínios.

Estamos desenvolvendo um agente conversacional especialista em conversação para um domínio selecionado, a fim de testar nossas ideias. Estamos concentrando esforços em um grande desafio: construir um agente de conversação útil que domine todo o conhecimento existente sobre a Amazônia Azul, a vasta região do oceano Atlântico na costa brasileira, rica em biodiversidade e recursos energéticos.

Objetivos

O objetivo concreto deste projeto é desenvolver uma estrutura para agentes conversacionais que possam responder a consultas de alto nível ao longo do tempo em um domínio particular, incluindo questões, argumentos, causas, explicações, inferências e planos sobre tarefas específicas. Estamos construindo um especialista em conversação sobre a Amazônia Azul para testar esta tecnologia; esperamos desenvolver ferramentas gerais que não sejam excessivamente vinculadas a um domínio particular, de modo que possam ser especializadas para qualquer domínio de interesse. Um objetivo mais amplo é investigar como esses agentes conversacionais podem se beneficiar simultaneamente de técnicas baseadas em dados e em conhecimento.

O BLue Amazônia Brain (BLAB) pretende incorporar toda a informação existente sobre a Amazônia Azul, tanto capturando conhecimento técnico na forma de regras e fatos quanto processando fontes de dados disponíveis a partir de sensores e de informações textuais, incluindo artigos científicos e informações de jornais.

Equipe

  • Nome

    Afiliação

  • Adré Luiz Rosa Teixeira
    UFMG
  • Adriana Pagano
    UFMG
  • Anarosa Alves Franco Brandão
    EP-USP
  • André Seidel Oliveira
    EP-USP
  • Anna Helena Reali Costa
    EP-USP
  • Caio Fabricio Deberaldini Netto
    EP-USP
  • Caio Noboru Asai
    EP-USP
  • Claudio Pinhanez
    IBM
  • Denis Deratani Mauá
    IME-USP
  • Edson Satoshi Gomi
    EP-USP
  • Eduardo Aoun Tannuri
    EP-USP
  • Enzo Bustos da Silva
    EP-USP
  • Fabio G. Cozman
    EP-USP
  • Felipe Marino Moreno
    EP-USP
  • Flávio Nakasato
    EP-USP
  • Gabriel Okamoto Carlos
    EP-USP
  • Glauber de Bona
    EP-USP
  • Jaime Simão Sichman
    EP-USP
  • João Gabriel Moura Campos
    EP-USP
  • Karina Valdivia Delgado
    EACH-USP
  • Leliane Nunes de Barros
    IME-USP
  • Marcelo Archanjo
    IEA
  • Marcelo Dottori
    USP-IO
  • Marcos Menon Jose
    EP-USP
  • Paulo Pirozelli
    IEA
  • Pedro de Moraes Ligabue
    EP-USP
  • Reinaldo Augusto da Costa Bianchi
    FEI
  • Renata Wassermann
    IME-USP
  • Rossana Cunha
    UFMG
  • Sarajane Marques Peres
    EACH-USP
  • Stéfano Spindola
    EP-USP
  • Thiago Castro Ferreira
    UFMG
  • Valdinei Freire da Silva
    EACH-USP
  • Victor Hugo Nascimento Rocha
    EP-USP
  • Gustavo Alencar Bisinotto
    EP-USP
  • Luiz Andre Schiaveto Neto
    EP-USP
  • Thiago Pereira Bueno
    IME-USP
  • Alexandre Ryugi Inoue
    IO-USP
  • Laura Criado Motheo
    Gamb-USP
  • Leticia Figueiredo
    IO-USP
  • Nathalia Kushiyama Gomes de Souza
    IO-USP
  • Rodrigo Tavares
    EP-USP
  • Ruanitto Roberto Docini
    EACH-USP