IBM Watson: aprenda tudo sobre a ferramenta de inteligência de dados

O IBM Watson é uma das mais fortes tendências quando o assunto são ferramentas que oferecem suporte para a aplicação de programação cognitiva em grandes quantidades de dados. 

Mas, afinal, vamos ao que interessa! Leia nosso guia completo sobre o IBM Watson e todas as funcionalidades desse stack.

O que é IBM Watson?

O IBM Watson é, na verdade, um conjunto de APIs (interface de programação de aplicações. 

Cada API que constitui a ferramenta é responsável por uma “especialidade” do serviço e você pode utilizá-la para criar seus próprios sistemas cognitivos.

 Para ficar ainda mais fácil, as APIs Watson estão disponíveis no Bluemix, a plataforma cloud da IBM, que também concentra vários outros serviços, inclusive de código aberto (open source). A diversidade de serviços oferecidos no Bluemix torna mais simples a construção de aplicações para o usuário, sem que seja necessário a instalação ou configuração desses serviços.

É possível visualizar alguns exemplos de uso da ferramenta na página da IBM Watson. Entre os mais populares, está o machine learning.

O que é Machine Learning? Entenda como funciona a tecnologia

Como faço para utilizar os serviços IBM Watson?

Para utilizar os serviços do IBM Watson é necessário criar uma conta na IBM Cloud. Você pode fazer isso acessando este link

Depois disso, você terá acesso ao console Bluemix. Nele, é possível visualizar todos os serviços ou aplicações que foram instanciados. Para isso, abra a sessão Dashboard, localizada no menu superior esquerdo. Uma tela semelhante a da imagem deverá ser exibida. 

Caso você tenha instanciado um serviço, e mesmo assim não consiga visualizá-lo no Dashboard, keep calm and don’t panic! Certifique-se de que seu Dashboard está configurado para a Região, o Cloud Foundry Org e o Cloud Foundry Space corretos. Essas opções são definidas quando um novo serviço é instanciado.

Para instanciar um novo serviço do Watson, acesse a aba Catalog e, em seguida, Watson. É possível visualizar todos os serviços e escolher qual você deseja instanciar. 

Os serviços podem ser subdivididos em 6 grupos de acordo com a área de abrangência:

  • Conversação
    • Conversation
  • Conhecimento
    • WKS
    • NLU
    • Discovery
  • Visão 
    • Visual Recognition
  • Voz 
    • Speech to Text
    • Text to Speech
  • Linguagem
    • Language Translator
    • NLC
  • Empatia
    • Personality Insights
    • Tone Analyzer

Vamos entender um pouco sobre cada um deles!

Este vídeo Oncase dá uma ideia da proposta da IBM para a ferramenta:

Oncase TV – Tudo que você precisa saber sobre o IBM Watson

  • Conversação

O Conversation é o serviço utilizado para construir chatbots. A modelagem ocorre utilizando entidades e intenções, e então, para cada requisição do usuário, a API retorna as características identificadas no input e uma resposta do chatbot ao usuário. O mapeamento de input em output é feito através de árvores de diálogo construídas por pessoas como você, que modelam o sistema.

Na página da própria IBM é possível analisar uma demonstração do serviço através do exemplo de Car Dashboard. Neste exemplo, o Watson Conversation é treinado para ser um guia inteligente, com base em um conjunto específico de capacidades que visam atender ao motorista de um carro.

Se você quiser brincar um pouco com a demonstração, é possível acessá-la aqui.

  • Conhecimento

Os serviços que abrangem esta área visam extrair informações dos registros de forma personalizada em processo de inteligência de dados

Para isso, a IBM dispõe de três ferramentas principais: o WKS (Watson Knowledge Studio), o Discovery e o NLU (Natural Language Understanding). De um modo geral, para muitas aplicações, o WKS será utilizado juntamente com o Discovery ou o NLU (ou até mesmo com os dois).

Mas para que posso utilizar esses serviços?

Vamos supor que você precisa analisar o histórico de medicamentos administrados em cada paciente de um dado hospital, categorizando os medicamentos de acordo com as suas respectivas finalidades de administração. Você possui o registro médico desses pacientes, e são muitos pacientes! Infelizmente, seria necessário trabalhar algumas boas horas a mais por dia para conseguir analisar todos esses registros . Então você pensa:

Como seria bom se tivesse uma ferramenta capaz de “ler” esses registros para mim, identificando esses medicamentos e já categorizando-os de acordo com a finalidade de aplicação!

Uma boa notícia para você: essa ferramenta existe! Você vai conseguir analisar os registros médicos e nem vai precisar fazer aquela hora extra. 

Como você fará isso? Através do WKS. Usando a plataforma é possível treinar um modelo de inteligência artificial ajustado para o domínio da sua aplicação. Nesse caso, você deve:

  1. Importar os Documentos: o registro médico dos pacientes.
  2. Definir um Type System: o Type System é um conjunto de definições importantes para a sua aplicação, composto por entidades e relacionamentos. Então, no seu caso, talvez seja interessante definir entidades que especifiquem os tipos de aplicações de medicamentos. Remédio para: “enxaqueca”, “pressão”, etc. Sendo que, “enxaqueca” seria uma entidade, “pressão” outra e assim sucessivamente.
  3. Anotar os Documentos: Um anotador humano deve anotar alguns documentos manualmente. Anotar documentos significa associar uma palavra ou conjunto de palavras a uma entidade específica. Por exemplo, você encontrou um registro médico que contém o medicamento Migraliv. Esse medicamento é administrado em pacientes que sofrem de enxaqueca, logo deve ser associado à entidade “enxaqueca”.
  4. Treinar o modelo: A partir dos documentos anotados, deve-se treinar o modelo de IA. Esse modelo pode servir de base para o pre-annotator ou, se estiver refinado o suficiente, pode ser aplicado a outros serviços como o NLU ou o Discovery.
  5. Rodar o pre-annotator: O pre-annotator é a mãozinha que você precisava para finalizar a anotação de todos os registros. Lembra que são muitos pacientes? Ele irá fazer uma anotação prévia dos registros, utilizando o modelo treinado anteriormente. As anotações feitas pelo pre-annotator podem ser verificadas por um anotador humano posteriormente para correção e refinamento. Em seguida, é possível treinar o modelo de IA novamente, voltando ao passo 4.

Quando o modelo estiver bom o suficiente para sua aplicação, é possível implementá-lo no NLU ou Discovery. O NLU será capaz de utilizar o modelo treinado no WKS para identificar metadados, como entidades e relações, em textos fornecidos a API. 

Já o Discovery funciona como um “buscador” cognitivo. O serviço é capaz de ingerir, enriquecer e armazenar dados não estruturados. O enriquecimento pode incluir os modelos treinados no WKS com o objetivo de tornar as consultas ainda mais personalizadas para o domínio da sua aplicação.

A imagem a seguir mostra um exemplo de anotação no WKS:

Já o NLU funciona de forma diferente. Nele, a resposta do serviço inclui detecção de sentimentos, emoções, palavras-chave, entidades, categorias, conceitos e papéis semânticos. 

O Discovery é capaz de entender consultas em linguagem natural. Por exemplo, fazemos uma pergunta: “quem é Harry Potter?”, daí  o serviço consulta então os documentos armazenados, e nos retorna algumas passagens que podem responder a nossa pergunta.

Vale lembrar que tanto o NLU quanto o Discovery possuem uma definição “padrão” e, portanto, podem ser utilizados independente do WKS. Nesse caso, o WKS é fundamental para ajustar esses serviços às especificidades da sua aplicação.

  • Visão

O Visual Recognition é um serviço que utiliza técnicas de deep learning para analisar o conteúdo de imagens. O serviço possui um conjunto de “classes padrão” que torna-o capaz de analisar o conteúdo de imagens, identificando palavras-chave que as descrevam.

Além de identificar o conteúdo de imagens utilizando as “classes padrão”, é possível treinar o Visual Recognition com amostras de imagens que você coletou, ajustadas para um domínio específico de aplicação, criando classificadores personalizados. Na página da IBM, você confere também a demonstração do Visual Recognition.

  • Voz

O Watson possui alguns serviços para integrar texto e voz: o Text to Speech e o Speech to Text. Enquanto o Text to Speech transforma um texto em voz, o Speech to Text, como é de se esperar, transforma voz em texto! 

Fácil, né? Esses serviços são bem simples e diretos de utilizar e não necessitam de nenhum treinamento adicional: basta instanciá-los no Bluemix e escolher o idioma. No caso do Text to Speech, dependendo do idioma, também é possível escolher a voz do interlocutor (se masculino ou feminino).

Legenda: A cadeia de funcionamento do IBM Watson Speech to text. Fonte: Induced.info

Vale lembrar que o uso geral desses serviços conta com um vocabulário baseado no diálogo cotidiano. Para alguns tipos de aplicação, no entanto, esse vocabulário pode não ser suficiente e requer refinamentos que o ajustem ao domínio da aplicação. Nesse caso, é possível ajustar o modelo de acordo com os termos e pronúncias utilizados naquele domínio.

Para experimentar o Text to Speech visite este link. Já o Speech to Text pode ser conferido aqui.

  • Linguagem

Neste rol de serviços encontramos o Language Translator e o NLC. O Language Translator traduz textos entre diferentes idiomas e pode ser facilmente inserido na sua aplicação. Teste-o aqui

Já o NLC (Natural Language Classifier), é capaz de identificar o tema-chave do conteúdo fornecido à API. Ele funciona assim: você fornece um texto e o NLC retorna a classe (tema) associada à uma porcentagem que indica o grau de confiança naquela classificação. Por exemplo:

O NLC pode ser treinado para oferecer melhores resultados em sua aplicação. Nesse caso, você deve submeter um conjunto de textos (geralmente sentenças mais curtas) e associá-los à respectiva classe. Em seguida, treinar o classificador. A imagem abaixo mostra como seria o treinamento, nela é possível visualizar as classes à esquerda e as sentenças à direita.

Experimente uma breve demonstração do NLC.

  • Empatia

Aqui encontram-se os serviços Personality Insights e Tone Analyzer. Ele  prevê características de personalidade, necessidades e valores a partir de textos escritos. Para isso, o texto deve conter palavras do cotidiano, descrevendo experiências diárias, pensamentos e preferências pessoais. Nessa página, é possível experimentar o serviço, que oferece como retorno uma breve visão geral da personalidade da pessoa, uma lista de características prováveis e improváveis, além da porcentagem relacionada aos traços de personalidade, necessidades e valores da pessoa em comparação com a população em geral. 

Por exemplo, se usarmos o Twitter de Oprah, vamos obter o seguinte retorno do Personality Insights:

O retorno indica que Oprah respeita mais as tradições do que 89% da população em geral, por exemplo. Já imaginou como isso pode ser útil para empresas interessadas em alavancar seus negócios com estratégias de inteligência artificial para vendas ajustadas para o seu público-alvo!? Legal, né?

O Tone Analyzer, por sua vez, realiza uma análise linguística para identificar tons de alegria, medo, tristeza, raiva, análise, confiança e tentativo. Além disso, é capaz de identificar sentenças “mais fortes” por tom, atribuindo a elas um score

De acordo com o serviço, é possível identificar dois tons: o analítico e o de tristeza. As partes sublinhadas no texto mostram o score (a força) com que o tom selecionado foi identificado.

Vale lembrar que os serviços de empatia não podem ser ajustados pelo usuário, e portanto, o treinamento fica por conta da IBM, diferentemente dos outros que vimos até agora, nos quais era possível adicionar novas informações visando ajustar e melhorar a qualidade da resposta gerada.

Como implementar inteligência de dados na sua empresa

E aí, curtiu nosso guia sobre o IBW Watson? Cada um desses serviços oferece suporte a configurações que visam potencializar os resultados fornecidos. 

Neste post, não entramos muito nos detalhes de cada um dos serviços, mas, em breve, podemos rodar uma matéria, explicando de forma mais aprofundada como eles funcionam.

Se você está interessado em aplicar tecnologias de inteligência artificial no seu negócio para otimizar seus recursos e aumentar as vendas, uma plataforma como o Scora Journey pode te ajudar.

Quer se aprofundar mais no assunto e assim melhorar os indicadores de venda? Converse com um especialista da Oncase para avaliar uma solução inteligente para sua companhia. Você tem interesse em desbravar ainda mais coisas do universo Watson? Então fique ligado no blog para mais novidades!

Tags:
Henrique Tavares
Henrique Tavares

No Comments

Write a Reply or Comment

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *