Conceptual dependency (CD) é uma teoria de compreensão de linguagem natural desenvolvida no final dos anos 1960 e início dos anos 1970 por Roger Schank e seus colegas na Universidade de Stanford e, posteriormente, na Xerox PARC. A teoria postula que o significado de uma sentença pode ser representado por um conjunto canônico e independente de linguagem de ações primitivas e papéis semânticos, em vez da sintaxe superficial da sentença. Essa representação permite que um sistema de IA faça inferências, responda perguntas e parafraseie texto de uma forma que captura o conteúdo conceitual subjacente.
A ideia central da CD é que todos os eventos e estados podem ser reduzidos a um pequeno conjunto de atos primitivos, como PTRANS (transferência física), MTRANS (transferência mental) e ATRANS (transferência abstrata). Cada ato está associado a um conjunto de papéis de caso, incluindo agente, objeto, receptor e instrumento. Por exemplo, a sentença "João deu um livro a Maria" seria representada como um ato ATRANS com João como agente, Maria como receptora e o livro como objeto. Essa representação é projetada para ser universal, o que significa que a mesma estrutura conceitual seria gerada independentemente do idioma ou da forma sintática da entrada.
Uma das principais motivações para a CD foi abordar o problema da inferência na compreensão de linguagem natural. Ao representar o significado em um nível conceitual, os sistemas poderiam aplicar regras de inferência para derivar informações implícitas. Por exemplo, a partir de "João deu um livro a Maria", um sistema baseado em CD poderia inferir que Maria agora possui o livro, porque o ato ATRANS implica uma mudança de posse. Essa capacidade foi demonstrada em programas de IA iniciais, como SAM (Script Applier Mechanism) e PAM (Plan Applier Mechanism), que usavam CD para compreender histórias e responder perguntas sobre elas.
Desenvolvimento Histórico
Roger Schank introduziu a conceptual dependency em seu artigo de 1969 "A Conceptual Dependency Representation for a Computer-Oriented Semantics" e a refinou ao longo dos anos 1970. A teoria foi desenvolvida no contexto da pesquisa em inteligência artificial em Stanford e, posteriormente, na Universidade de Yale, onde Schank fundou o Yale Artificial Intelligence Project. Os principais colaboradores incluíram Robert Abelson, que contribuiu com a noção relacionada de scripts, e Christopher Riesbeck, que trabalhou em parsing e geração.
Durante os anos 1970, a CD foi usada em vários sistemas influentes de compreensão de linguagem natural. O sistema MARGIE, desenvolvido por Schank e seus alunos, podia parafrasear sentenças e fazer inferências simples. O sistema SAM aplicava scripts para compreender histórias sobre situações comuns, como ir a um restaurante, e podia responder perguntas sobre elas. O sistema PAM usava planos e objetivos para compreender histórias envolvendo ações intencionais. Esses sistemas demonstraram o poder da CD para representar conhecimento e raciocinar sobre texto.
Componentes Centrais
A representação CD consiste em um conjunto de atos primitivos, cada um com um conjunto definido de papéis de caso. Os primitivos mais comumente citados incluem:
- PTRANS: transferência física de um objeto de um local para outro
- MTRANS: transferência de conteúdo mental (por exemplo, informação) entre mentes ou dentro de uma mente
- ATRANS: transferência de posse abstrata (por exemplo, propriedade, controle)
- INGEST: ingestão de um objeto por um ser animado (por exemplo, comer, beber)
- PROPEL: aplicação de força física
- GRASP: fixação física de um objeto a um ator
- EXPEL: expulsão de um objeto de um ser animado
- SPEAK: produção de sons ou fala
Cada ato está associado a um conjunto de papéis de caso, como agente, objeto, receptor, direção e instrumento. A representação também inclui estados, que são descritos usando um conjunto de primitivos de estado, como HEALTH (saúde), MENTAL-STATE (estado mental) e PHYSICAL-STATE (estado físico), com valores como positivo ou negativo.
Aplicações e Influência
A conceptual dependency teve uma influência significativa no campo do processamento de linguagem natural e da representação de conhecimento. Foi uma das primeiras tentativas de criar uma representação de significado independente da sintaxe superficial, um objetivo que permanece central na IA moderna. A ideia de usar ações primitivas e papéis semânticos é ecoada em estruturas posteriores, como FrameNet e VerbNet, que fornecem descrições estruturadas dos significados dos verbos.
Nos anos 1980 e 1990, a CD foi usada em interfaces comerciais de linguagem natural e em pesquisas sobre compreensão de histórias. No entanto, à medida que as abordagens estatísticas e de aprendizado de máquina ganharam destaque nos anos 1990 e 2000, a natureza artesanal da CD caiu em desuso. O avanço do aprendizado profundo e das redes neurais nos anos 2010 levou a uma mudança em direção a representações simbólicas explícitas, embora alguns pesquisadores continuassem a explorar abordagens híbridas.
Comparação com Abordagens Modernas
Os grandes modelos de linguagem (LLMs) modernos, como os desenvolvidos pela OpenAI e pelo Google DeepMind, aprendem representações de significado a partir de vastas quantidades de texto usando arquiteturas transformer. Diferentemente da CD, esses modelos não dependem de primitivos codificados manualmente ou regras de inferência explícitas. Em vez disso, eles aprendem representações distribuídas que capturam similaridades e relações semânticas. Embora os LLMs possam executar tarefas como resposta a perguntas e geração de paráfrases, suas representações internas são opacas e não facilmente interpretáveis.
A conceptual dependency, por outro lado, oferece uma representação transparente e composicional que suporta raciocínio explícito. No entanto, ela exige um esforço manual significativo para definir primitivos e regras, e tem dificuldade em capturar as nuances e a variabilidade da linguagem natural. Alguns pesquisadores argumentaram que uma combinação de abordagens simbólicas e neurais, como visto na IA neuro-simbólica, poderia aproveitar os pontos fortes de ambos os paradigmas.
Legado e Críticas
A conceptual dependency foi criticada por sua cobertura limitada e pela dificuldade de escalar para a linguagem do mundo real. O conjunto de primitivos nunca foi totalmente acordado, e a representação frequentemente exigia estruturas complexas que eram difíceis de manter. Os críticos também notaram que a CD era mais adequada a histórias simples e carecia da robustez necessária para aplicações mais amplas.
Apesar dessas críticas, a CD permanece uma contribuição histórica importante para a IA. Ela influenciou o desenvolvimento de scripts, planos e objetivos na compreensão de histórias, e destacou a importância da representação de significado no processamento de linguagem natural. A ênfase em inferência e geração de paráfrases antecipou muitas das capacidades que os sistemas de IA modernos buscam alcançar. A partir dos anos 2020, a CD é principalmente de interesse histórico, mas suas ideias continuam a informar a pesquisa em representação de conhecimento e raciocínio.