DATR é uma linguagem declarativa de representação de conhecimento projetada para codificar redes de herança padrão. Foi introduzida em 1989 por Roger Evans e Gerald Gazdar na Universidade de Sussex. A linguagem é usada em linguística computacional para representar conhecimento lexical, como propriedades morfológicas, sintáticas e fonológicas de palavras. DATR é um subcampo da inteligência artificial e é notável por sua semântica formal e suporte a herança padrão e múltipla.
Contexto histórico
DATR surgiu no final dos anos 1980, quando abordagens simbólicas dominavam a pesquisa em inteligência artificial. Instituições como MIT CSAIL, Laboratório de IA de Stanford e Universidade Carnegie Mellon estavam desenvolvendo sistemas de representação de conhecimento e formalismos baseados em lógica. Pesquisas na Xerox PARC e na Bell Labs contribuíram com trabalho fundamental em linguagens de programação e IA. Mais tarde, Pesquisa de IA de Berkeley e a Universidade de Toronto tornaram-se centros para abordagens conexionistas e estatísticas, que contrastavam com a tradição simbólica que produziu DATR.
Sintaxe e semântica
Em DATR, uma base de conhecimento consiste em um conjunto de nós, cada um contendo equações de caminho. Um caminho é uma sequência de átomos, e um nó pode definir valores para caminhos. Por exemplo, um nó para o substantivo "cachorro" pode especificar <root> = "cachorro" e <plural> = "cachorros". A herança padrão é alcançada ordenando equações, de modo que nós mais específicos substituam os mais gerais. A linguagem também suporta herança múltipla, onde um nó pode herdar de vários pais. A semântica formal de DATR é definida usando uma construção de ponto fixo mínimo sobre uma rede de herança global, o que garante um modelo único para qualquer base de conhecimento bem formada.
A linguagem tem uma sintaxe simples, sem variáveis. Caminhos são escritos como sequências de átomos entre colchetes angulares, e equações usam o sinal de igual. Nós podem ser definidos listando equações, e a herança é expressa referindo-se a outros nós. DATR também suporta herança ortogonal, onde diferentes caminhos podem herdar de diferentes pais independentemente.
Implementação
A implementação original de DATR foi escrita em Prolog, e a linguagem foi projetada para ser facilmente embutida em sistemas maiores de processamento de linguagem natural. Uma especificação formal de DATR foi publicada por Evans e Gazdar, fornecendo uma semântica denotacional que mapeia bases de conhecimento para modelos. Essa especificação permitiu que DATR fosse implementada em outras linguagens de programação, e várias versões posteriores foram desenvolvidas para fins de pesquisa.
Aplicações
DATR foi usada principalmente em linguística computacional para representar informação lexical. Foi um componente central do projeto ACQUILEX (1989-1993), que construiu bases de conhecimento lexicais multilíngues para inglês, italiano, holandês e espanhol. A linguagem também foi aplicada a pesquisas em morfologia, sintaxe e fonologia, onde a herança padrão captura naturalmente regularidades e exceções. Por exemplo, um nó geral de substantivo pode definir uma forma plural padrão, enquanto um nó específico para "criança" a substitui por "crianças". A codificação explícita de conhecimento lexical em DATR contrasta com os modernos grandes modelos de linguagem, que aprendem padrões estatísticos de grandes corpora. Também difere dos sistemas de IA generativa que produzem texto, pois DATR é um formalismo declarativo, e não um modelo generativo.
Influência e legado
Embora DATR não seja mais amplamente usada, continua sendo um exemplo importante de um formalismo simbólico de representação de conhecimento. Seus princípios de herança padrão e herança múltipla influenciaram linguagens de representação de conhecimento e ontologias posteriores. DATR é frequentemente contrastada com abordagens de aprendizado de máquina e aprendizado profundo, que dependem de redes neurais e transformadores. Sistemas modernos de IA, como os desenvolvidos pela OpenAI e Google DeepMind, são baseados em aprendizado profundo, e não em representação simbólica de conhecimento. DATR assim serve como um ponto de referência histórico para entender a mudança da IA simbólica para métodos estatísticos e conexionistas.