Publicado em: 21/07/2026

Protagonismo do INF na principal conferência mundial de PLN

O Processamento de Linguagem Natural (PLN) é uma área dedicada ao desenvolvimento de métodos computacionais capazes de processar, representar, compreender e gerar linguagem humana. Suas técnicas são aplicadas a problemas como tradução automática, classificação e sumarização de textos, recuperação de informações, sistemas de perguntas e respostas, reconhecimento de entidades e, mais recentemente, à construção de grandes modelos de linguagem (LLMs).

Sistemas de PLN precisam lidar com características próprias da linguagem humana, como ambiguidade, dependência de contexto, variações linguísticas, conhecimento implícito e diferenças entre domínios e idiomas. Além disso, questões como vieses presentes nos dados de treinamento, avaliação da qualidade das respostas e eficiência computacional passaram a ocupar espaço central na pesquisa da área.

É nesse contexto que a Association for Computational Linguistics (ACL) exerce papel relevante na comunidade científica internacional. O encontro anual da ACL, principal evento da associação, reúne pesquisas que apresentam novos algoritmos, modelos, conjuntos de dados, métodos de avaliação e análises sobre diferentes aspectos da linguagem computacional. O processo de revisão por pares é, portanto, uma etapa fundamental para avaliar a consistência metodológica, a contribuição científica e a relevância dos resultados apresentados.

Na 64ª edição do encontro anual da ACL, realizada entre os dias 2 a 7 de julho em San Diego, Califórnia (EUA), a Profa. Viviane Pereira Moreira, vice-diretora do Instituto de Informática da UFRGS, atuou como Co-Chairs do Comitê de programação do evento, considerado a principal conferência científica da área no mundo.

A participação da professora e vice-diretora na organização de um evento desse porte é um reconhecimento importante para a instituição: ao lado de pesquisadores de referência internacional como Maria Liakata (Queen Mary University of London), Jiajun Zhang (Chinese Academy of Sciences) e David Jurgens (University of Michigan), Viviane Moreira coordenou, ao longo de nove meses, todo o processo de avaliação científica da conferência. Foi a primeira vez na história da ACL que uma pesquisadora vinculada a uma universidade brasileira ocupou essa posição, considerada uma das de maior responsabilidade científica do evento.

O que está por trás do Processamento de Linguagem Natural

PLN combina conhecimentos de Linguística, Ciência da Computação, Estatística e Aprendizado de Máquina para desenvolver métodos capazes de analisar e produzir linguagem humana. Isso envolve desde problemas relativamente estruturados, como identificação de palavras, categorias gramaticais e entidades em um texto, até tarefas mais complexas, como determinar relações semânticas, interpretar o contexto de uma frase, responder perguntas, resumir documentos ou gerar textos.

Do ponto de vista computacional, uma das dificuldades fundamentais está em transformar a linguagem, que é simbólica, contextual e altamente variável, em representações que possam ser processadas por algoritmos. Abordagens contemporâneas utilizam representações vetoriais, nas quais palavras, trechos ou documentos são associados a pontos em espaços matemáticos de alta dimensão. Essas representações permitem que modelos aprendam relações estatísticas e semânticas a partir de grandes volumes de dados.

Uma mudança importante na área ocorreu com a adoção das arquiteturas Transformer, que utilizam mecanismos de atenção para determinar quais partes de uma sequência são mais relevantes para a representação de cada elemento. Diferentemente de abordagens que processavam uma sequência predominantemente de forma recorrente, os Transformers permitem modelar relações entre diferentes posições do texto de maneira mais eficiente e tornaram possível o treinamento de modelos com grande capacidade. A arquitetura passou a desempenhar papel central no desenvolvimento dos atuais modelos de linguagem.

Os modelos de linguagem aprendem padrões de uso da língua a partir de grandes coleções de textos. Durante o treinamento, o modelo ajusta seus parâmetros para representar regularidades estatísticas da linguagem e, em diferentes arquiteturas e objetivos de treinamento, pode aprender relações sintáticas, semânticas e contextuais. Essa capacidade pode posteriormente ser utilizada em tarefas específicas, seja por meio de treinamento adicional, seja pela adaptação do modelo a diferentes instruções e contextos.

Esse processo também explica por que o desempenho de um sistema de PLN não pode ser analisado apenas pela capacidade de produzir textos aparentemente coerentes. A pesquisa contemporânea investiga questões como generalização, factualidade, robustez, interpretabilidade, vieses, eficiência computacional e comportamento em diferentes idiomas e domínios. Um modelo pode apresentar alto desempenho em um conjunto de testes e, ainda assim, apresentar limitações quando submetido a situações diferentes das observadas durante seu treinamento.

Outro desafio é a avaliação científica dos modelos. Dependendo do problema, pesquisadores podem utilizar métricas automáticas, avaliações humanas, testes de generalização, análises de erros e conjuntos de dados especificamente construídos para medir determinadas capacidades. Em tarefas de geração de linguagem, por exemplo, a avaliação é particularmente complexa porque diferentes respostas podem ser igualmente adequadas, tornando insuficiente a comparação baseada em uma única métrica.

A dimensão multilíngue também é um problema científico importante. Modelos treinados predominantemente com dados de idiomas com maior disponibilidade de recursos podem apresentar desempenho significativamente diferente em línguas com menos dados digitais. A pesquisa em PLN busca, portanto, desenvolver métodos capazes de lidar com diversidade linguística, transferência entre idiomas e situações de baixa disponibilidade de dados. A programação da ACL 2026 inclui explicitamente pesquisas sobre multilinguismo, diversidade linguística e métodos para cenários de poucos recursos.

Além disso, os sistemas atuais estão cada vez mais integrados a outras modalidades. Pesquisas de PLN multimodal investigam a relação entre linguagem e informações provenientes de imagens, áudio, vídeo e outros tipos de dados. Da mesma forma, modelos de linguagem vêm sendo estudados em sistemas de recuperação de informação, agentes computacionais, robótica e aplicações científicas e biomédicas. Esses avanços ampliam o problema de representar apenas texto para o desafio de relacionar linguagem a informações sobre o mundo.

Nesse cenário, a ACL reúne uma comunidade que trabalha não apenas no desenvolvimento de novos modelos, mas também em questões fundamentais sobre como representar a linguagem, como avaliar sistemas de IA e quais limitações podem ser identificadas nos métodos existentes.

Um processo de escala monumental

Nesse contexto, a Profa. Viviane Moreira esteve na coordenação do processo de avaliação da conferência, que recebeu cerca de 12 mil artigos submetidos por pesquisadores de todo o mundo, estabelecendo um novo recorde de participação. A coordenação foi responsável por supervisionar milhares de revisores e editores de área e organizar toda a programação técnica do evento.

“Foi uma experiência intensa, com inúmeros desafios, incluindo coordenar o processo de avaliação de submissões, decidir quais artigos aceitar, montar o programa do evento e lidar com as incontáveis dificuldades que surgem em um processo que envolve dezenas de milhares de pessoas”, relata Viviane.

Relevância para o INF

PLN está no centro de algumas das transformações tecnológicas mais significativas da atualidade. Os grandes modelos de linguagem que sustentam assistentes conversacionais, ferramentas de tradução automática e sistemas de recuperação de informações têm suas bases científicas justamente nas pesquisas discutidas e validadas em conferências como a ACL. Ocupar uma posição central na organização desse encontro significa, portanto, estar na linha de frente das decisões que moldam os rumos científicos de uma área que hoje influencia diretamente a forma como pessoas e empresas se relacionam com a tecnologia.

Nesse contexto, a atuação da Profa. Viviane Moreira como Chair do Cômite de Programa da ACL 2026 reforça a presença do INF em posições de liderança nas principais instâncias científicas internacionais de PLN. Para o Instituto, o feito representa não apenas reconhecimento pessoal à trajetória da pesquisadora, mas também maior visibilidade internacional para os grupos de pesquisa em PLN e IA da instituição, com potencial de fortalecer parcerias, atrair estudantes de pós-graduação e ampliar a projeção das pesquisas desenvolvidas na instituição.