9. O dataset: personalidade

Um modelo aprende a partir de exemplos. O conjunto de exemplos chama-se dataset (base de dados). Se você mostrar a ele milhares de receitas, ele aprende a escrever receitas. Se mostrar frases sarcásticas de robô, ele aprende a ser um robô sarcástico.

Então o dataset é onde a personalidade nasce. Vamos dar ao nosso robô um humor sarcástico, preguiçoso e engraçado — e ele vai "falar" em inglês (uma escolha técnica: em inglês as palavras se quebram em menos pedaços, o que facilita para um modelo minúsculo).

As situações do robô (os marcadores)

O robô percebe um punhado de situações com seus sensores. Para cada uma, damos um marcador — uma etiqueta entre < >:

Marcador	Situação
<start>	acabou de ligar
<explore>	andando livre, sem obstáculo
<obstacle>	detectou algo à frente
<turn_left>	virou à esquerda
<turn_right>	virou à direita
<backup>	recuando
<stuck>	preso, bateu no mesmo canto
<clear>	o caminho abriu de novo

O formato do dataset

Cada linha do dataset é um par marcador + frase, assim:

<obstacle> Oh look, a wall. Groundbreaking discovery. Turning.
<obstacle> Great. Something to avoid. As if I wanted to move anyway.
<explore> Rolling along. Look at me, doing the bare minimum.
<stuck> Oh wonderful, I'm stuck. This is fine. Everything's fine.

Damos muitas frases diferentes para o mesmo marcador (umas 11 a 12 de cada). Por quê? Para o robô não virar um papagaio que repete sempre a mesma coisa. Com variedade, cada situação pode gerar uma reclamação diferente — e aí ele parece vivo.

Faça você mesmo. Crie um arquivo de texto chamado robot_voice.txt dentro da pasta data, e escreva suas frases, uma por linha, no formato acima. Capriche no sarcasmo! Quanto mais frases (e mais variadas), melhor o robô vai falar. Um bom ponto de partida são ~90 frases; mais para a frente veremos como expandir.

---