Machine-Learning

NLTagger é a API da Apple para análise de sentimento. Está integrada no iOS e macOS, roda on-device, não precisa de servidor, e está a três linhas de código de distância. É a primeira coisa que você encontra quando busca “sentiment analysis Swift”. Isso é o que ela retorna para texto que qualquer desenvolvedor escreveria num dia normal: Mensagem NLTagger Realidade “delete the temp file” -0.8 Instrução neutra “ok” -0.8 Confirmação neutra “run make test” -0.6 Instrução neutra “commit and push” -0.4 Instrução neutra “great job, thanks!” +1.0 Positivo (correto) “this is fucking broken” -1.0 Negativo (correto) A escala vai de -1.0 (muito negativo) a +1.0 (muito positivo). Segundo a Apple, “delete the temp file” tem quase a mesma carga emocional que “this is fucking broken”. E “ok” – a resposta mais neutra da língua inglesa – pontua -0.8. ...

O Google publicou o TurboQuant em 24 de março. Em 48 horas o paper tinha 575 pontos no Hacker News, as ações da Micron caíram 900 milhões de dólares, e a TechCrunch o comparava com o algoritmo da Pied Piper de Silicon Valley. Um mês depois, a névoa do hype se dissipou o suficiente para responder as únicas perguntas que importam: funciona? Posso usar hoje? E a que ninguém quer fazer: é realmente novo? ...

Imagine que você está construindo um app que analisa conversas de uma equipe de desenvolvimento. A ideia é detectar se o tom da equipe é saudável ou se há sinais de estresse. Você utiliza o NLTagger da Apple porque ele está disponível, é gratuito, funciona on-device e não precisa de servidor. Três linhas de código e tudo parece resolvido. Primeira surpresa: a frase “kill the process and restart the daemon” recebe uma pontuação de -0.6. Negativa. Quase hostil. “Fatal error in memory allocation” ganha um -0.8. E “crash report uploaded successfully” — que literalmente é uma boa notícia — gera um -0.4. ...