# Tasaract — Davut Emre Taşar > Comece por uma pergunta e siga os links até o projeto, as evidências que o sustentam e a fonte original. ## O tesseracto de Emre Boas-vindas. Do tom de uma frase em turco a uma medição quântica, estas são as perguntas a que sempre volto. ### [O próximo passo de um programa](https://tasaract.com/pt/?scene=project%3Ameaning-native-computing#journey) No projeto Meaning-Native Computing, investigo se conhecer as regras de um programa ajuda a prever a próxima instrução. Uma verificação independente determina se ela pode ser executada. [Fonte original](https://tasaract.com/en/#meaning-native-computing) ### [O tom de uma avaliação em turco](https://tasaract.com/pt/?scene=repository%3Aturkish-binary-reviews#journey) · 2021 Treinei um modelo BERT para distinguir avaliações positivas de negativas em turco. Em 2022 publiquei outro modelo que também reconhece uma avaliação neutra. [Fonte original](https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews) ### [Ouvindo o turco](https://tasaract.com/pt/?scene=work%3Aturkish-asr#journey) · 2024 Usamos gravações do Common Voice para ensinar um modelo de fala, já treinado em 53 línguas, a transcrever o turco. Nas gravações reservadas para o teste, a taxa de erro por palavra foi de 23%. [Fonte original](https://dergipark.org.tr/en/pub/acin/article/1338604) ### [Qual a largura de uma previsão?](https://tasaract.com/pt/?scene=repository%3Aregression-atlas#journey) · 2026 Um intervalo muito amplo tem boas chances de incluir o valor real. Comparei 67 conjuntos de dados para descobrir com que frequência cada método acertava e de que largura precisava para isso. [Fonte original](https://github.com/detasar/regression-conformal-prediction-research-atlas) ### [Quais casos vão para revisão?](https://tasaract.com/pt/?scene=work%3Acoverage-deferral#journey) · 2025 Na minha simulação com os dados do Adult, calibrar cada grupo separadamente aproximou suas taxas de cobertura. Ao mesmo tempo, aumentou a diferença entre os grupos na frequência dos casos encaminhados para revisão humana. [Fonte original](https://www.preprints.org/manuscript/202512.2631) ### [Dois qubits, quatro resultados](https://tasaract.com/pt/?scene=work%3Aquantum-conformal#journey) · 2025 A medição de dois qubits pode dar quatro resultados diferentes. Usei exemplos anteriores para estimar em conjunto a incerteza das quatro probabilidades e depois testei essas estimativas com novos dados. [Fonte original](https://journals.gen.tr/index.php/jqtair/article/view/2702) ### [Agrupar clientes em meio ao ruído](https://tasaract.com/pt/?scene=patent%3A2026-004441#journey) · 2026 Os grupos que encontramos em dados financeiros são estáveis? No pedido TR 2026/004441, propomos usar agrupamento quântico para formar esses grupos e predição conformal para quantificar a incerteza. [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) ### [Uma fresta da largura de um dedo](https://tasaract.com/pt/?scene=patent%3A2023-011901#journey) · 2023 Nosso pedido de patente na Turquia descreve um microrrobô articulado que poderia levar uma câmera e um cabo por entre os escombros. O pedido internacional da mesma invenção foi publicado em 2025. [Fonte original](https://patents.google.com/patent/TR2023011901A2/en) ### [Quando o agente diz “pronto”](https://tasaract.com/pt/?scene=work%3Aagent-chronicle#journey) · 2026 Criei o Agent Chronicle para conseguir reconstituir uma sessão de programação. Posso partir de uma decisão, conferir os arquivos que mudaram e abrir as verificações que sustentam o resultado. [Fonte original](https://github.com/detasar/agent-chronicle-community) ### [Um modelo pode consertar outro?](https://tasaract.com/pt/?scene=work%3Aweight-editing#journey) · 2026 Quando deixei modelos de linguagem alterar um classificador danificado, em um teste a acurácia balanceada subiu um pouco e a global caiu. Com o SmolLM2 intacto, as buscas selecionaram os pesos originais. [Fonte original](https://github.com/detasar/llm-weight-editing-study) ## Por onde começar - [Um computador consegue prever melhor quais instruções serão executadas a seguir se conhecer as regras do programa?](https://tasaract.com/pt/#meaning-native-computing) — Meaning-Native Computing - [Quem passa por uma segunda análise?](https://tasaract.com/pt/work/coverage-deferral/) — Cobertura e encaminhamento para revisão (Preprint) - [O que um número limitado de medições permite concluir?](https://tasaract.com/pt/work/quantum-conformal/) — Incerteza nas medições quânticas (Artigo em periódico) - [O agente de programação diz que terminou. O que mudou?](https://tasaract.com/pt/work/agent-chronicle/) — Agent Chronicle (Repositório) ## Nesta edição - [Guia em texto](https://tasaract.com/pt/guide/) - [Grafo de conhecimento](https://tasaract.com/pt/graph/) - [Perfil](https://tasaract.com/pt/profile/) ## Sobre mim Sou cientista de dados no BBVA, na equipe de AI Innovation, que faz parte da área de AI Transformation. No doutorado na Universidade de Navarra, estudo como medir e reduzir a incerteza dos modelos de IA para tornar mais justas as decisões dos bancos. Sou de İzmir, na costa turca do mar Egeu. Eu era engenheiro civil até que, como em Skyrim, levei uma flechada no joelho. Troquei o capacete de obra pelo jaleco e hoje sou cientista de dados na equipe de AI Innovation do BBVA em Madri. No doutorado na Universidade de Navarra, estudo como medir e reduzir a incerteza dos modelos de IA para que os bancos tomem decisões mais justas. No Strategic Management Executive Programme de Oxford, olhei para essa incerteza do ponto de vista de quem precisa decidir. Gosto de encontrar ligações entre ideias que parecem distantes. A matemática abstrata, a física quântica e a filosofia me levam à mesma pergunta. Depois de medir alguma coisa, o que podemos dizer que sabemos? Aos poucos vou conhecendo Madri, aprendendo espanhol e descobrindo as culturas da Espanha e da América Latina. Também gosto de pintar e jogar xadrez. Em casa, faço muito café. Tenho uma pequena darbuka, uma kalimba e uma Zanpakuto inspirada em Bleach que uso para praticar kendo. Sempre que posso, invento uma história engraçada para a minha filha pequena. [Minha máquina de espresso favorita.](https://tasaract.com/pt/#espresso) [Uma foto da apresentação da minha pesquisa de doutorado nas V Jornadas Científicas de DATAI, na Universidade de Navarra.](https://tasaract.com/pt/#scholar) Em 2024, recebi o prêmio We Think Big do BBVA pelo meu trabalho com patentes e pelas minhas contribuições acadêmicas. · [Ver a foto do prêmio](https://tasaract.com/pt/#we-think-big) - [GitHub](https://github.com/detasar) - [Hugging Face](https://huggingface.co/emre) - [Scholar](https://scholar.google.com/citations?user=IZZM_JAAAAAJ) - [LinkedIn](https://www.linkedin.com/in/detasar/) - [X](https://x.com/mehanixs) - [ORCID](https://orcid.org/0000-0002-7788-0478) - [Universidade de Navarra](https://www.unav.edu/web/instituto-de-ciencia-de-los-datos-e-inteligencia-artificial/equipo#:~:text=Enhancing%20Fairness%20in%20AI%20Systems) ## [Quatro perguntas do meu caderno](https://tasaract.com/pt/#idea-notebook-title) ### Ontologias e estruturas de dados O que muda no grafo quando um trem atrasa? Uma estação é um lugar e uma partida é um evento. Se eu usar um tipo de nó para cada um e registrar a fonte de cada horário, consigo rastrear quais conexões um único atraso afeta? Imagine dois trens com saída prevista para as nove na mesma estação. Em um grafo, posso representar a estação uma única vez e dar uma identidade própria a cada partida. Assim dá para atualizar o horário de um trem sem mexer no do outro. Eu guardaria tanto o horário previsto quanto o atualizado, junto com a fonte de cada um. Se uma partida passar das nove para as nove e dez, posso seguir as ligações daquela partida para saber quais baldeações precisam ser revistas. Um único horário para toda a estação apagaria essa diferença. [RDF 1.1 · W3C](https://www.w3.org/TR/rdf11-concepts/) ### [Meaning-Native Computing](https://tasaract.com/pt/#meaning-native-computing) Um computador consegue prever melhor quais instruções serão executadas a seguir se conhecer as regras do programa? Meaning-Native Computing é meu projeto de pesquisa independente. Quero comparar dois métodos de previsão com o mesmo programa e recursos computacionais semelhantes. Um deles também recebe uma descrição explícita das regras que o programa precisa seguir. Isso ajuda a antecipar os próximos passos? Antes que uma mudança prevista entre em vigor, uma verificação independente precisa confirmar que ela respeita essas regras. Neste projeto de pesquisa independente, quero comparar dois métodos que observam a execução do mesmo programa e dispõem de recursos computacionais semelhantes. Um deles recebe também uma ontologia executável, ou seja, uma descrição das regras do programa em uma forma que o computador consegue aplicar. Conhecê-las ajuda a prever quais instruções serão executadas em seguida? As regras podem permitir dois passos diferentes. Nesse caso, um método pode errar a previsão mesmo respeitando todas elas. Quero comparar a previsão com o passo que o programa realmente dá. Antes de aplicar uma mudança proposta, uma verificação independente precisa confirmar que ela é permitida. ### Teoria das categorias O que se preserva quando componho duas transformações? Um processo transforma a tabela de horários em um grafo. Outro encontra uma rota nele. Ao compor os dois, como preservo a ligação de cada horário com sua estação? Um processo transforma uma tabela de horários em um grafo. Outro encontra uma rota nesse grafo. Encadear os dois é um exemplo de composição. Quero saber se, na rota final, ainda consigo ligar cada horário à estação certa. Suponha que duas estações tenham, cada uma, uma partida às nove. Se a primeira etapa guardar a hora e descartar a estação, a busca pela rota não conseguirá recuperar essa relação só com a hora. Até uma pequena tabela de horários faz pensar no que cada etapa precisa passar adiante. [Seven Sketches in Compositionality](https://arxiv.org/abs/1803.05316) ### Medição quântica E se eu fizesse outra pergunta ao mesmo qubit? Preparo o estado “+”. Na base X, a medição sempre dá +. Na base Z, 0 e 1 têm a mesma probabilidade. Acho fascinante que a escolha da medição mude a resposta mesmo quando o preparo é idêntico. Imagine que eu prepare de novo um qubit no estado “mais” antes de cada medição. Na base X, uma medição ideal sempre dá “mais”. Com a mesma preparação, uma medição na base Z dá 0 ou 1 com a mesma probabilidade. Dez medições na base Z podem dar sete zeros e três uns. Cada tentativa tem 50% de chance de dar zero, mas isso não fixa quantos zeros vão aparecer em dez. É fácil perder de vista essa diferença quando se olha para uma sequência curta de resultados. [Quantum Information · IBM](https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/quantum-information) [Specify observables in the Pauli basis · IBM Quantum Documentation](https://quantum.cloud.ibm.com/docs/en/qiskit/specify-observables-pauli) ## Atlas de pesquisa ### [Incerteza](https://tasaract.com/pt/#topic-uncertainty) Um modelo consegue reconhecer os próprios limites? Uso predição conformal para medir com que frequência um conjunto de previsões inclui a resposta correta e para entender quando uma pessoa deve assumir a decisão. - [Cobertura e encaminhamento para revisão](https://tasaract.com/pt/work/coverage-deferral/) - [Incerteza nas medições quânticas](https://tasaract.com/pt/work/quantum-conformal/) - [Regression Conformal Prediction Research Atlas](https://tasaract.com/pt/lab/regression-atlas/) ### [Equidade](https://tasaract.com/pt/#topic-fairness) Quem arca com o custo da incerteza? Investigo como diferentes grupos são afetados pelas estimativas de incerteza e pelo encaminhamento de casos para revisão humana. - [Cobertura e encaminhamento para revisão](https://tasaract.com/pt/work/coverage-deferral/) - [Fairness Metrics](https://tasaract.com/pt/lab/fairness-metrics/) ### [Sistemas de agentes](https://tasaract.com/pt/#topic-agents) Como saber o que um agente realmente fez? Crio ferramentas que permitem acompanhar decisões automatizadas e examinar as evidências de cada ação. - [Agent Chronicle](https://tasaract.com/pt/work/agent-chronicle/) - [Um assistente que também executa ações](https://tasaract.com/pt/work/chat-assistant/) - [BIRD · Text-to-SQL experiments](https://tasaract.com/pt/lab/bird-sql/) ### [Computação quântica](https://tasaract.com/pt/#topic-quantum) O que podemos aprender com uma medição? Estudo a calibração estatística de medições quânticas, a detecção de anomalias e o que acontece quando mudam as condições de avaliação. - [Incerteza nas medições quânticas](https://tasaract.com/pt/work/quantum-conformal/) - [TARA e anomalias quânticas](https://tasaract.com/pt/work/tara/) - [Quantum Time Experiment](https://tasaract.com/pt/lab/quantum-clocks/) ### [Invenções](https://tasaract.com/pt/#topic-invention) Qual deve ser o tamanho de um robô de resgate? Meus pedidos de patente abrangem robôs de resgate, interfaces de conversação, grafos de conhecimento pessoais e métodos quânticos. - [Um assistente que também executa ações](https://tasaract.com/pt/work/chat-assistant/) - [Um microrrobô para busca e resgate](https://tasaract.com/pt/work/micro-robot-rescue/) ### [Linguagem](https://tasaract.com/pt/#topic-language) Como as máquinas entendem o que dizemos? Trabalho com reconhecimento de fala em turco, adaptação de modelos de linguagem e pesquisa aberta em vários idiomas. - [Um assistente que também executa ações](https://tasaract.com/pt/work/chat-assistant/) - [Comandos de voz para terminais de pagamento](https://tasaract.com/pt/work/ai-pos/) - [Turkish Sentiment Analysis · TSAM](https://tasaract.com/pt/lab/turkish-sentiment/) ## Nota de pesquisa — [Cobertura e encaminhamento para revisão](https://tasaract.com/pt/work/coverage-deferral/) Quem passa por uma segunda análise? Tabela 4 · Pontos percentuais. 100 sementes aleatórias. Cobertura desejada de 90%. | Conjunto de dados | Diferença de cobertura · Calibração conjunta | Diferença de cobertura · Por grupo | Diferença de encaminhamento · Calibração conjunta | Diferença de encaminhamento · Por grupo | | --- | ---: | ---: | ---: | ---: | | Adult | 5,0 | 1,2 | 5,1 | 12,9 | | ACS Income | 0,8 | 0,8 | 3,4 | 5,4 | | Bank Marketing | 2,0 | 1,1 | 0,0 | 3,0 | | COMPAS | 1,8 | 3,3 | 5,7 | 10,8 | | German Credit | 3,5 | 5,7 | 6,1 | 24,7 | | Taiwan Credit | 1,1 | 1,3 | 3,4 | 7,7 | [Fonte original](https://www.preprints.org/manuscript/202512.2631#:~:text=Table%204.%20Coverage-deferral%20trade-off%20across%20datasets) ## Pesquisa e publicações ### [Cobertura e encaminhamento para revisão](https://tasaract.com/pt/work/coverage-deferral/) Título original · The Coverage-Deferral Trade-Off: Fairness Implications of Conformal Prediction in Human-in-the-Loop Decision Systems 2025 · Preprint · Autor único · Davut Emre Taşar · Preprints.org Quem passa por uma segunda análise? Comparei um limiar único com limiares calibrados separadamente para cada grupo. Nos dados de renda do conjunto Adult, a diferença de cobertura caiu de 5,0 para 1,2 ponto percentual, enquanto a diferença de encaminhamento subiu de 5,1 para 12,9 pontos. O experimento usou 100 sementes aleatórias, meta de cobertura de 90% e revisão simulada. Quando um modelo considera plausíveis duas respostas, pode encaminhar o caso para uma pessoa. Quem acaba esperando por essa revisão com mais frequência? Este preprint compara dois métodos de calibração em seis conjuntos de dados. Calibrar cada grupo separadamente reduziu a diferença entre os grupos na frequência com que a resposta correta aparecia nas opções do modelo. Ao mesmo tempo, aumentou a diferença na proporção de casos encaminhados para revisão humana. [Equidade](https://tasaract.com/pt/#topic-fairness) · [Incerteza](https://tasaract.com/pt/#topic-uncertainty) [Fonte original](https://www.preprints.org/manuscript/202512.2631) ### [Agent Chronicle](https://tasaract.com/pt/work/agent-chronicle/) 2026 · Repositório · Responsável pela manutenção · Agent Chronicle Community · GitHub O agente de programação diz que terminou. O que mudou? O Agent Chronicle organiza uma sessão do Codex ou do Claude em uma sequência de decisões, alterações em arquivos e verificações. É possível abrir o registro por trás de cada afirmação para conferir o progresso da tarefa. Ao retomar uma sessão de programação depois de uma pausa, as perguntas são bem concretas. Quais arquivos mudaram? Há alguma decisão pendente? Quais verificações passaram? O Agent Chronicle organiza as atividades registradas pelo Codex ou pelo Claude em uma linha do tempo local, na qual cada resposta pode ser rastreada até um evento. Se quiser um resumo por IA, você pode revisar as evidências selecionadas antes do envio. Os links no resumo levam de volta ao registro. [Sistemas de agentes](https://tasaract.com/pt/#topic-agents) [Fonte original](https://github.com/detasar/agent-chronicle-community) ### [Incerteza nas medições quânticas](https://tasaract.com/pt/work/quantum-conformal/) Título original · Quantum-Enhanced Conformal Methods for Multi-Output Uncertainty: A Holistic Exploration and Experimental Analysis 2025 · Artigo em periódico · Autor único · Davut Emre Taşar · Journal of Quantum Technologies and Informatics Research O que um número limitado de medições permite concluir? Estimei em conjunto as probabilidades de vários resultados quânticos, calibrando as previsões com exemplos anteriores e testando-as em dados reservados. O artigo de 2025 analisa a cobertura e o tamanho dos conjuntos de previsão em simulações e em medições realizadas em diferentes bases. Medir dois qubits em uma base admite quatro resultados possíveis. Repetir a medição em três bases diferentes exige estimar doze probabilidades em conjunto. O estudo combina um modelo de regressão com predição conformal para delimitar uma região em torno do conjunto de estimativas. Avalia com que frequência a região contém todas as probabilidades de interesse ao mesmo tempo e qual tamanho ela precisa ter para atingir essa cobertura. [Incerteza](https://tasaract.com/pt/#topic-uncertainty) · [Computação quântica](https://tasaract.com/pt/#topic-quantum) [Fonte original](https://journals.gen.tr/index.php/jqtair/article/view/2702) ### [TARA e anomalias quânticas](https://tasaract.com/pt/work/tara/) Título original · TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees 2025 · Preprint · Primeiro autor · Davut Emre Taşar, Ceren Öcal Taşar · arXiv Quando uma sequência de medições começa a parecer incomum? Ceren Öcal Taşar e eu comparamos lotes de medições com uma distribuição de referência e testamos outro método que acumula evidências a cada nova observação. O preprint relata experimentos no IBM Torino e no IonQ Forte Enterprise e examina como a escolha dos dados de calibração afeta o desempenho observado. Quando uma sequência de medições quânticas oferece evidência suficiente para questionar uma explicação clássica? Um teste do TARA compara as leituras a uma referência obtida de um modelo clássico. Outro acumula evidência à medida que as leituras chegam. Sob as hipóteses do estudo, o risco de falso alarme permanece controlado mesmo com verificações repetidas. O preprint descreve testes em dois processadores quânticos diferentes, o IBM Torino e o IonQ Forte Enterprise. [Computação quântica](https://tasaract.com/pt/#topic-quantum) · [Incerteza](https://tasaract.com/pt/#topic-uncertainty) [Fonte original](https://arxiv.org/abs/2512.04016) ### [Um assistente que também executa ações](https://tasaract.com/pt/work/chat-assistant/) Título original · A chat assistant system 2025 · Pedido de patente (PCT) · Coinventor · WIPO · PCT Quando uma conversa deve se transformar em ação? O assistente proposto pesquisa informações na internet para responder a perguntas e executa operações ao receber comandos, tudo na mesma conversa. O pedido internacional foi publicado em 3 de abril de 2025. Perante uma pergunta por voz ou por escrito, o assistente proposto pesquisa fontes externas, avalia quais dos resultados são pertinentes e responde na conversa. Também pode executar uma instrução. O pedido descreve como guardar o histórico de pesquisas e análises para utilização posterior e consultar periodicamente fontes como serviços de notícias e dados financeiros. [Invenções](https://tasaract.com/pt/#topic-invention) · [Sistemas de agentes](https://tasaract.com/pt/#topic-agents) · [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://patents.google.com/patent/WO2025071524A1/en) ### [Um microrrobô para busca e resgate](https://tasaract.com/pt/work/micro-robot-rescue/) Título original · A system for providing search and rescue operation via a micro-robot 2025 · Pedido de patente (PCT) · Coinventor · WIPO · PCT O que alcançaria alguém por uma fresta da largura de um dedo? O pedido descreve um robô articulado do tamanho de um dedo para atravessar escombros. Uma câmera e sensores ajudariam a localizar a pessoa presa, e um cabo serviria de linha de comunicação e apoio. O pedido internacional foi publicado em 3 de abril de 2025. Num edifício que desabou ou numa mina, uma pequena fenda pode ser o único acesso a uma pessoa. O pedido descreve um robô articulado que se orienta com uma câmara e sensores em espaços apertados. Se encontrar um sobrevivente, um cabo estabelece a comunicação e transporta condutas de abastecimento. As leituras ajudam as equipas de resgate a decidir onde escavar e a que necessidades dar prioridade. [Invenções](https://tasaract.com/pt/#topic-invention) · [Sistemas de agentes](https://tasaract.com/pt/#topic-agents) [Fonte original](https://patents.google.com/patent/WO2025071525A1/en) ### [Comandos de voz para terminais de pagamento](https://tasaract.com/pt/work/ai-pos/) Título original · An artificial intelligence-aided point of sale device management system 2024 · Pedido de patente (PCT) · Coinventor · WIPO · PCT Um lojista poderia operar a maquininha falando? O pedido descreve um terminal que o comerciante pode operar a distância com instruções faladas ou escritas. Inclui geração de códigos QR e análise de transações para identificar indícios de fraude. O pedido internacional foi publicado em 24 de outubro de 2024. Um comerciante poderia gerir o terminal de ponto de venda à distância, com pedidos falados ou escritos em linguagem corrente. Para cada operação, o sistema proposto pode gerar um código QR que representa os dados da transação. Usa ainda o histórico de compras e as preferências dos clientes para sugerir ofertas e pode alertar o terminal se a análise indicar uma possível fraude. [Invenções](https://tasaract.com/pt/#topic-invention) · [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://patents.google.com/patent/WO2024220062A1/en) ### [Teclado e mouse virtuais](https://tasaract.com/pt/work/virtual-input/) Título original · A system for using a virtual keyboard and a mouse 2025 · Pedido de patente (PCT) · Coinventor · WIPO · PCT Onde fica o teclado quando a tela é virtual? O sistema usa câmeras para acompanhar as mãos e interpretar os movimentos como comandos de teclado ou mouse em realidade virtual e aumentada. O depósito turco TR 2023/011601 e a publicação internacional WO2025063923A1 descrevem a mesma invenção. Como escrever ou apontar se não há teclado nem rato à nossa frente? O sistema descrito reconhece os movimentos das mãos nas imagens de uma câmara e converte-os em comandos de teclado e rato em realidade virtual ou aumentada. Cada pessoa pode ajustar a disposição virtual e o reconhecimento de gestos à sua maneira de se mover. [Invenções](https://tasaract.com/pt/#topic-invention) [Fonte original](https://patents.google.com/patent/WO2025063923A1/en) ### [Sugestões personalizadas no trabalho](https://tasaract.com/pt/work/personalized-suggestions/) Título original · A system for increasing employee productivity by providing personalized suggestions 2025 · Pedido de patente (PCT) · Coinventor · WIPO · PCT Como um assistente pode adaptar uma sugestão a cada funcionário? O projeto usa informações sobre a rotina, o humor e a saúde de cada funcionário para gerar sugestões ao longo do expediente. O depósito turco é TR 2023/011830, e a publicação internacional identifica o Türkiye Garanti Bankası como depositante. Um passeio pode fazer sentido ao fim da tarde, mesmo que fosse inoportuno uma hora antes. A aplicação proposta para o trabalho combina o estado de espírito indicado pela pessoa, as leituras do relógio inteligente e a hora do dia. Sugere uma pausa, uma caminhada ou música e ajusta a recomendação seguinte em função da resposta e das novas medições. [Invenções](https://tasaract.com/pt/#topic-invention) [Fonte original](https://patents.google.com/patent/WO2025063924A1/en) ### [Limites dos testes de correlações quânticas](https://tasaract.com/pt/work/adversarial-quantum/) Título original · Adversarial Limits of Quantum Certification: When Eve Defeats Detection 2025 · Preprint · Autor único · Davut Emre Taşar · arXiv Um bom resultado se sustenta em outras condições? Estudei como a escolha dos dados de calibração e avaliação altera o desempenho relatado em testes de correlações quânticas. O preprint de dezembro de 2025 descreve a simulação, a comparação com medições do IBM Quantum e as premissas da avaliação. Uma pontuação alta em um teste de certificação quântica depende, em parte, dos exemplos escolhidos como referência. Este preprint compara correlações de medições quânticas com correlações geradas por um modelo clássico. A troca dos dados de referência usados na calibração mudou o desempenho observado dos detectores. Em uma das condições experimentais, nenhum dos métodos testados distinguiu as duas fontes melhor do que uma escolha ao acaso. [Computação quântica](https://tasaract.com/pt/#topic-quantum) · [Incerteza](https://tasaract.com/pt/#topic-uncertainty) [Fonte original](https://arxiv.org/abs/2512.04391) ### [Da fala em turco ao texto](https://tasaract.com/pt/work/turkish-asr/) Título original · Transformer-Based Turkish Automatic Speech Recognition 2024 · Artigo em periódico · Primeiro autor · Davut Emre Taşar, Kutan Koruyan, Cihan Çılgın · Acta Infologica O que um modelo aproveita de outras línguas ao aprender turco? Com Kutan Koruyan e Cihan Çılgın, adaptei um Wav2Vec 2.0 pré-treinado com fala em 53 idiomas usando gravações e transcrições em turco do Mozilla Common Voice. A taxa de erro por palavra foi de 23% no conjunto de teste, considerando substituições, omissões e inserções. Este sistema transcreve gravações de fala em turco. O estudo parte do XLSR-Wav2Vec 2.0, pré-treinado com fala em 53 línguas, e o ajusta com gravações e transcrições em turco do Mozilla Common Voice. Na parte da coleção reservada para teste, a taxa de erro por palavra ficou em 23%. Essa medida conta palavras inseridas, omitidas ou trocadas em relação à transcrição de referência. [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://dergipark.org.tr/en/pub/acin/article/1338604) ### [Um Qwen pequeno para problemas de matemática](https://tasaract.com/pt/work/qwen-grpo/) Título original · Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner 2025 · Modelo · Desenvolvedor · Davut Emre Taşar · Hugging Face Models Um modelo pequeno consegue organizar uma solução matemática? Adaptei o Qwen2.5-0.5B-Instruct com problemas escritos do GSM8K. O treinamento atribuiu recompensas separadas à resposta numérica e ao formato solicitado. A documentação descreve o treino e inclui código para testar os pesos publicados. Um modelo pequeno pode aprender a resolver um problema de matemática escrito por extenso e a apresentar sua resposta? Este Qwen de meio bilhão de parâmetros fez uma passagem pelos problemas do GSM8K. Ele escreve a solução e reserva uma seção para o resultado final. No treinamento com GRPO, recompensas específicas verificaram separadamente a resposta numérica e o formato. Uma solução bem apresentada ainda pode conter um erro de cálculo. [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://huggingface.co/emre/Qwen-0.5B-GRPO) ### [TARA para raciocínio em turco](https://tasaract.com/pt/work/turkish-reasoning-benchmark/) Título original · TARA: Turkish Advanced Reasoning Assessment Dataset 2025 · Conjunto de dados · Cocurador dos dados · Davut Emre Taşar, Ceren Öcal Taşar · Hugging Face Datasets Como avaliar o raciocínio de um modelo em turco? Ceren Öcal Taşar e eu preparamos tarefas em dez categorias, entre elas lógica, planejamento, Python e SQL. A primeira versão reúne 100 exemplos sintéticos de um único gerador. Esse recorte limita o que os resultados permitem afirmar sobre o turco do dia a dia. O TARA v1 reúne 100 pares sintéticos de perguntas e respostas em turco, um para cada combinação de dez áreas e dez níveis de dificuldade. Em cada problema, o modelo recebe a pergunta e um texto de apoio. Uma resposta de referência e critérios explícitos de avaliação permitem ver o que conta como sucesso, desde escrever uma consulta SQL para um esquema dado até criar uma história sob restrições específicas. [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark) ### [Um modelo para vários chatbots](https://tasaract.com/pt/work/multilingual-chatbots/) Título original · Performance Trade-Off for Bert Based Multi-Domain Multilingual Chatbot Architectures 2021 · Artigo em periódico · Primeiro autor · Davut Emre Taşar, Şükrü Ozan, Seçilay Kutal, Oğuzhan Ölmez, Semih Gülüm, Fatih Akca, Ceren Belhan · Journal of Artificial Intelligence and Data Science Treze tarefas de chatbot exigem treze modelos? Testamos um classificador BERT compartilhado em 13 tarefas e 333 classes em turco, inglês e alemão, incluindo perguntas bancárias. Na comparação com cinco modelos separados, o consumo de memória caiu de 10 GB para 2 GB, com pequena perda de acurácia. A pergunta de um visitante chega a um classificador que escolhe uma resposta no repertório do site. O estudo testa se vários sites podem compartilhar um único classificador BERT multilíngue, mantendo um conjunto próprio de respostas para cada chatbot. A comparação abrange 13 tarefas de classificação e 333 categorias em turco, inglês e alemão. Avalia a precisão na escolha das respostas, a memória do servidor e o armazenamento em relação ao uso de modelos treinados separadamente para cada bot. [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://dergipark.org.tr/en/pub/jaida/article/1060221) ### [Quando o rótulo do anúncio está errado](https://tasaract.com/pt/work/ad-text-classification/) Título original · BERT Modeli’nin Sınıflandırma Doğruluğunun Sıfır-Atış Öğrenmesi ile Artırılması 2021 · Artigo em periódico · Coautor · Şükrü Ozan, Umut Özdil, Davut Emre Taşar, Büşra Arslan, Gökçe Polat · Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi E se o erro estiver na categoria atribuída ao anúncio? Usamos um modelo zero-shot para verificar se cada anúncio correspondia ao setor indicado e treinamos o BERT novamente após a limpeza dos dados. O corpus original tinha cerca de 101 mil anúncios de 44 setores. O artigo relata melhora na classificação após essa etapa. O rótulo de setor de um anúncio on-line nem sempre corresponde ao que diz o texto. A equipe treinou o BERT para identificar setores a partir de cerca de 101 mil anúncios rotulados em 44 setores de atividade. Diante da dificuldade de classificar alguns setores, usou um modelo zero-shot como segunda opinião sobre a correspondência entre texto e rótulo. Filtrar os exemplos incompatíveis e treinar o BERT novamente aumentou a precisão da classificação no experimento. [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://dergipark.org.tr/tr/pub/tbbmd/article/1004781) ### [Editar redes neurais com modelos de linguagem](https://tasaract.com/pt/work/weight-editing/) Título original · Editing Neural Networks with Language Models 2026 · Repositório · Autor único · Davut Emre Taşar · GitHub Um modelo pode editar os pesos de outro? Testei alterações nos pesos de um classificador com dano permanente usando o conjunto de dados UCI Adult. A alteração proposta por Sol aumentou a acurácia balanceada, mas a acurácia geral caiu e as probabilidades previstas ficaram menos confiáveis. No modelo de linguagem SmolLM2 intacto, todas as seleções em ARC-Easy e PIQA mantiveram os pesos originais. Um modelo de linguagem consegue reparar um classificador alterando seus pesos? Na tarefa de renda do UCI Adult, os pesos do classificador foram danificados de propósito. Uma alteração elevou em 0,43 ponto percentual a acurácia balanceada, que atribui o mesmo peso às duas classes de renda. A acurácia geral e a qualidade das probabilidades estimadas caíram. Outro experimento começou com o SmolLM2-1.7B intacto. Depois dos testes com questões de ciências e raciocínio físico cotidiano, a busca selecionou o modelo original. [Sistemas de agentes](https://tasaract.com/pt/#topic-agents) · [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://github.com/detasar/llm-weight-editing-study) ### [BLOOM](https://tasaract.com/pt/work/bloom/) Título original · BLOOM: A 176B-Parameter Open-Access Multilingual Language Model 2022 · Preprint · Coautor · BigScience Workshop · BigScience Workshop · arXiv Como se constrói um modelo multilíngue de forma aberta? Sou um dos coautores do artigo do BigScience sobre o BLOOM, fruto de uma ampla colaboração internacional. O trabalho documenta a arquitetura do modelo, os dados, o treinamento e a publicação, com a lista completa de autores. O BLOOM prevê como um trecho de texto pode continuar. A colaboração BigScience treinou seus 176 bilhões de parâmetros com a coleção ROOTS, que reúne material em 46 línguas humanas e 13 linguagens de programação. O artigo acompanha o modelo desde a escolha dos dados de treinamento até os testes de suas capacidades multilíngues. Os pesos e o código publicados permitem que outros pesquisadores executem esses testes ou comparem as respostas em diferentes idiomas. [Linguagem](https://tasaract.com/pt/#topic-language) [Fonte original](https://arxiv.org/abs/2211.05100) ## Patentes e modelos de utilidade Consto como inventor em 30 pedidos depositados na Turquia por Türkiye Garanti Bankası A.Ş. São 28 pedidos de patente e dois de modelo de utilidade. Algumas publicações internacionais correspondem aos mesmos pedidos turcos. O total considera os pedidos depositados na Turquia. Consulte o registro oficial para verificar a situação jurídica atual de cada pedido. Depositante · TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ Data da consulta ao registro · 2026-08-31 · [Registro oficial do TÜRKPATENT](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) ### [2026/007909 · Redução de ruído com base na voz do usuário](https://tasaract.com/pt/patents/2026-007909/) Pedido de patente · Data do depósito 2026-05-18 O sistema isola a voz do ruído ambiente e transcreve a fala. Pode adaptar a formulação ao contexto ou às preferências do usuário e sintetizar a fala preservando as características da voz. O ponto de partida é uma gravação com ruído de fundo. O sistema isola a voz, transcreve a fala e pode ajustar a formulação à ocasião ou às preferências de quem fala. Depois reproduz o texto com as características vocais da mesma pessoa. Publicação · 2026-07-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/007909 ### [2026/007907 · Inteligência artificial baseada em inferência lógica](https://tasaract.com/pt/patents/2026-007907/) Pedido de patente · Data do depósito 2026-05-18 Históricos de transações, registros de usuários e conexões de rede são transformados em um modelo lógico de conhecimento. A proposta permite extrair inferências dessas relações em áreas como finanças, saúde e logística. Uma transação, um registo de utilizador e uma ligação numa rede documentam factos diferentes. A proposta representa esses factos e as suas relações num modelo lógico comum, para tirar conclusões a partir de vários registos. O pedido cita as finanças, a saúde e a logística como possíveis áreas de aplicação. Publicação · 2026-06-22 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/007907 ### [2026/006294 · Uma experiência de espera personalizada](https://tasaract.com/pt/patents/2026-006294/) Pedido de patente · Data do depósito 2026-04-24 O sistema proposto avalia o estado emocional da pessoa durante a espera para selecionar o conteúdo que será apresentado a ela. Duas pessoas à espera do mesmo serviço podem querer ver ou ouvir coisas diferentes. O sistema avalia o estado emocional de cada pessoa durante a espera e usa essa avaliação para escolher o conteúdo a apresentar-lhe nesse período. Publicação · 2026-05-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/006294 ### [2026/006289 · Grafo de conhecimento pessoal para planejar a aposentadoria](https://tasaract.com/pt/patents/2026-006289/) Pedido de patente · Data do depósito 2026-04-24 A proposta combina uma ontologia pessoal com um grafo de conhecimento que pode mudar ao longo do tempo. O objetivo é apoiar o planejamento da aposentadoria e antecipar necessidades do cotidiano. O planeamento da reforma e o apoio no dia a dia podem partir da mesma representação da vida de uma pessoa. Uma ontologia pessoal descreve os conceitos importantes para ela e um grafo de conhecimento liga-os. Esta representação pode evoluir e apoiar tanto os planos de longo prazo como a antecipação de necessidades diárias. Publicação · 2026-06-22 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/006289 ### [2026/004444 · Sensoriamento de ambientes com preservação da privacidade](https://tasaract.com/pt/patents/2026-004444/) Pedido de patente · Data do depósito 2026-03-26 Em espaços onde o uso de câmeras é restrito ou inadequado, o sistema procura detectar a presença e a atividade de pessoas preservando sua privacidade. Essas informações permitem ajustar o consumo de energia. Mesmo em espaços onde as câmaras são inadequadas ou o seu uso é restrito, pode ser preciso saber se uma área está ocupada. A proposta usa a presença e a atividade das pessoas para ajustar o consumo de energia, com a privacidade como objetivo explícito do projeto. Publicação · 2026-05-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/004444 ### [2026/004441 · Segmentação de clientes por métodos quânticos e predição conformal](https://tasaract.com/pt/patents/2026-004441/) Pedido de patente · Data do depósito 2026-03-26 O pedido propõe formar grupos de clientes do setor financeiro mesmo com ruído nos dados. Combina emaranhamento quântico para representar padrões, agrupamento quântico variacional e predição conformal para oferecer uma garantia estatística. Os grupos de clientes podem mudar e os dados financeiros podem conter ruído. O entrelaçamento quântico representa relações nos dados, o agrupamento quântico variacional forma os grupos e a previsão conforme fornece uma medida estatística da incerteza dessa divisão. Publicação · 2026-04-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/004441 ### [2026/002909 · Confiança nas previsões de IA](https://tasaract.com/pt/patents/2026-002909/) Pedido de patente · Data do depósito 2026-02-26 O sistema procura atribuir uma medida numérica à confiança em uma previsão. O resumo cita como exemplos a inadimplência, o resultado financeiro de uma transação e o atraso de uma operação. Uma previsão indica o que poderá acontecer. O pedido propõe apresentar também um número que exprima quanta confiança merece a previsão de uma IA. O resumo dá três exemplos: incumprimento de um empréstimo, lucro ou prejuízo numa transação e atraso numa operação. Publicação · 2026-03-23 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/002909 ### [2026/001992 · Identificação de clientes e medição de tempos em agências](https://tasaract.com/pt/patents/2026-001992/) Pedido de patente · Data do depósito 2026-02-10 A proposta usa visão computacional e IA para identificar clientes na agência, medir a duração das visitas e estimar o tempo de espera. Também prevê acompanhar saídas e ajustar a fila. Quanto tempo passou um cliente na agência e quanto poderá esperar a pessoa seguinte na fila? A proposta usa visão computacional para identificar clientes, acompanhar visitas e saídas e estimar tempos de espera. Estas estimativas podem orientar ajustes na fila. Publicação · 2026-03-23 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/001992 ### [2025/019989 · Gamificação de atividades bancárias](https://tasaract.com/pt/patents/2025-019989/) Pedido de patente · Data do depósito 2025-12-12 O sistema analisa a atividade bancária da pessoa para gerar conteúdo financeiro e cenários de jogo personalizados. O aplicativo pode coletar as opiniões dos usuários sobre esses cenários. O jogo bancário proposto parte da atividade financeira do cliente. Um modelo de linguagem ajuda a transformá-la em cenários de jogo e materiais personalizados de educação financeira. O cliente pode jogar na aplicação do banco e dar a sua opinião sobre os jogos e conteúdos que recebe. Publicação · 2026-01-21 [Fonte original](https://patents.google.com/patent/TR2025019989A2/en) · TR2025019989A2 ### [2025/011133 · Personalização de memórias audiovisuais com aprendizado federado](https://tasaract.com/pt/patents/2025-011133/) Pedido de patente · Data do depósito 2025-08-08 O pedido descreve formas de enriquecer registros de imagem e som capturados no aparelho do usuário. O aprendizado federado integra a arquitetura proposta. A gravação de uma memória pessoal pode reunir imagens e som. O pedido propõe partir do material captado no dispositivo da pessoa para criar uma versão adaptada a ela. A aprendizagem federada é apontada como uma abordagem de apoio a essa personalização. Publicação · 2025-09-22 [Fonte original](https://patents.google.com/patent/TR2025011133A2/en) · TR2025011133A2 ### [2025/008786 · Grafo probabilístico para gerar variações de conteúdo](https://tasaract.com/pt/patents/2025-008786/) Pedido de patente · Data do depósito 2025-06-30 O sistema extrai características de áudios, vídeos ou imagens para construir um grafo que pode crescer. Os ramos representam passados alternativos, futuros possíveis ou versões paralelas do conteúdo original. Que mais poderia ter acontecido numa cena? O sistema extrai características de áudio, vídeo ou imagens estáticas e constrói um grafo ramificado de possibilidades. Os ramos podem representar passados alternativos, futuros possíveis ou versões paralelas, com espaço para acrescentar novos ramos. Publicação · 2025-08-21 [Fonte original](https://patents.google.com/patent/TR2025008786A2/en) · TR2025008786A2 ### [2025/008273 · Cabine individual para transações](https://tasaract.com/pt/patents/2025-008273/) Pedido de patente · Data do depósito 2025-06-20 A cabine modular oferece privacidade para a pessoa realizar operações sensíveis com diferentes prestadores de serviços. Uma única cabine privada poderia servir quem precisa de tratar de assuntos com vários prestadores. O projeto reserva um espaço físico para operações e conversas sensíveis. A estrutura modular procura acomodar diferentes serviços na mesma cabine. Publicação · 2025-09-22 [Fonte original](https://patents.google.com/patent/TR2025008273A2/en) · TR2025008273A2 ### [2025/008055 · Segurança e apoio em caso de colisão](https://tasaract.com/pt/patents/2025-008055/) Pedido de patente · Data do depósito 2025-06-18 O projeto combina sensores e IA para detectar e avaliar uma colisão no momento em que ela ocorre. Pode avisar os serviços responsáveis e sugerir transporte ou hospedagem para os envolvidos. A proposta acompanha uma colisão desde o impacto até às suas consequências práticas. Sensores e IA avaliam o incidente no momento em que ocorre, para que os serviços competentes possam ser avisados. O sistema também considera as necessidades seguintes das pessoas envolvidas, como transporte ou alojamento. Publicação · 2025-08-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008055 ### [2025/008032 · Decisões coletivas com pessoas e agentes de IA](https://tasaract.com/pt/patents/2025-008032/) Pedido de patente · Data do depósito 2025-06-17 Pessoas e agentes de IA participam de um processo coletivo de decisão. O sistema propõe avaliar a confiabilidade em vários níveis enquanto se adapta ao longo do tempo. Pessoas e agentes de IA participam na mesma decisão. O sistema proposto avalia a fiabilidade dos seus contributos a vários níveis antes de os reunir. O processo foi concebido para se adaptar à medida que o grupo continua a tomar decisões. Publicação · 2025-07-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008032 ### [2025/008028 · Coordenação entre dispositivos e aplicativos](https://tasaract.com/pt/patents/2025-008028/) Pedido de patente · Data do depósito 2025-06-17 A proposta usa IA para coordenar aparelhos e aplicativos de um mesmo ecossistema. A experiência pode evoluir à medida que a pessoa interage com eles. Uma pessoa pode usar vários dispositivos e aplicações numa única atividade. A proposta usa IA para os coordenar. A forma como a pessoa interage com esse conjunto ao longo do tempo orienta a adaptação da experiência às suas necessidades. Publicação · 2025-07-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008028 ### [2025/007997 · Avaliação imobiliária e planejamento estratégico](https://tasaract.com/pt/patents/2025-007997/) Pedido de patente · Data do depósito 2025-06-17 A proposta reúne dados de várias fontes para estimar o valor de imóveis. Uma ontologia evolutiva, a análise de redes e a IA generativa explicável ligam essa estimativa à análise e ao planejamento. A avaliação de um imóvel recorre a mais de uma fonte. A proposta organiza a informação numa ontologia em evolução e examina as relações através da análise de redes. A IA generativa explicável liga a avaliação e os seus fundamentos ao planeamento estratégico. Publicação · 2025-07-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/007997 ### [2025/007995 · Ambiente de desenvolvimento e formato de dados para agentes](https://tasaract.com/pt/patents/2025-007995/) Pedido de patente · Data do depósito 2025-06-17 O pedido define uma arquitetura de agentes e um formato de dados para criar assistentes de IA. Os agentes podem migrar entre plataformas e se adaptar ao longo do tempo, mantendo uma experiência personalizada. Se um assistente muda de plataforma, o que acontece às adaptações que fez ao seu utilizador? O pedido combina uma arquitetura de agentes com um formato de dados para que o assistente possa mudar de plataforma, conservar a personalização e continuar a adaptar-se. Publicação · 2025-08-21 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/007995 ### [2024/003815 · Comunicação entre clientes no setor financeiro](https://tasaract.com/pt/patents/2024-003815/) Pedido de patente · Data do depósito 2024-03-27 A proposta conecta serviços bancários móveis, realidade aumentada e agências virtuais. Os clientes podem conversar entre si sobre investimentos ou outros assuntos financeiros e interagir com modelos de IA. Quem está a pensar comprar ações poderia entrar numa agência virtual pela aplicação bancária e conversar com outros clientes ou com um modelo de inteligência artificial. A proposta liga essas conversas entre o telemóvel, a realidade aumentada e os ambientes virtuais. Descreve ainda a análise da fala, de imagens e de textos para verificar a conformidade com as regras financeiras do país do cliente. Publicação · 2024-04-22 [PCT · WO2025207066A1](https://patents.google.com/patent/WO2025207066A1/en) [Fonte original](https://patents.google.com/patent/TR2024003815A2/en) · TR2024003815A2 ### [2024/003813 · Criação de canais de investimento](https://tasaract.com/pt/patents/2024-003813/) Pedido de patente · Data do depósito 2024-03-27 O pedido descreve canais de investimento com curadoria de especialistas ou outras figuras públicas. Avatares de IA inspirados em perfis específicos fornecem orientação financeira aos usuários desses canais. A proposta permite que especialistas ou figuras públicas criem canais de investimento. Cada canal pode oferecer orientação financeira por meio de um avatar de IA associado a um perfil específico. A escolha do canal determina assim que perfil serve de referência às orientações recebidas. Publicação · 2024-04-22 [Fonte original](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2024/003813 ### [2024/003592 · Ajuda em operações bancárias mediante consentimento mútuo](https://tasaract.com/pt/patents/2024-003592/) Pedido de patente · Data do depósito 2024-03-25 Um cliente que precise de ajuda pode concluir uma operação bancária com alguém de confiança. A participação conjunta depende da aprovação de ambos. Quem precisa de ajuda numa operação bancária pode definir previamente o alcance dessa ajuda. A aplicação proposta sugere conhecidos a partir das relações entre clientes. Cada participante indica em que operações aceita colaborar. Quando há um pedido para uma operação específica, a outra pessoa recebe uma notificação e a operação avança assim que ambas dão o seu acordo. Publicação · 2024-05-21 [PCT · WO2025207061A1](https://patents.google.com/patent/WO2025207061A1/en) [Fonte original](https://patents.google.com/patent/TR2024003592A2/en) · TR2024003592A2 ### [2023/011901 · Microrrobôs para busca e resgate](https://tasaract.com/pt/patents/2023-011901/) Pedido de patente · Data do depósito 2023-09-25 Microrrobôs entrariam em espaços confinados de edifícios ou minas que desabaram para analisar o entorno e ajudar a localizar pessoas presas. O sistema inclui uma linha para levar apoio até elas. Num edifício que desabou ou numa mina, uma pequena fenda pode ser o único acesso a uma pessoa. O pedido descreve um robô articulado que se orienta com uma câmara e sensores em espaços apertados. Se encontrar um sobrevivente, um cabo estabelece a comunicação e transporta condutas de abastecimento. As leituras ajudam as equipas de resgate a decidir onde escavar e a que necessidades dar prioridade. Publicação · 2023-12-21 [Decisão definitiva de concessão da patente anunciada na Turquia](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026-02-23 [PCT · WO2025071525A1](https://patents.google.com/patent/WO2025071525A1/en) [Fonte original](https://patents.google.com/patent/TR2023011901A2/en) · TR2023011901A2 ### [2023/011870 · Assistente de conversa que executa operações](https://tasaract.com/pt/patents/2023-011870/) Pedido de patente · Data do depósito 2023-09-25 Na mesma conversa, o assistente pode pesquisar na internet para responder a uma pergunta e executar uma operação quando a pessoa der um comando. Perante uma pergunta por voz ou por escrito, o assistente proposto pesquisa fontes externas, avalia quais dos resultados são pertinentes e responde na conversa. Também pode executar uma instrução. O pedido descreve como guardar o histórico de pesquisas e análises para utilização posterior e consultar periodicamente fontes como serviços de notícias e dados financeiros. Publicação · 2023-12-21 [PCT · WO2025071524A1](https://patents.google.com/patent/WO2025071524A1/en) [Fonte original](https://patents.google.com/patent/TR2023011870A2/en) · TR2023011870A2 ### [2023/011830 · Sugestões personalizadas para funcionários](https://tasaract.com/pt/patents/2023-011830/) Pedido de patente · Data do depósito 2023-09-22 O assistente proposto usa informações diárias sobre o humor e a saúde de cada funcionário para oferecer sugestões durante o expediente. Um passeio pode fazer sentido ao fim da tarde, mesmo que fosse inoportuno uma hora antes. A aplicação proposta para o trabalho combina o estado de espírito indicado pela pessoa, as leituras do relógio inteligente e a hora do dia. Sugere uma pausa, uma caminhada ou música e ajusta a recomendação seguinte em função da resposta e das novas medições. Publicação · 2024-08-21 [PCT · WO2025063924A1](https://patents.google.com/patent/WO2025063924A1/en) [Fonte original](https://patents.google.com/patent/TR2023011830A2/en) · TR2023011830A2 ### [2023/011601 · Teclado e mouse virtuais por gestos](https://tasaract.com/pt/patents/2023-011601/) Pedido de patente · Data do depósito 2023-09-18 O sistema acompanha os movimentos das mãos e os interpreta como comandos de teclado ou mouse em ambientes de realidade virtual e aumentada. Como escrever ou apontar se não há teclado nem rato à nossa frente? O sistema descrito reconhece os movimentos das mãos nas imagens de uma câmara e converte-os em comandos de teclado e rato em realidade virtual ou aumentada. Cada pessoa pode ajustar a disposição virtual e o reconhecimento de gestos à sua maneira de se mover. Publicação · 2023-12-21 [PCT · WO2025063923A1](https://patents.google.com/patent/WO2025063923A1/en) [Fonte original](https://patents.google.com/patent/TR2023011601A2/en) · TR2023011601A2 ### [2023/011600 · Proteção contra objetos esquecidos em caixas eletrônicos](https://tasaract.com/pt/patents/2023-011600/) Pedido de modelo de utilidade · Data do depósito 2023-09-18 O sistema verifica se o cliente deixou cartão, dinheiro ou comprovante no caixa eletrônico. O aplicativo do banco pode avisar quem já se afastou do terminal. Um levantamento pode estar concluído no sistema do banco mesmo quando as notas ainda estão na ranhura. Este pedido de modelo de utilidade descreve o uso de dados da câmara do caixa automático para detetar alguém que se afasta sem recolher o cartão, o dinheiro ou o talão. O sistema pode alertar a agência mais próxima e contactar o cliente pela aplicação bancária ou por chamada automática. Publicação · 2024-01-22 [PCT · WO2025063922A1](https://patents.google.com/patent/WO2025063922A1/en) [Fonte original](https://patents.google.com/patent/TR2023011600A2/en) · TR2023011600A2 ### [2023/011599 · Controles de caixa eletrônico no celular](https://tasaract.com/pt/patents/2023-011599/) Pedido de patente · Data do depósito 2023-09-18 Um celular ou tablet lê um código no caixa eletrônico e exibe os controles em realidade aumentada. O terminal físico continua recebendo depósitos, entregando dinheiro e imprimindo comprovantes. Aqui, o telefone passa a ser a interface do caixa automático. Ao ler o código de uma determinada máquina, o cliente abre uma interface de realidade aumentada no seu dispositivo. O equipamento continua a receber depósitos, a entregar notas e a imprimir talões. A proposta descreve ainda o encerramento da sessão quando a câmara deteta que a pessoa se afastou. Publicação · 2024-01-22 [PCT · WO2025063920A1](https://patents.google.com/patent/WO2025063920A1/en) [Fonte original](https://patents.google.com/patent/TR2023011599A2/en) · TR2023011599A2 ### [2023/004244 · Controle de terminais de pagamento com IA](https://tasaract.com/pt/patents/2023-004244/) Pedido de patente · Data do depósito 2023-04-17 A proposta permite que o comerciante opere o terminal a distância por voz ou texto. Também descreve a geração de códigos QR e a análise de transações em busca de indícios de fraude. Um comerciante poderia gerir o terminal de ponto de venda à distância, com pedidos falados ou escritos em linguagem corrente. Para cada operação, o sistema proposto pode gerar um código QR que representa os dados da transação. Usa ainda o histórico de compras e as preferências dos clientes para sugerir ofertas e pode alertar o terminal se a análise indicar uma possível fraude. Publicação · 2023-09-21 [PCT · WO2024220062A1](https://patents.google.com/patent/WO2024220062A1/en) [Fonte original](https://patents.google.com/patent/TR2023004244A2/en) · TR2023004244A2 ### [2023/004047 · Contratos para transações comerciais seguras](https://tasaract.com/pt/patents/2023-004047/) Pedido de patente · Data do depósito 2023-04-12 As partes de uma transação com crédito ou carta de crédito podem criar um contrato ou aderir a ele. O sistema registra etapas e documentos em blockchain e usa IA para sugerir combinações entre as partes. Num negócio financiado por crédito ou carta de crédito, as partes podem definir o que deve acontecer em cada etapa e como verificá-lo. A proposta regista as condições, os marcos e os certificados de verificação numa cadeia de blocos. Um supervisor pode participar no controlo. Depois de verificados os critérios de uma etapa, o sistema pode transferir o pagamento digital correspondente. Publicação · 2023-09-21 [PCT · WO2024215289A1](https://patents.google.com/patent/WO2024215289A1/en) [Fonte original](https://patents.google.com/patent/TR2023004047A2/en) · TR2023004047A2 ### [2022/016679 · Recomendação de produtos durante uma conversa](https://tasaract.com/pt/patents/2022-016679/) Pedido de modelo de utilidade · Data do depósito 2022-11-03 A proposta gera sugestões a partir de texto, imagem, áudio ou movimento em uma conversa ou ambiente virtual. O sistema guarda as entradas e recomendações anteriores para dar continuidade à interação. Um exemplo deste pedido de modelo de utilidade começa com a fotografia de um automóvel e uma pergunta oral sobre o seguro. O sistema identifica características do veículo, transcreve a pergunta e combina os dados para sugerir uma estimativa. Pode, de forma mais geral, processar texto, imagens, som ou movimento e conservar as entradas e sugestões para a conversa seguinte. Publicação · 2022-12-21 [PCT · WO2024096828A1](https://patents.google.com/patent/WO2024096828A1/en) [Fonte original](https://patents.google.com/patent/WO2024096828A1/en) · WO2024096828A1 ### [2022/016395 · Gestão de votações](https://tasaract.com/pt/patents/2022-016395/) Pedido de patente · Data do depósito 2022-10-31 O sistema combina métodos de IA em um processo de decisão coletiva. O pedido trata da comunicação entre participantes ao longo da votação. Este pedido trata a votação como uma discussão coletiva que se desenrola no tempo. Os participantes ajudam a posicionar as opções num espaço comum, aproximando alternativas semelhantes. Durante a votação, o sistema transcreve a conversa e analisa os comentários. Um cursor partilhado representa o movimento do grupo entre as opções à medida que a decisão ganha forma. Publicação · 2022-12-21 [PCT · WO2024096827A1](https://patents.google.com/patent/WO2024096827A1/en) [Fonte original](https://patents.google.com/patent/TR2022016395A2/en) · TR2022016395A2 ## Modelos e código ### [Turkish Sentiment Analysis · TSAM](https://tasaract.com/pt/lab/turkish-sentiment/) Modelo Treinei este modelo BERT para reconhecer o tom de uma avaliação em turco. Ele pontua separadamente o tom positivo, neutro e negativo. Ao receber uma frase em turco, o modelo atribui uma pontuação a três interpretações possíveis do seu tom. Na configuração publicada, 0 significa negativo, 1 neutro e 2 positivo. Na saída, a classe neutra aparece como “Notr”. Essa terceira opção permite contar os comentários neutros separadamente ao analisar um conjunto de avaliações. Um estudo independente comparou quatro modelos em quatro conjuntos de dados em turco. Na avaliação binária, os pesquisadores excluíram os rótulos neutros. Este modelo obteve F1 de 0,97 no Humir e de 0,54 no Twt. [A cross-validation study of Turkish sentiment analysis datasets and tools](https://doi.org/10.1007/s10579-025-09869-6) [Total de downloads no Hub](https://huggingface.co/api/models/emre/turkish-sentiment-analysis?expand=downloadsAllTime) · 12.053 · 2026-11-18 [Um modelo anterior para classificar avaliações](https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews) Ajustei o BERT para turco para distinguir avaliações positivas e negativas. Os parâmetros de treinamento estão no GitHub. [Fonte original](https://huggingface.co/emre/turkish-sentiment-analysis) ### [Whisper Medium TR](https://tasaract.com/pt/lab/whisper-tr/) Modelo Transcreve gravações de fala em turco com o Whisper Medium adaptado aos áudios em turco do Mozilla Common Voice 11.0. Esta versão do Whisper Medium transcreve gravações de fala em turco. O treinamento usou os primeiros 10% de cada uma das partições de treino e validação do Mozilla Common Voice 11.0. A ficha do modelo informa uma taxa de erro de palavras de 18,51% no conjunto de avaliação. O cálculo conta as palavras trocadas, omitidas ou acrescentadas em relação à transcrição de referência. [OpenAI Whisper Medium](https://huggingface.co/openai/whisper-medium) [Fonte original](https://huggingface.co/emre/whisper-medium-turkish-2) ### [Gemma 2 · Turkish Wikipedia](https://tasaract.com/pt/lab/gemma-wiki-tr/) Modelo Completa trechos em turco com um adaptador do Gemma 2 9B treinado adicionalmente na Wikipédia em turco. A documentação permite uso acadêmico e de pesquisa e restringe o uso comercial ao Grupo BBVA. Comece um trecho em turco e esta versão do Gemma 2 9B pode escrever a continuação. Os textos para mais uma rodada de pré-treinamento vieram da Wikipédia em turco. A técnica LoRA concentrou os ajustes em um pequeno grupo de parâmetros. O experimento reservou 1.000 parágrafos da mesma Wikipédia para medir a capacidade de prever o próximo token em passagens ainda desconhecidas daquela fonte. [Google Gemma 2 9B](https://huggingface.co/google/gemma-2-9b) [Fonte original](https://huggingface.co/emre/gemma-2-9b-Turkish-Lora-Continue-Pre-Trained) ### [Java Methods · Doc2Vec](https://tasaract.com/pt/lab/java-method-vectors/) Modelo Converte um método Java em um vetor de 200 dimensões, útil para encontrar trechos de código semelhantes ou agrupar métodos. Cada método Java vira um vetor de 200 números. O modelo aprendeu essas representações com o Doc2Vec da biblioteca Gensim, usando uma coleção de métodos Java e separando o código em tokens pelos espaços em branco. O exemplo da ficha calcula o vetor de um novo trecho e recupera os cinco métodos mais próximos. Isso ajuda a procurar código relacionado mesmo quando o texto difere. [Gensim Doc2Vec](https://radimrehurek.com/gensim/models/doc2vec.html) [Fonte original](https://huggingface.co/emre/java_8m_methods_doc2vec) ### [Gemma 3 27B · Turkish reasoning](https://tasaract.com/pt/lab/gemma-reasoning-tr/) Modelo Adaptei a versão de 4 bits do Gemma 3 27B Instruct preparada pela Unsloth para responder a questões de raciocínio em turco. A documentação inclui avaliações iniciais com o TARA. Esta adaptação do modelo de instruções Gemma 3 27B de quatro bits responde a problemas de raciocínio em turco. A ficha a compara com o modelo de partida no TARA v1, em tarefas como planejamento, SQL e Python. O Gemini atribuiu as notas nessa avaliação preliminar. O modelo adaptado teve uma pontuação maior ao escrever consultas SQL e ligeiramente menor na análise de código Python. [Unsloth 4-bit Gemma 3 27B Instruct](https://huggingface.co/unsloth/gemma-3-27b-it-unsloth-bnb-4bit) [Fonte original](https://huggingface.co/emre/gemma-3-27b-it-tr-reasoning40k-4bit) ### [arXiv Abstract-to-Title · mT5](https://tasaract.com/pt/lab/abstract-title/) Modelo Sugere um título para um artigo a partir do resumo. A adaptação do mT5-small foi treinada com pares de resumos e títulos do arXiv. Ao receber o resumo de uma pesquisa, o modelo propõe um título para o artigo. Ele aprendeu a tarefa com um ajuste do mT5-small em pares de resumos e títulos do arXiv. No treinamento, cada entrada tinha limite de 256 tokens. As pontuações ROUGE publicadas medem palavras ou sequências em comum com os títulos originais. Assim, uma boa sugestão expressa em outras palavras pode receber uma nota baixa. [mT5-small](https://huggingface.co/google/mt5-small) [Fonte original](https://huggingface.co/emre/arxiv27k-t5-abst-title-gen) ### [Wav2Vec2 XLS-R · Turkish](https://tasaract.com/pt/lab/xlsr-tr/) Modelo Converte fala gravada em turco em texto com um codificador XLS-R multilíngue. A documentação inclui o histórico de treinamento e a taxa de erro por palavra. O modelo transcreve fala em turco usando um codificador de áudio XLS-R de 300 milhões de parâmetros, ajustado com gravações em turco do Mozilla Common Voice 8.0. Na decodificação, o método CTC agrupa previsões idênticas consecutivas e elimina os símbolos em branco para formar a transcrição. A ficha informa uma taxa de erro de palavras de 0,2869 no conjunto de avaliação, cerca de 28,7%. [Meta Wav2Vec2 XLS-R 300M](https://huggingface.co/facebook/wav2vec2-xls-r-300m) [Fonte original](https://huggingface.co/emre/wav2vec2-large-xls-r-300m-tr) ### [Qwen 0.5B · GRPO maths](https://tasaract.com/pt/lab/qwen-grpo/) Modelo Resolve problemas escritos de matemática com um Qwen pequeno adaptado ao GSM8K. O treino pontua separadamente o resultado numérico e o formato da resposta. Um modelo pequeno pode aprender a resolver um problema de matemática escrito por extenso e a apresentar sua resposta? Este Qwen de meio bilhão de parâmetros fez uma passagem pelos problemas do GSM8K. Ele escreve a solução e reserva uma seção para o resultado final. No treinamento com GRPO, recompensas específicas verificaram separadamente a resposta numérica e o formato. Uma solução bem apresentada ainda pode conter um erro de cálculo. [Qwen2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct) [Fonte original](https://huggingface.co/emre/Qwen-0.5B-GRPO) ### [Regression Conformal Prediction Research Atlas](https://tasaract.com/pt/lab/regression-atlas/) Repositório Compare intervalos de previsão em 67 conjuntos de dados. Para cada método, consulte a largura dos intervalos e a frequência com que incluíram o valor observado. Um intervalo de previsão precisa cobrir uma parcela suficiente dos valores observados e ser estreito o bastante para orientar uma decisão. O atlas compara como os métodos conformais conciliam esses objetivos em 67 conjuntos de dados de regressão. Pelo grafo de evidências, é possível seguir um resultado até a tabela de comparação. Um dos experimentos troca o modelo que estima os quantis. Mesmo mantendo o método de construção dos intervalos, mudam as comparações em que ele se sai melhor. [Fonte original](https://github.com/detasar/regression-conformal-prediction-research-atlas) ### [BIRD · Text-to-SQL experiments](https://tasaract.com/pt/lab/bird-sql/) Repositório A partir de uma pergunta e do esquema de um banco de dados, o sistema gera SQL e executa a consulta para conferir o resultado. O ponto de partida é uma pergunta em linguagem cotidiana. Para chegar à consulta SQL, uma das abordagens divide a tarefa em pequenas decisões, de identificar as entidades mencionadas a localizar as tabelas e os valores certos. Outros experimentos recuperam exemplos de consultas ou sinalizam perguntas que precisam de esclarecimento. No banco de dados financeiro do benchmark BIRD, as 106 consultas da primeira abordagem foram executadas com sucesso. Em 79 casos, a resposta coincidiu com o resultado de referência. [Fonte original](https://github.com/detasar/bird-text2sql-experiments) ### [WebCLI](https://tasaract.com/pt/lab/webcli/) Repositório Indexa documentação pública para busca local na linha de comando. Os resultados têm referências estáveis e podem ser exportados em JSONL. Imagine que um agente precisa do guia que encontrou ontem. Com o webcli, ele pode pesquisar em um índice local de documentação, recuperar a entrada por uma referência estável e exportar o resultado em JSON ou JSONL para outra ferramenta. O primeiro adaptador abrange a documentação pública de desenvolvimento da OpenAI. A sincronização padrão armazena os metadados das páginas. Baixar o texto é uma opção separada, e as buscas seguintes usam o índice local. [Fonte original](https://github.com/detasar/webcli) ### [Fairness Metrics](https://tasaract.com/pt/lab/fairness-metrics/) Repositório Dois grupos podem receber decisões positivas com a mesma frequência e sofrer tipos de erro diferentes. Este exemplo em Python cruza previsões, resultados observados e grupo pelo identificador do usuário. Dois grupos podem receber decisões positivas com a mesma frequência e sofrer tipos de erro diferentes. Este exemplo em Python cruza previsões, resultados observados e grupo pelo identificador do usuário. O README compara lado a lado taxas de seleção, falsos positivos, falsos negativos e sensibilidade. Há uma diferença entre o exemplo e o código. Ao calcular a proporção de erros entre as decisões negativas, a função publicada usa variáveis de grupo que não foram definidas e para antes de devolver a tabela. [Fonte original](https://github.com/detasar/fairness_metrics) ### [Quantum Time Experiment](https://tasaract.com/pt/lab/quantum-clocks/) Repositório Testa quais registros de diferentes fragmentos de um sistema quântico permitem ordenar eventos e quando é preciso uma referência adicional para estabelecer o sentido do tempo. Se duas partes de um sistema quântico registram a mesma leitura de relógio, em que exatamente elas concordam? Um experimento com quatro qubits ilustra como dois fragmentos podem registrar o mesmo rótulo de forma independente. A leitura corresponde aqui ao estado de um subsistema quântico. A análise matemática dá o passo seguinte. Para recuperar a ordem dos eventos, os registros precisam formar uma cadeia persistente. Determinar qual extremidade vem primeiro exige uma referência física adicional. [Fonte original](https://github.com/detasar/quantum-time-experiment) ### [PaperBanana field test](https://tasaract.com/pt/lab/paperbanana-test/) Repositório Testei o PaperBanana com a seção de métodos de três artigos meus. Cada figura gerada aparece ao lado da original e da entrada exata, para que o leitor possa conferir os erros. O que se preserva quando uma seção de métodos vira um diagrama? Em três testes, o PaperBanana recebeu uma descrição do método e uma legenda. Dois envolveram dados quânticos e um tratou de reconhecimento de fala em turco. As entradas exatas e as figuras sem edição estão disponíveis ao lado das originais quando é possível comparar. Um diagrama acrescentou um resultado numérico de cobertura ausente na fonte. Outro introduziu uma etapa de decodificação da fala que o método jamais descreveu. [Fonte original](https://github.com/detasar/paperbanana-field-test) ### [World Cup 2026 Nowcast Lab](https://tasaract.com/pt/lab/worldcup-nowcast/) Repositório Simula a Copa do Mundo de 2026 a partir das probabilidades de cada partida para estimar as chances de título das seleções. Como um possível placar muda as chances de uma seleção ganhar o torneio? O projeto verifica dados públicos de futebol, estima probabilidades de placares e simula os jogos restantes para transformar previsões de partidas em chances de título. A ficha de 17 de julho de 2026 registra 150 mil simulações e as probabilidades das duas seleções que restavam. Os intervalos quantificam a incerteza da própria simulação. A escolha do modelo e os dados disponíveis trazem outras fontes de incerteza. [Fonte original](https://github.com/detasar/worldcup26-nowcast-lab) ### [Agent Chronicle](https://tasaract.com/pt/lab/agent-chronicle/) Repositório Organiza as decisões, alterações e verificações de uma sessão de programação em uma linha do tempo. Cada relato de progresso pode ser confrontado com o registro correspondente. Ao retomar uma sessão de programação depois de uma pausa, as perguntas são bem concretas. Quais arquivos mudaram? Há alguma decisão pendente? Quais verificações passaram? O Agent Chronicle organiza as atividades registradas pelo Codex ou pelo Claude em uma linha do tempo local, na qual cada resposta pode ser rastreada até um evento. Se quiser um resumo por IA, você pode revisar as evidências selecionadas antes do envio. Os links no resumo levam de volta ao registro. [Fonte original](https://github.com/detasar/agent-chronicle-community) ## Documentos originais - [Perfil](https://tasaract.com/pt/profile.json) - [Pesquisa e publicações](https://tasaract.com/pt/public-works.json) - [Patentes e modelos de utilidade](https://tasaract.com/pt/patent-portfolio.json) - [Modelos e código](https://tasaract.com/pt/open-lab.json) - [Grafo de conhecimento](https://tasaract.com/pt/ontology.jsonld) - [Escolher um percurso](https://tasaract.com/pt/journey-data.json) - [JSON](https://tasaract.com/pt/agent-index.json) ## API · MCP Adicione o endereço do servidor ao seu cliente MCP e entre com OAuth. Você também pode abrir os links para os dados JSON públicos diretamente no navegador. - [Conexão via MCP](https://tasaract.com/pt/guide/#mcp) - [MCP · OAuth · JSON-RPC · POST](https://tasaract.vecna.chatgpt.site/mcp) - [Perfil](https://tasaract.com/api/profile?lang=pt) - [Pesquisa e publicações](https://tasaract.com/api/works?lang=pt) - [Patentes e modelos de utilidade](https://tasaract.com/api/patents?lang=pt) - [Modelos e código](https://tasaract.com/api/lab?lang=pt) - [Idioma](https://tasaract.com/languages.json) ```json {"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"get_profile","arguments":{"lang":"pt"}}} ```