E-book Básico

Inteligência Artificial
 ÍNDICE
01
INTELIGÊNCIA ARTIFICIAL

02
ABORDAGENS PRINCIPAIS

03
DEFINIÇÃO DO TERMO

04
HISTÓRIA

05
IA FORTE E IA FRACA
01

INTELIGÊNCIA ARTIFICIAL
Inteligência artificial (de sigla: IA; do inglês: artificial intelligence) é
um campo de estudo multidisciplinar que abrange varias áreas do
conhecimento. Embora seu desenvolvimento tenha avançado mais
na ciência da computação, sua abordagem interdisciplinar envolve
contribuições de diversas disciplinas. Algumas das principais áreas
relacionadas à IA incluem:

Ciência da Computação: A ciência da computação

desempenha um papel central na IA, fornecendo as bases
teóricas e práticas para o desenvolvimento de algoritmos,
modelos e técnicas computacionais para simular a inteligência
humana.

Matemática e Estatística: A matemática e a estatística

fornecem os fundamentos teóricos para a modelagem e análise
de algoritmos de IA, incluindo aprendizagem de máquina,
redes neurais e processamento de dados.

Aprendizagem de Máquina (Machine Learning): A

aprendizagem de máquina é uma subárea da IA que se
concentra no desenvolvimento de algoritmos que permitem aos
computadores aprender e melhorar com base em dados. Isso
envolve a aplicação de técnicas estatísticas e algoritmos de
otimização.

Ciência Cognitiva: A ciência cognitiva estuda os processos

mentais e a inteligência humana, e suas contribuições para a
IA estão relacionadas à compreensão e modelagem dos
processos cognitivos para o desenvolvimento de sistemas
inteligentes.

Neurociência Computacional: A neurociência computacional

busca entender o funcionamento do cérebro humano e aplicar
esses insights no desenvolvimento de modelos e algoritmos de
 IA inspirados no cérebro.

Filosofia da Mente: A filosofia da mente explora questões

relacionadas à natureza da mente, da consciência e da
inteligência, oferecendo perspectivas teóricas importantes para
o campo da IA.

Linguística Computacional: A linguística computacional

envolve o processamento de linguagem natural (PLN), que se
concentra no desenvolvimento de algoritmos e técnicas para
que os computadores compreendam e processem a linguagem
humana.

É um conceito amplo e que recebe tantas definições quanto

significados diferentes à palavra inteligência. É possível considerar
algumas características básicas desses sistemas, como a
capacidade de raciocínio (aplicar regras lógicas a um conjunto de
dados disponíveis para chegar a uma conclusão), aprendizagem
(aprender com os erros e acertos para que no futuro possa agir de
maneira mais eficaz), reconhecer padrões (tanto padrões visuais e
sensoriais, como também padrões de comportamento) e inferência
(capacidade de conseguir aplicar o raciocínio nas situações do
nosso cotidiano).

O desenvolvimento da área de estudo começou logo após a

Segunda Guerra Mundial, com o artigo "Computing Machinery and
Intelligence" do matemático inglês Alan Turing, e o próprio nome
foi cunhado em 1956. Seus principais idealizadores foram os
cientistas Herbert Simon, Allen Newell, John McCarthy, Warren
McCulloch, Walter Pitts e Marvin Minsky.
A construção de máquinas inteligentes interessa à humanidade há
muito tempo, havendo na história tanto um registro significante de
autômatos mecânicos (reais) quanto de personagens fictícios
construídos pelo homem com inteligência própria, tais como o
Golem e o Frankenstein. Tais relatos, lendas e ficções demonstram
expectativas contrastantes do homem, de fascínio e de medo, em
relação à Inteligência Artificial.

Apenas recentemente, com o surgimento do computador moderno,

é que a inteligência artificial ganhou meios e massa crítica para se
estabelecer como ciência integral, com problemáticas e
metodologias próprias. Desde então, seu desenvolvimento tem
extrapolado os clássicos programas de xadrez ou de conversão e
envolvido áreas como visão computacional, análise e síntese da
voz, lógica difusa, redes neurais artificiais e muitas outras.
Inicialmente, os modelos de IA visavam reproduzir o pensamento
humano. Posteriormente, no entanto, tais modelos abraçaram a
ideia de reproduzir capacidades humanas como criatividade, auto
aperfeiçoamento e uso da linguagem. Porém, o conceito de
inteligência artificial ainda é bastante difícil de se definir. Por essa
razão, Inteligência Artificial foi (e continua sendo) uma noção que
dispõe de múltiplas interpretações, não raro conflitantes ou
circulares.
02

ABORDAGENS
PRINCIPAIS
Existem duas abordagens principais para a criação de Sistemas de
Inteligência Artificial: O Simbolismo e o Conexionismo.

A primeira, chamada de IA Simbólica, propõe a representação de

conhecimento por meio da manipulação de símbolos, isto é, na
forma de estruturas construídas por seres humanos, normalmente
baseadas em noçoes de Lógica. Ela teve grande impulso durante
uma fase onde foram criados muitos Sistemas Especialistas,
muitos deles basados em Lógica de Primeira Ordem,
implementados em Prolog, ou em linguagens de programação
derivadas desta ou especializadas, como CLIPS. Normalmente
programas desse tipo têm o conhecimento programado
diretamente por seres humanos, o que levou a trabalhos de
elicitação de conhecimento. Apesar do sucesso inicial dos
Sistemas Especialistas, a grande dificuldade de levantar e registrar
conhecimento a partir de humanos e o sucesso dos processos de
aprendizado de máquina a partir de dados levou a dimimuição da
importância dessa vertente.

A segunda, chamada de IA Conexionista, se baseia em um modelo

matemático inspirado no funcionamento dos neurônios, e depende
do aprendizado de máquina baseado em grandes massas de
dados para calibrar esse modelo, que normalmente começa com
parâmetros aleatórios. Essa abordagem, apesar de proposta muito
cedo, não encontrou computadores capazes de modelar problemas
complexos, apesar de ter sucesso com problemas restritos de
reconhecimento de padrão, o que só acontece a partir da década
de 2010, com resultados extramemente fortes no final dessa
década e no início da década de 2020, a partir de modelos
contendo bilhões de parametros, como o GPT-3 e conceitos como
Redes Neurais Profundas, Transformers, e Atenção.
Em torno de 2022, a maior parte da pesquisa em IA gira em torno
dos conceitos de Aprendizado de Máquina e Conexionismo,
havendo também propostas para sistemas híbridos.
O3
DEFINIÇÃO DO TERMO
A questão sobre o que é "inteligência artificial", mesmo como
definida anteriormente, pode ser separada em duas partes: "qual a
natureza do artificial" e "o que é inteligência". A primeira questão é
de resolução relativamente fácil, apontando no entanto para a
questão de o que poderá o homem construir.

A segunda questão seria consideravelmente mais difícil, levantando

a questão da consciência, identidade e mente (incluindo a mente
inconsciente) juntamente com a questão de que componentes
estão envolvidos no único tipo de inteligência que universalmente
se aceita como estando ao alcance do nosso estudo: a inteligência
do ser humano. O estudo de animais e de sistemas artificiais que
não são modelos triviais começa a ser considerado como pauta de
estudo na área da inteligência.

Ao conceituar inteligência artificial, presume-se a interação com o

ambiente, diante de necessidades reais como relações entre
indivíduos semelhantes, a disputa entre indivíduos diferentes,
perseguição e fuga; além da comunicação simbólica específica de
causa e efeito em diversos níveis de compreensão intuitiva,
consciente ou não.

Suponhamos uma competição de cara ou coroa, cujos resultados

sejam observados ou não. Se na segunda tentativa der o mesmo
resultado que a primeira, então não existiam as mesmas chances
para ambas opções iniciais. Claro que a coleta de informação em
apenas duas amostragens é confiável apenas porque a quantidade
de tentativas é divisível pelo número de opções de resultados
prováveis.
A verdade é que o conceito de cara ou coroa está associado a
artigos de valor, como moedas e medalhas que podem evitar que
as pessoas abandonem o jogo e induza os participantes a
acompanhar os resultados até o final. Para manter a disposição do
adversário em desafiar a máquina seria necessário aparentar
fragilidade e garantir a continuidade da partida. Isso é muito
utilizado em máquinas de cassino, sendo que vários apostadores
podem ser induzidos a dispensar consideráveis quantias em
apostas.

A utilização de uma máquina de resultados pode compensar a

ausência de um adversário, mas numa partida de xadrez, por
exemplo, para que a máquina não precise armazenar todas as
informações que excedem a capacidade de próprio universo
imaginável são necessárias fórmulas que possam ser armazenadas
para que então sejam calculadas por princípios físicos, lógicos,
geométricos, e estatísticos para refletir o sistema completo em cada
uma das suas partes; como a integração do Google com Wikipédia,
por exemplo.

Uma popular e inicial definição de inteligência artificial, introduzida

por John McCarthy na famosa conferência de Dartmouth em 1956 é
"fazer a máquina comportar-se de tal forma que seja chamada
inteligente caso fosse este o comportamento de um ser humano."
No entanto, esta definição parece ignorar a possibilidade de existir
a IA forte (ver abaixo).

Outra definição de Inteligência Artificial é a inteligência que surge

de um "dispositivo artificial". A maior parte das definições podem
ser categorizadas em sistemas que: "pensam como um humano;
agem como um humano; pensam racionalmente ou agem
racionalmente".
04

HISTÓRIA
O conceito de inteligência artificial não é contemporâneo.
Aristóteles, professor de Alexandre, o Grande, almejava substituir a
mão de obra escrava por objetos autônomos, sendo essa a
primeira idealização de Inteligência Artificial relatada, uma ideia que
seria explorada muito tempo depois pela ciência da computação. O
desenvolvimento dessa ideia se deu de forma plena no Século XX,
com enfoque nos anos 50, com pensadores como Herbert Simon e
John McCarthy. Os primeiros anos da IA foram repletos de
sucessos – mas de uma forma limitada. Considerando-se os
primeiros computadores, as ferramentas de programação da época
e o fato de que apenas alguns anos antes os computadores eram
vistos como objetos capazes de efetuar operações aritméticas e
nada mais, causava surpresa o fato de um computador realizar
qualquer atividade remotamente inteligente.

O sucesso inicial prosseguiu com o General Problem Solver

(Solucionador de problemas gerais) ou GPS, desenvolvido por
Newell e Simon. Esse programa foi projetado para imitar protocolos
humanos de resolução de problemas. Dentro da classe limitada de
quebra-cabeças com a qual podia lidar, verificou-se que a ordem
em que os seres humanos abordavam os mesmos problemas.
Desse modo, o GPS talvez tenha sido o primeiro programa a
incorporar a abordagem de “pensar de forma humana”.

Desde o início os fundamentos da inteligência artificial tiveram o

suporte de várias disciplinas que contribuíram com ideias, pontos
de vista e técnicas para a IA. Os filósofos (desde 400 a.C.)
tornaram a IA concebível, considerando as ideias de que a mente é,
em alguns aspectos, semelhante a uma máquina, de que ela opera
sobre o conhecimento codificado em alguma linguagem interna e
que o pensamento pode ser usado para escolher as ações que
deverão ser executadas. Por sua vez, os matemáticos forneceram
as ferramentas para manipular declarações de certeza lógica, bem
como declarações incertas e probabilísticas.
Eles também definiram a base para a compreensão da computação
e do raciocínio sobre algoritmos.

Os economistas formalizaram o problema de tomar decisões que

maximizam o resultado esperado para o tomador de decisões. Os
psicólogos adotaram a ideia de que os seres humanos e os animais
podem ser considerados máquinas de processamento de
informações. Os linguistas mostraram que o uso da linguagem se
ajusta a esse modelo. Os engenheiros de computação fornecem os
artefatos que tornam possíveis as aplicações de IA. Os programas
de IA tendem a ser extensos e não poderiam funcionar sem os
grandes avanços em velocidade e memória que a indústria de
informática tem proporcionado.

Atualmente, a IA abrange uma enorme variedade de subcampos.

Dentre esses subcampos está o estudo de modelos conexionistas
ou redes neurais. Uma rede neural pode ser vista como um modelo
matemático simplificado do funcionamento do cérebro humano.[20]
Este consiste de um número muito grande de unidades
elementares de processamento, ou neurônios, que recebem e
enviam estímulos elétricos uns aos outros, formando uma rede
altamente interconectada.

No processamento, são compostos os estímulos recebidos

conforme a intensidade de cada ligação, produzindo um único
estímulo de saída. É o arranjo das interconexões entre os neurônios
e as respectivas intensidades que define as principais propriedades
e o funcionamento de uma RN. O estudo das redes neurais ou o
conexionismo se relaciona com a capacidade dos computadores
aprenderem e reconhecerem padrões. Podemos destacar também
o estudo da biologia molecular na tentativa de construir vida
artificial e a área da robótica, ligada à biologia e procurando
construir máquinas que alojem vida artificial. Outro subcampo de
estudo é a ligação da IA com a Psicologia, na tentativa de
representar na máquina os mecanismos de raciocínio e de procura.
Nos últimos anos, houve uma revolução no trabalho em inteligência
artificial, tanto no conteúdo quanto na metodologia. Agora, é mais
comum usar as teorias existentes como bases, em vez de propor
teorias inteiramente novas, fundamentar as informações em
teoremas rigorosos ou na evidência experimental rígida, em vez de
utilizar como base a intuição e destacar a relevância de aplicações
reais em vez de exemplos hipotéticos.

A utilização da IA permite obter não somente ganhos significativos

de performance, mas também possibilita o desenvolvimento de
aplicações inovadoras, capazes de expandir de forma
extraordinária nossos sentidos e habilidades intelectuais. Cada vez
mais presente, a inteligência artificial simula o pensamento humano
e se alastra por nosso cotidiano. Em maio de 2017 no Brasil, foi
criada a ABRIA (Associação Brasileira de Inteligência Artificial) com
o objetivo de mapear iniciativas brasileiras no setor de inteligência
artificial, englobando os esforços entre as empresas nacionais e
formação de mão de obra especializada. Esse passo reforça que,
atualmente, a inteligência artificial é impactante no setor
econômico.

Investigação na IA experimental

A inteligência artificial começou como um campo experimental nos

anos 50 com pioneiros como Allen Newell e Herbert Simon, que
fundaram o primeiro laboratório de inteligência artificial na
Universidade Carnegie Mellon, e McCarty que juntamente com
Marvin Minsky, que fundaram o MIT AI Lab em 1959. Foram eles
alguns dos participantes na famosa conferência de verão de 1956
em Darthmouth College.
Historicamente, existem dois grandes estilos de investigação em IA:
IA "neats" e IA "scruffies". A IA "neats", limpa, clássica ou
simbólica. Envolve a manipulação de símbolos e de conceitos
abstractos, e é a metodologia utilizada na maior parte dos sistemas
periciais.

Paralelamente a esta abordagem existe a abordagem IA "scruffies",

ou "coneccionista", da qual as redes neuronais são o melhor
exemplo. Esta abordagem cria sistemas que tentam gerar
inteligência pela aprendizagem e adaptação em vez da criação de
sistemas desenhados com o objectivo especifico de resolver um
problema. Ambas as abordagems apareceram num estágio inicial
da história de IA. Nos anos 60s e 70s os coneccionistas foram
retirados do primeiro plano da investigação em IA, mas o interesse
por esta vertente da IA foi retomada nos anos 80s, quando as
limitações da IA "limpa" começaram a ser percebidas.

Pesquisas sobre inteligência artificial foram intensamente

custeadas na década de 1980 pela Agência de Projetos de
Pesquisas Avançadas sobre Defesa (“Defense Advanced Research
Projects Agency”), nos Estados Unidos, e pelo Projeto da Quinta
Geração (“Fifth Generation Project”), no Japão. O trabalho
subsidiado fracassou no sentido de produzir resultados imediatos, a
despeito das promessas grandiosas de alguns praticantes de IA, o
que levou proporcionalmente a grandes cortes de verbas de
agências governamentais no final dos anos 80, e em consequência
a um arrefecimento da atividade no setor, fase conhecida como O
inverno da IA. No decorrer da década seguinte, muitos
pesquisadores de IA mudaram para áreas relacionadas com metas
mais modestas, tais como aprendizado de máquinas, robótica e
visão computacional, muito embora pesquisas sobre IA pura
continuaram em níveis reduzidos.
Campo de estudo

Os principais pesquisadores e livros didáticos definem o campo

como "o estudo e projeto de agentes inteligentes", onde um agente
inteligente é um sistema que percebe seu ambiente e toma atitudes
que maximizam suas chances de sucesso. Andreas Kaplan e
Michael Haenlein definem a inteligência artificial como “uma
capacidade do sistema para interpretar corretamente dados
externos, aprender a partir desses dados e utilizar essas
aprendizagens para atingir objetivos e tarefas específicas através
de adaptação flexível”. John McCarthy, quem cunhou o termo em
1956 ("numa conferência de especialistas celebrada em Darmouth
Colege" Gubern, Román: O Eros Eletrónico), a define como "a
ciência e engenharia de produzir sistemas inteligentes". É uma área
de pesquisa da computação dedicada a buscar métodos ou
dispositivos computacionais que possuam ou multipliquem a
capacidade racional do ser humano de resolver problemas, pensar
ou, de forma ampla, ser inteligente. Também pode ser definida
como o ramo da ciência da computação que se ocupa do
comportamento inteligente ou ainda, o estudo de como fazer os
computadores realizarem coisas que, atualmente, os humanos
fazem melhor.

Abordagens filosóficas

Não existe uma teoria ou paradigma unificador que orienta a

pesquisa de IA. Pesquisadores discordam sobre várias questões.
Algumas das perguntas constantes mais longas que ficaram sem
resposta são as seguintes: a inteligência artificial deve simular
inteligência natural, estudando psicologia ou neurociência? Ou será
que a biologia humana é tão irrelevante para a pesquisa de IA
como a biologia das aves é para a engenharia aeronáutica?
O comportamento inteligente pode ser descrito usando princípios
simples e elegantes (como lógica ou otimização)? Ou ela
necessariamente requer que se resolva um grande número de
problemas completamente não relacionados? A inteligência pode
ser reproduzida usando símbolos de alto nível, similares às
palavras e ideias? Ou ela requer processamento "sub-simbólico"?
John Haugeland, que cunhou o termo GOFAI (Good Old-Fashioned
Artificial Intelligence - Boa Inteligência Artificial à Moda Antiga),
também propôs que a IA deve ser mais apropriadamente chamada
de inteligência sintética, um termo que já foi adotado por alguns
pesquisadores não-GOFAI.

Cibernética e simulação cerebral

Nos anos de 1940 e 1950, um número de pesquisadores

exploraram a conexão entre neurologia, teoria da informação e
cibernética. Alguns deles construíram máquinas que usaram redes
eletrônicas para exibir inteligência rudimentar, como as tartarugas
de W. Grey Walter e a Besta de Johns Hopkins. Muitos desses
pesquisadores se reuniram para encontros da Sociedade
teleológica da Universidade de Princeton e o Ratio Club na
Inglaterra. Em 1960, esta abordagem foi abandonada, apesar de
seus elementos serem revividos na década de 1980.

ub-simbólica

Inteligência computacional

Interesse em redes neurais e "conexionismo" foi revivida por David

Rumelhart e outros em meados de 1980. Estas e outras
abordagens sub-simbólicas, como sistemas de fuzzy e computação
evolucionária, são agora estudados coletivamente pela disciplina
emergente inteligência computacional.
05

IA FORTE E IA FRACA
Entre os teóricos que estudam o que é possível fazer com a IA
existe uma discussão onde se consideram duas propostas básicas:
uma conhecida como "forte" e outra conhecida como "fraca".
Basicamente, a hipótese da IA forte considera ser possível criar
uma máquina consciente, ou seja, afirma que os sistemas artificiais
devem replicar a mentalidade humana.

Inteligência artificial forte

A investigação em Inteligência Artificial Forte aborda a criação da

forma de inteligência baseada em computador que consiga
raciocinar e resolver problemas; uma forma de IA forte é
classificada como auto-consciente.

A IA forte é tema bastante controverso, pois envolve temas como

consciência e fortes problemas éticos ligados ao que fazer com
uma entidade que seja cognitivamente indistinguível de seres
humanos.

A ficção científica tratou de muitos problemas desse tipo. Isaac

Asimov, por exemplo, escreveu O Homem Bicentenário, onde um
robô consciente e inteligente luta para possuir um status
semelhante ao de um humano na sociedade. E Steven Spielberg
dirigiu "A.I. Inteligência Artificial" onde um garoto-robô procura
conquistar o amor de sua "mãe", procurando uma maneira de se
tornar real. Por outro lado, o mesmo Asimov reduz os robôs a
servos dos seres humanos ao propor as três leis da robótica.

Stephen Hawking alertou sobre os perigos da inteligência artificial e

considerou uma ameaça à sobrevivência da humanidade. (ver:
Rebelião das máquinas).
Inteligência artificial fraca

Trata-se da noção de como lidar com problemas não

determinísticos. Uma contribuição prática de Alan Turing foi o que
se chamou depois de Teste de Turing (TT), de 1950: em lugar de
responder à pergunta "podem-se ter computadores inteligentes?"
ele formulou seu teste, que se tornou praticamente o ponto de
partida da pesquisa em "Inteligência Artificial".

O teste consiste em se fazer perguntas a uma pessoa e um

computador escondidos. Um computador e seus programas
passam no TT se, pelas respostas, for impossível a alguém
distinguir qual interlocutor é a máquina e qual é a pessoa. No seu
artigo original ele fez a previsão de que até 2000 os computadores
passariam seu teste. Pois bem, há um concurso anual de
programas para o TT, e o resultado dos sistemas ganhadores é tão
fraco (o último tem o nome "Ella") que com poucas perguntas logo
percebe-se as limitações das respostas da máquina. É interessante
notar que tanto a Máquina de Turing quanto o Teste de Turing
talvez derivem da visão que Turing tinha de que o ser humano é
uma máquina.

Há quem diga que essa visão está absolutamente errada, do ponto

de vista linguístico, já que associamos à "máquina" um artefato
inventado e eventualmente construído. Dizem eles: "Nenhum ser
humano foi inventado ou construído". Afirma-se ainda que a
comparação, feita por Turing, entre o homem e a máquina é
sinônimo de sua "ingenuidade social", pois as máquinas são
infinitamente mais simples do que o homem, apesar de,
paradoxalmente, se afirmar que a vida é complexa. No entanto,
esta linha de raciocínio é questionável, afinal de contas, os
computadores modernos podem ser considerados "complexos"
quando comparados ao COLOSSUS (computador cujo
desenvolvimento foi liderado por Tommy Flowers, em 1943), ou a
qualquer máquina do início do século XX.
A inteligência artificial fraca centra a sua investigação na criação de
inteligência artificial que não é capaz de verdadeiramente raciocinar
e resolver problemas. Uma tal máquina com esta característica de
inteligência agiria como se fosse inteligente, mas não tem
autoconsciência ou noção de si. O teste clássico para aferição da
inteligência em máquinas é o Teste de Turing.

Há diversos campos dentro da IA fraca, e um deles é o

Processamento de linguagem natural, que trata de estudar e tentar
reproduzir os processos de desenvolvimento que resultaram no
funcionamento normal da língua. Muitos destes campos utilizam
softwares específicos e linguagens de programação criadas para
suas finalidades. Um exemplo é o chatbot Eliza, desenvolvido por
Joseph Weizenbaum no laboratório de Inteligência Artificial do MIT
entre os anos de 1964 e 1966. Outro exemplo bastante conhecido é
o programa A.L.I.C.E. (Artificial Linguistic Internet Computer Entity,
ou Entidade Computadorizada de Linguagem Artificial para
Internet), um software que simula uma conversa humana.
Programado em Java e desenvolvido com regras heurísticas para
os caracteres de conversação, seu desenvolvimento resultou na
AIML (Artificial Intelligence Markup Language), uma linguagem
específica para tais programas e seus vários clones, chamados de
Alicebots.

Muito do trabalho neste campo tem sido feito com simulações em

computador de inteligência baseado num conjunto predefinido de
regras. Poucos têm sido os progressos na IA forte. Mas
dependendo da definição de IA utilizada, pode-se dizer que
avanços consideráveis na IA fraca já foram alcançados.
Impossibilidade de Simulação Qualitativa

Foi provado que um simulador qualitativo, completo e robusto não

pode existir, ou seja, desde que o vocabulário entrada-saída seja
usado (como num algoritmo QSIM), haverá sempre modelos de
entrada que causam predições erradas na sua saída. Por exemplo,
a noção de infinito é impossível ser tida por uma máquina finita
(computador ou neurónios se produzirem apenas um número finito
de resultados num número finito de tempo). Neste caso é um
simples paradoxo matemático, porque são em número finito as
combinações saídas de qualquer conjunto finito. Se a noção de
infinito pudesse ser obtida por uma certa combinação finita, isso
significaria que o infinito seria equivalente a essa sequência finita, o
que é obviamente uma contradição. Por isso, o infinito e outras
noções abstratas têm que ser pré-adquiridas numa máquina finita,
não são aí programáveis.

Críticas filosóficas e a argumentação de uma IA forte

Muitos filósofos, sobretudo John Searle e Hubert Dreyfus, inseriram

no debate questões de ordem filosófica e epistemológica,
questionando qualquer possibilidade efetiva da IA forte. Seriam
falsos, assim, os próprios pressupostos da construção de uma
inteligência ou consciência semelhante à humana em uma
máquina.

Searle é bastante conhecido por seu contra-argumento sobre o

Quarto Chinês (ou Sala Chinesa), que inverte a questão colocada
por Minsky a respeito do Teste de Turing. Seu argumento diz que
ainda que uma máquina possa parecer falar chinês por meio de
recursos de exame comparativo com mostras e tabelas de
referência, binárias, isso não implica que tal máquina fale e entenda
efetivamente a língua.
Ou seja, demonstrar que uma máquina possa passar no Teste de
Turing não necessariamente implica um ser consciente, tal como
entendido em seu sentido humano. Dreyfus, em seu livro O que os
computadores ainda não conseguem fazer: Uma crítica ao
raciocínio artificial, argumenta que a consciência não pode ser
adquirida por sistemas baseados em regras ou lógica; tampouco
por sistemas que não façam parte de um corpo físico. No entanto,
este último autor deixa aberta a possibilidade de um sistema
robótico baseado em Redes Neuronais, ou em mecanismos
semelhantes, alcançar a inteligência artificial.

Mas já não seria a referida IA forte, mas sim um correlato bem mais
próximo do que se entende por IA fraca. Os revezes que a acepção
primeira de Inteligência Artificial vem levando nos últimos tempos
contribuíram para a imediata relativização de todo seu legado. O
papel de Marvin Minsky, figura proeminente do MIT e autor de
Sociedade da Mente, fora central para a acepção de uma IA linear
que imitaria com perfeição a mente humana, mas seu principal feito
foi construir o primeiro computador baseado em redes neurais,
conhecido como Snark, tendo simplesmente fracassado pois nunca
executou qualquer função interessante, apenas consumiu recursos
de outras pesquisas mais promissoras. O primeiro neuro
computador a obter sucesso (Mark I Perceptron) surgiu em 1957 e
1958, criado por Frank Rosenblatt, Charles Wightman e outros.
Atualmente, no entanto, as vertentes que trabalham com os
pressupostos da emergência e com elementos da IA fraca parecem
ter ganhado proeminência do campo.

As críticas sobre a impossibilidade de criar uma inteligência em um

composto artificial podem ser encontradas em Jean-François
Lyotard (O Pós-humano) e Lucien Sfez (Crítica da Comunicação);
uma contextualização didática do debate encontra-se em Sherry
Turkle (O segundo Eu: os computadores e o espírito humano).
Pode-se resumir o argumento central no fato de que a própria
concepção de inteligência é humana e, nesse sentido, animal e
biológica. A possibilidade de transportá-la para uma base plástica,
artificial, encontra um limite claro e preciso: se uma inteligência
puder ser gerada a partir destes elementos, deverá ser
necessariamente diferente da humana, na medida em que o seu
resultado provém da emergência de elementos totalmente
diferentes dos encontrados nos humanos. A inteligência, tal como a
entendemos, é essencialmente o fruto do cruzamento da uma base
biológica com um complexo simbólico e cultural, impossível de ser
reproduzido artificialmente.

Outros filósofos sustentam visões diferentes. Ainda que não vejam

problemas com a IA fraca, entendem que há elementos suficientes
para se crer na IA forte também. Daniel Dennett argumenta em
Consciência Explicada que se não há uma centelha mágica ou
alma nos seres humanos, então o Homem é apenas uma outra
máquina. Dennett questiona por que razão o Homem-máquina deve
ter uma posição privilegiada sobre todas as outras possíveis
máquinas quando provido de inteligência.

Alguns autores sustentam que se a IA fraca é possível, então

também o é a forte. O argumento da IA fraca, de uma inteligência
imitada mas não real, desvelaria assim uma suposta validação da
IA forte. Isso se daria porque, tal como entende Simon Blackburn
em seu livro Think, dentre outros, não existe a possibilidade de
verificar se uma inteligência é verdadeira ou não. Estes autores
argumentam que toda inteligência apenas parece inteligência, sem
necessariamente o ser. Parte-se do princípio que é impossível
separar o que é inteligência de fato do que é apenas simulação:
apenas acredita-se ser.
Estes autores rebatem os argumentos contra a IA forte dizendo que
seus críticos reduzem-se a arrogantes que não podem entender a
origem da vida sem uma centelha mágica, um Deus ou uma
posição superior qualquer. Eles entenderiam, em última instância,
máquina como algo essencialmente incapaz e sequer conseguem
supô-la como capaz de inteligência. Nos termos de Minsky, a crítica
contra a IA forte erra ao supor que toda inteligência derive de um
sujeito - tal como indicado por Searle - e assim desconsidera a
possibilidade de uma maquinaria complexa que pudesse pensar.
Mas Minsky desconsidera o simples fato de que os maiores
avanços na área foram conseguidos com "maquinaria complexa",
também chamada por pesquisadores mais importantes de
Inteligência Artificial Conexista. Se a crítica de Minsky fosse válida
a maquina criada por Rosenblatt e Bernard Widrow não estaria em
uso ainda hoje, e o Mark I Perceptron não seria o fundador da
neuro-computação. Alguns pesquisadores importantes afirmam que
um dos motivos das críticas de Minsky foi o fato de ter falhado com
Snark. A partir daí começou a criticar essa área por não
compreende-la completamente, prejudicando desde então
pesquisas importantes sobre o assunto.

O debate sobre a IA reflete, em última instância, a própria

dificuldade da ciência contemporânea em lidar efetivamente com a
ausência de um primado superior. Os argumentos pró-IA forte são
esclarecedores dessa questão, pois são os próprios cientistas, que
durante décadas tentaram e falharam ao criar uma IA forte, que
ainda procuram a existência de uma ordem superior. Ainda que a
IA forte busque uma ordem dentro da própria conjugação dos
elementos internos, trata-se ainda da suposição de que existe na
inteligência humana uma qualidade superior que deve ser buscada,
emulada e recriada.
Reflete, assim, a difícil digestão do legado radical da Teoria da
Evolução, onde não existe positividade alguma em ser humano e
ser inteligente; trata-se apenas de um complexo de relações que
propiciaram um estado particular, produto de um cruzamento
temporal entre o extrato biológico e uma complexidade simbólica.

É argumentado também que a inteligência artificial ainda não é

desenvolvida ao ponto de atuar como o cérebro humano, de forma
criativa. Ademais, o cérebro humano ainda não é suficientemente
compreendido. Portanto, a ideia de replicar funções do cérebro
humano é atualmente intangível.

Aplicações

A inteligência artificial, em um contexto amplo, possui aplicações

diversas, sendo empregada na resolução de problemas práticos por
entidades civis, governamentais, e militares. Possui aplicações na
área da saúde, mídia e comércio eletrônico, entre outros. Há uma
discussão sobre como a IA tem sido integrada em sistemas de
planejamento automatizado, diagnóstico médico, reconhecimento
de linguagem e muito mais, mostrando a ampla gama de
aplicações e o impacto profundo da IA em múltiplas áreas.
 Referências e Citações
1. conhecimento
2.↑ Ir para:a b Vasconcelos, V.V.;Martins Junior, P.P. Protótipo de
Sistema Especialista em Direito Ambiental para Auxílio à decisão
em Situações de Desmatamento Rural. NT-27. CETEC-MG. 2004.
80p.
↑
3. Ir para:a b Alan Turing. «Computing Machinery and Intelligence»
(em inglês). Consultado em 22 de maio de 2007
4.↑ István S. N. Berkeley. «What is Artificial Intelligence?» (em
inglês). Consultado em 22 de maio de 2007
5.↑ J. McCarthy, M. L. Minsky, N. Rochester e C.E. Shannon. «A
Proposal for the Dartmouth Summer Research Project on Artificial
Intelligence» (em inglês). Consultado em 22 de maio de 2007.
Arquivado do original em 26 de agosto de 2007
6.↑ Ir para:a b Bruce Mazlish. «The man-machine and artificial
intelligence» (em inglês). Consultado em 22 de maio de 2007
7.↑ Felipe Cotias (17 de janeiro de 2015). «O Demônio de Mary
Shelley». Ficções Humanas. Consultado em 6 de fevereiro de 2015
↑
8. Ir para:a b Rich, Elaine; Knight, Kevin (1994). Inteligência Artificial
2ª ed. Rio de Janeiro: McGraw-Hill. p. 3. 722 páginas. ISBN 85-346-
0122-4
9.↑ Granatyr, Jones (23 de março de 2017). «IA Simbólica x IA
Conexionista». IA Expert Academy. Consultado em 29 de dezembro
de 2022

Atribuições: A Imagens / Ilustrações deste e-book foram geradas por

IA: Mídia Mágica e Canva Creative Studio.