Inteligência
Inserir TítuloArtificial
Aqui
Inserir Título Aqui
Introdução à Inteligência Artificial
Responsável pelo Conteúdo:
Prof. Me. Roberto Luiz Garcia Vichinsky
Revisão Textual:
Prof. Me. Luciano Vieira Francisco
Introdução à Inteligência Artificial
Nesta unidade, trabalharemos os seguintes tópicos:
Fonte: Getty Images
• Definição;
• Origem;
• Teste de Turing;
• Principais Aplicações da IA;
• Algoritmos Complexos.
Objetivos
• Conhecer os conceitos fundamentais da inteligência artificial;
• Conhecer os conceitos básicos sobre algoritmos complexos.
Caro Aluno(a)!
Normalmente, com a correria do dia a dia, não nos organizamos e deixamos para o úl-
timo momento o acesso ao estudo, o que implicará o não aprofundamento no material
trabalhado ou, ainda, a perda dos prazos para o lançamento das atividades solicitadas.
Assim, organize seus estudos de maneira que entrem na sua rotina. Por exemplo, você
poderá escolher um dia ao longo da semana ou um determinado horário todos ou alguns
dias e determinar como o seu “momento do estudo”.
No material de cada Unidade, há videoaulas e leituras indicadas, assim como sugestões
de materiais complementares, elementos didáticos que ampliarão sua interpretação e
auxiliarão o pleno entendimento dos temas abordados.
Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de
discussão, pois estes ajudarão a verificar o quanto você absorveu do conteúdo, além de
propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de
troca de ideias e aprendizagem.
Bons Estudos!
UNIDADE
Introdução à Inteligência Artificial
Contextualização
Tecnologias que se valem dos recursos da Inteligência Artificial (IA) estão cada vez
mais presentes em nosso cotidiano.
No ritmo da Quarta Revolução Industrial, sistemas inteligentes já vêm sendo utilizados na
indústria como recursos preciosos na implementação dos processos flexíveis de produção,
na gestão da cadeia de suprimentos, entre outros processos de produção e administração.
No comércio, principalmente naqueles onde se utilizam meios eletrônicos de vendas
e relacionamento com o cliente, a aplicação de tecnologias de IA para a obtenção das
preferências dos usuários ou para manter uma conversação simulada entre o cliente e
sistema de atendimento, por exemplo, já é uma realidade bastante difundida.
Na área de entretenimento, podemos citar as plataformas de streaming, que empre-
gam os recursos de IA para a criação e manutenção de uma base de conhecimentos sobre
as preferências do cliente, possibilitando ao sistema sugerir títulos e outros serviços de
acordo com o perfil do usuário.
Podemos ainda incluir nesta lista algumas outras aplicações como, por exemplo, os
assistentes pessoais, robôs industriais, veículos autoguiados e chatbots, que também se
valem dos recursos de IA.
Neste cenário, ter conhecimentos sobre as tecnologias de IA é imprescindível para
qualquer profissional nos tempos atuais.
6
Definição
A palavra inteligência é originária do latim intelligentia, que significa a capacidade
de conhecer, compreender e aprender. A palavra artificial também é oriunda do latim
artificialis, que significa “não natural” ou algo produzido pela arte, fabricado pelo ho-
mem. Então, de forma bastante simples, podemos definir Inteligência Artificial (IA) como
um produto desenvolvido pelo homem, que pode ser implementado em um sistema
computacional para lhe conferir a capacidade de conhecer, compreender e aprender,
simulando a inteligência humana.
Em relação ao estudo da IA, a definição dada por John McCarthy (1956) é bastante
clara: “Inteligência Artificial pode ser definida como a ciência que estuda a emulação do
comportamento da inteligência humana, por meio de máquinas.”
Origem
Dentro do conceito que hoje conhecemos, a IA teve a sua origem em 1956 na renomada
universidade estadunidense Dartmouth College, em New Hampshire, onde o pesqui-
sador e cientista da computação John McCarthy, com o apoio de alguns colegas da
universidade, organizou um seminário de 2 meses, entre julho e agosto de 1956, reu-
nindo pesquisadores interessados no estudo da inteligência e na teoria dos autômatos.
Participaram desse encontro, ao todo, dez pesquisadores, entre eles: Trenchard More, da
Universidade de Princeton; Arthur Samuel, da IBM; Oliver Selfridge, do Massachusetts
Institute of Technology (MIT).
O objetivo do encontro proposto por McCarthy era estudar os aspectos da aprendizagem
e das características da inteligência humana, de forma que se pudesse descrevê-las com bas-
tante precisão a ponto de poderem ser implementadas e simuladas por meio de máquinas.
Esse seminário não produziu nenhum resultado imediato. Não trouxe nenhuma novi-
dade, além de especulações e ideias que posteriormente foram fundamentais para o
desenvolvimento de novas teorias dentro da área. No entanto, esse encontro de pesqui-
sadores no Dartmouth College é considerado o marco inicial do campo de estudo da
inteligência artificial.
Cabe salientar que as ideias sobre inteligência artificial não surgiram do nada. Antes
mesmo da iniciativa citada, ou seja, antes do seminário de Dartmouth, já existiam tra-
balhos de pesquisadores de diversas áreas, principalmente ligadas à Matemática, que
exploravam o tema. Destacam-se os trabalhos do matemático inglês Alan Mathison
Turing, que em 1947 já realizava palestras sobre aspectos da inteligência artificial na
Sociedade Matemática de Londres.
Em 1950, Turing publicou o célebre artigo intitulado Computing machinery and
intelligence – Máquinas de computação e inteligência –, cujo texto explorava a questão com
base nesta pergunta: “As máquinas podem pensar?”. Foi justamente nesse artigo que o autor
propôs o famoso teste de Turing, que consiste em um jogo onde participam dois homens
e uma máquina, cujo objetivo é determinar se a máquina é capaz de simular inteligência a
ponto de enganar e convencer um dos participantes humanos de que também é humana.
7
7
UNIDADE
Introdução à Inteligência Artificial
Teste de Turing
O teste elaborado por Alan Turing, como já citado, é na realidade um jogo hipotético
onde se tenta concluir se uma máquina é capaz de imitar o comportamento humano,
simulando inteligência através de uma linguagem natural. Esse teste parte do princípio de
que três participantes, uma máquina, que chamaremos de A, e dois homens, que chama-
remos de B e C, são isolados de forma que consigam contato apenas por meio da escrita,
ou seja, sem contato visual ou sonoro, conforme ilustração apresentada na Figura 1:
B
Participante Humano
C
Interrogador Humano A
Máquina
Figura 1 – Teste de Turing
As proposições do teste são as seguintes:
• o participante C é o interrogador humano que deve descobrir, por meio de pergun-
tas escritas em linguagem natural e dirigidas aos participantes A e B, qual deles é
a máquina;
• o participante B é um ser humano que dará respostas verdadeiras, tentando sempre
ajudar o interrogador C;
• o participante A é uma máquina que simulará inteligência, fornecendo respostas na
tentativa de enganar o interrogador C.
Podemos perceber claramente que o teste proposto por Turing não consegue res-
ponder à questão que ele mesmo levantou em seu artigo – Computing machinery and
intelligence –, ou seja, o teste não responde se uma máquina pode ser capaz de pensar. É
possível apenas concluir se uma máquina é capaz de imitar uma conversação, a ponto de
convencer o seu interlocutor de que é humana. No entanto, esse teste, que é baseado em
algoritmos conversacionais, remete-nos a um tema que hoje é um importante campo de
estudo da IA: o processamento de linguagem natural, que juntamente com outros campos,
tais como o processamento de imagens, processamento de vídeos, processamento de sons,
algoritmos de aprendizagem, entre outros, integra a grande área da inteligência artificial.
Leia o seguinte artigo: TURING, A. M. Computing machinery and intelligence. Mind, v. 59,
n. 236, p. 433-460, 10/1950. Disponível em: [Link]
8
Principais Aplicações da IA
Como vimos, a inteligência artificial é na realidade uma tecnologia capaz de conferir
a um sistema computacional habilidades que imitam o comportamento inteligente do
homem como, por exemplo, manter uma conversação coerente com um cliente huma-
no, tomar decisões com base em parâmetros recebidos, realizar buscas de informações
em bases de dados, dentre outras funcionalidades, incluindo até mesmo a capacidade
de aprender.
Na programação convencional, onde o software é concebido para atender a uma
situação específica e simples, tal como uma folha de pagamento ou um controle de
estoque, por exemplo, as instruções do programa são executadas fielmente dentro da
lógica estabelecida pelo programador. Por outro lado, um software que incorpora ele-
mentos de inteligência artificial deve ser construído dentro de um paradigma diferente,
que possa conferir ao algoritmo certa flexibilidade para viabilizar tarefas que simulam a
inteligência humana.
Veremos alguns exemplos de aplicação da IA.
Chatbots
Como o nome sugere, chatbots são softwares que simulam a conversação humana.
Chat, do inglês, significa bate-papo e bots significa robôs.
Nessa categoria de software, existem dois tipos: os chatbots simples, que são desen-
volvidos com base na programação convencional, e os chatbots baseados em inteligência
artificial. Estes últimos, que são de nosso interesse, agregam recursos de aprendizagem
que têm como princípio registrar as interações do usuário, gerando históricos de conver-
sas dentro de um banco de dados e, desta forma, agregando informações à sua base de
conhecimentos. Isso permite que o software responda de maneira cada vez mais precisa,
tanto aos questionamentos feitos pelos usuários durante as interações em uma sala de
bate-papo de uma assistência técnica, por exemplo, como na identificação das preferên-
cias dos usuários para melhor direcionar a oferta de produtos em uma loja virtual.
Atualmente, os chatbots podem ser encontrados nas mais variadas aplicações.
Diversos websites, lojas virtuais, serviços de atendimento ao cliente, blogs, dentre ou-
tros, já utilizam essa tecnologia, assim como os aplicativos de mensagens, dos quais
podemos destacar o Messenger do Facebook e o Skype.
Softwares de Gestão
No ambiente corporativo, o uso das tecnologias de IA vem se tornando cada vez
mais frequente.
Atividades que envolvem pesquisa operacional, geração de informações gerenciais
para tomadas de decisão, análise de desempenho e logística são exemplos de atividades
empresariais que hoje empregam fortemente recursos de inteligência artificial para a
otimização de seus processos.
9
9
UNIDADE
Introdução à Inteligência Artificial
Para ilustrar podemos citar, como exemplo, um software de previsão de demanda
que, através de recursos de IA, interage com o sistema de estoque e com o sistema de
vendas para gerar uma base de conhecimento com as informações que lhe permitirão
elaborar previsões de demanda, de forma autônoma e precisa.
Assistentes Pessoais
Outra aplicação da IA que vem se tornando bastante popular corresponde aos assisten-
tes pessoais. Na realidade são softwares que agregam recursos de inteligência artificial
direcionados ao reconhecimento e interpretação de fala e ao fornecimento de respostas
através de voz. Normalmente esses softwares são integrados a outras ferramentas como,
por exemplo, mecanismos de busca e gerenciadores de bancos de dados para propiciar
ao usuário maior conforto e facilidade nas atividades cotidianas, tais como consultas à
agenda pessoal, pesquisas diversas na internet, dentre outras finalidades.
Como exemplo desse tipo de aplicação podemos citar a Siri, que é um software de
IA disponibilizado nos produtos da Apple.
Serviços de Streaming
Os algoritmos implementados nos serviços de streaming como, por exemplo Netflix,
Amazon Prime e Spotify, geram históricos de acessos que são utilizados pelo respectivo
aplicativo para identificar as preferências dos assinantes, permitindo, desta forma, que
o software personalize a área de cada usuário, oferecendo a ele sugestões de conteúdos
mais relevantes com base em suas preferências.
Aplicativos de Global Positioning System (GPS)
Os aplicativos com sistema de posicionamento global, que hoje são tão utilizados
por motoristas, sejam profissionais ou não, agregam recursos de inteligência artificial
para realizar o monitoramento do trânsito em tempo real e fornecer a melhor opção de
trajeto ao usuário.
Com base nos relatos dados pelos próprios usuários, os aplicativos de GPS também
fornecem informações importantes sobre o trânsito, tais como eventuais acidentes ocor-
ridos à frente, automóveis parados no acostamento, blitz policiais etc.
Medicina
Algoritmos de inteligência artificial já são amplamente utilizados em muitos sistemas
especialistas de diversas áreas. Destacamos aqui aqueles dirigidos à Medicina, que nas
últimas décadas vêm apresentando avanços amplamente significativos.
Como exemplo, podemos citar o algoritmo para detecção de câncer de mama e de pul-
mão desenvolvido por cientistas da Universidade Estadunidense Northwestern, de Illinois,
em parceria com o Google. Esse algoritmo, que utiliza recursos de análise de imagens por
10
meio de visão computacional, mostrou-se mais eficiente na detecção de tumores contra
uma equipe de seis radiologistas especializados na interpretação de tomografias.
Outro exemplo que podemos citar é o algoritmo para detecção de câncer de pele
desenvolvido por pesquisadores da Universidade Estadual de Campinas (Unicamp), que
também utiliza recursos de visão computacional e técnicas de aprendizado por meio de
redes neurais artificiais.
Leia a seguinte matéria da BBC News Brasil, que apresenta o algoritmo desenvolvido pelos
cientistas da Universidade de Northwestern em parceria com o Google:
• GALLAGHER, J. O programa do Google que diagnostica câncer de pulmão “com mais efici-
ência que médicos”. BBC News Brasil, 27/05/2019. Disponível em: [Link]
E acesse a página da Unicamp, que apresenta os detalhes da pesquisa para o desenvolvi-
mento do algoritmo de detecção de câncer de pele:
• COLL, L. Software pode diagnosticar câncer de pele com precisão de 86%. Jornal da
Unicamp, 20/01/2020. Disponível em: [Link]
Algoritmos Complexos
Neste ponto já sabemos com clareza que a inteligência artificial é um conceito que visa
dotar os dispositivos computacionais, que chamamos aqui simplesmente de máquinas, de
certas capacidades como compreender, perceber, aprender e se comunicar, imitando,
desta forma, a inteligência e o comportamento humano.
Para que esse conceito possa ser traduzido em tecnologia, é necessário que se construa
programas de computador, ou algoritmos, para que possam ser efetivamente implementa-
dos e executados por essas máquinas.
Cabe aqui um esclarecimento: quando mencionamos máquinas, referimo-nos, gene-
ricamente, a qualquer dispositivo físico que possa armazenar e executar um algoritmo,
como um computador, um tablet, um smartphone, um manipulador robótico, ou seja,
qualquer dispositivo que possua um sistema eletrônico microcontrolado ou microproces-
sado e que possa ser programado.
Em resumo, a inteligência artificial como tecnologia é representada por softwares, ou
seja, por algoritmos lógicos implementados em máquinas. Mas afinal, o que é um algoritmo?
Bem, dentro deste contexto, algoritmo, software e programa são sinônimos. São
conjuntos de instruções escritas por meio de uma linguagem de programação e dentro
de uma estruturação lógica e que têm o objetivo de realizar uma tarefa específica.
Para ilustrar esse conceito, imaginemos que queremos desenvolver um pequeno pro-
grama de computador para calcular as raízes de um polinômio de segundo grau usando
a fórmula de Bhaskara, representada matematicamente pelas seguintes expressões:
11
11
UNIDADE
Introdução à Inteligência Artificial
ax 2 +bx + c = 0 (equação polinomial) (Eq. 1)
2
∆=b − 4ac (discriminante)
−b + ∆
x1 = (primeira raiz)
2a
−b − ∆
x2 = (segunda raiz)
2a
Para converter essas expressões em um algoritmo lógico, o primeiro passo é definir
os dados de entrada necessários para que o computador realize a tarefa, assim como
os dados de saída que serão fornecidos pelo programa como resultado do processo. Na
Figura 2 temos o macrofluxo que ilustra a integração desses dados com o processo que
chamaremos de Bhaskara:
Dados de Entrada Dados de Saída
Coef. a
Raiz x1
Coef. b Bhaskara
Raiz x2
Coef. c
Delta
Dados Intermediários
Figura 2 – Macrofluxo do algoritmo Bhaskara
Observe que os dados de entrada são os coeficientes a, b e c do polinômio e os dados
de saída são as duas raízes calculadas, X1 e X2. Note também que existe um dado clas-
sificado como intermediário, que corresponde ao discriminante da equação polinomial,
que chamamos de Delta. Não se trata de dado de entrada, tampouco de dado de saída,
ele representa o resultado de uma operação intermediária necessária para a resolução
do problema, que é o cálculo das raízes X1 e X2.
O macrofluxo da Figura 2 é apenas uma representação gráfica que expõe de forma
global todos os dados requeridos e gerados pelo processo; no entanto, ele não mostra
como esse processo deve ser realizado. Lembre-se de que esse processo é, na realidade,
o algoritmo que chamamos de Bhaskara.
Agora, usando uma linguagem natural, escreveremos as instruções do nosso algoritmo:
• Receba o coeficiente a;
• Receba o coeficiente b;
• Receba o coeficiente c;
• Calcule o delta usando a fórmula: delta = b2 – 4.a.c; (Eq. 2)
• Calcule a raiz X1 usando a fórmula: X1 = (-b + raiz(delta)) / (2.a); (Eq. 3)
• Calcule a raiz X2 usando a fórmula: X2 = (-b – raiz(delta)) / (2.a); (Eq. 4)
• Mostre os valores de X1 e X2.
12
Veja que as instruções do algoritmo seguem uma lógica adequada para a resolução
do problema. As instruções foram escritas dentro de uma sequência coerente, objeti-
vando o cálculo das duas raízes do polinômio, cujos coeficientes foram recebidos no
início do algoritmo.
Seria estranho e incorreto, por exemplo, se a instrução para o cálculo da raiz X1
fosse escrita antes do recebimento dos coeficientes, ou se a instrução para mostrar os
valores das raízes viesse antes dos cálculos das mesmas.
Agora, para que esse algoritmo possa ser implementado em um computador, é neces-
sário reescrevê-lo usando uma linguagem de programação. Para ilustrar este processo,
veja, a seguir, o mesmo algoritmo Bhaskara escrito em linguagem C:
// Programa Bhaskara
a// Cálculo das raízes de polinômios de 2º grau
#include <stdio.h>
#include <math.h>
int main() {
float a,b,c,delta,x1,x2;
scanf(“%f”,&a);
scanf(“%f”,&b);
scanf(“%f”,&c);
delta=pow(b,2)-(4*a*c);
x1=(-b+sqrt(delta))/(2*a);
x2=(-b-sqrt(delta))/(2*a);
printf(“%f %f”,x1,x2);
}
Observe que as instruções do programa em linguagem C, apesar de alguns elementos
adicionais requeridos pela linguagem, obedecem à mesma lógica que empregamos na cons-
trução em linguagem natural, ou seja, as duas construções representam o mesmo algoritmo.
Mas, seria correto afirmar que esse algoritmo representa uma forma de inteligência artificial?
Considerando os conceitos estudados até aqui, a resposta para essa pergunta é am-
plamente simples: apesar de fornecer resultados corretos e com rapidez que nenhum
ser humano conseguiria atingir, o nosso algoritmo Bhaskara está muito longe de ser
considerado uma forma de inteligência artificial.
Se você observar o algoritmo, perceberá que as instruções foram dispostas de ma-
neira linear e contínua; dessa forma, o computador as executará sequencialmente como
um conjunto de regras preestabelecidas. Note também que o algoritmo apresenta alguns
problemas: não verifica se o valor do delta é negativo antes de realizar os cálculos das
raízes, assim como não verifica se o valor do coeficiente a é igual a zero. Sabemos que
quando o discriminante for negativo, o polinômio não possui raiz real; e quando o valor
do coeficiente a for igual a zero, o polinômio deixa de ser de segundo grau, tornando-se
uma equação linear.
13
13
UNIDADE
Introdução à Inteligência Artificial
Podemos resolver esses problemas implementando no algoritmo algumas estruturas de
decisão para que o computador possa verificar as situações citadas e tomar a decisão correta.
O fluxograma apresentado na Figura 3 representa a solução completa para tais problemas:
Início
a=0, b=0, c=0, d=0 x1=0, x2=0
a
sim
a=0
não
b, c
d=(b*b) – (4*a*c)
sim não
d<0
x1=(–b+raiz(d))/(2*a)
“Não existe
raiz real” x2=(–b–raiz(d))/(2*a)
x1, x2
Fim
Figura 3 – Fluxograma que representa o algoritmo Bhaskara
Observe que o novo algoritmo apresenta um nível de complexidade maior. Agora, as
instruções não estão dispostas de forma linear como na versão anterior. Foram introdu-
zidas duas estruturas condicionais, representadas no fluxograma pelos losangos, para
que o algoritmo possa verificar as situações citadas.
O primeiro losango, colocado após o recebimento do coeficiente a, verifica se o
valor desse coeficiente é igual a zero. Se isso for verdade, o fluxo será desviado para o
caminho “sim”, que culminará no encerramento do programa. Lembre-se de que um
polinômio de segundo grau não pode ter coeficiente a igual a zero.
O segundo losango, colocado após a instrução que calcula o valor do discriminante,
verifica se o resultado desse cálculo é menor que zero. No caminho “sim” da estrutura
condicional existe uma instrução para que o computador apresente na tela a seguinte
mensagem: “não existe raiz real”. No caminho “não”, ou seja, quando o valor do delta
não for negativo, existem duas instruções para os cálculos das raízes (X1 e X2) e outra
para apresentar na tela do computador os valores dessas raízes.
O programa em linguagem C para representar o novo algoritmo deve ter o seguinte
aspecto:
// Programa Bhaskara
// Cálculo das raízes de polinômios de segundo grau
#include <stdio.h>
#include <math.h>
14
int main() {
float a,b,c,delta,x1,x2;
scanf(“%f”,&a);
if (a==0) {
goto fim;
}
scanf(“%f”,&b);
scanf(“%f”,&c);
delta=pow(b,2)-(4*a*c);
if(delta<0) {
printf(“Não existe raiz real”);
} else {
x1=(-b+sqrt(delta))/(2*a);
x2=(-b-sqrt(delta))/(2*a);
printf(“%f %f”,x1,x2);
}
fim:
printf(“\nPrograma encerrado”);
}
E agora, repetindo a pergunta feita mediante a primeira versão do algoritmo Bhaskara,
o novo algoritmo está dentro do conceito da inteligência artificial? Não. Ainda está muito
longe desse conceito.
Apesar de apresentar certos elementos mais complexos, tais como as estruturas de
decisão, o nosso algoritmo Bhaskara é apenas um conjunto de instruções predefinidas,
dentro do conceito que chamamos de programação baseada em regras, ou algoritmo
determinístico. É fato que esse algoritmo, como qualquer outro elaborado nesses moldes,
apresenta alguns elementos que imitam a inteligência humana, tais como a análise de
dados, realização de cálculos, interação com o usuário por meio de interfaces de comuni-
cação, porém, dentro do conceito da inteligência artificial, ele não se enquadra como tal.
Algoritmos de IA, diferentemente do nosso Bhaskara, agregam recursos sofisticados,
tais como Processamento de Linguagem Natural (PLN), que permite ao algoritmo man-
ter conversas com o usuário como se fosse uma pessoa real; visão computacional, que
possibilita o reconhecimento de objetos, pessoas, placas de automóveis, dentre outros
elementos; percepção ambiental, que permite a obtenção de dados ambientais como,
por exemplo, temperatura, a presença de obstáculos, umidade e luminosidade. No en-
tanto, a maioria dos algoritmos de IA é baseada em duas técnicas principais: machine
learning e deep learning.
Machine learning, ou aprendizado de máquina, é uma técnica que utiliza redes neu-
rais artificiais com a finalidade de conferir ao software a capacidade de aprender. Redes
neurais são algoritmos construídos para atuar como uma rede de neurônios de um cé-
rebro humano; possuem nós interconectados que agem como neurônios, armazenando
15
15
UNIDADE
Introdução à Inteligência Artificial
informações e as associando a outras que estão armazenadas nos diversos nós da rede.
Sendo assim, é possível atribuir a esses algoritmos a capacidade de adquirir conheci-
mento e até mesmo de alterar o seu comportamento de forma autônoma.
Deep learning, ou aprendizado profundo, é uma técnica similar ao machine learning,
porém, utiliza redes neurais artificiais muito maiores distribuídas em diversas camadas, o que
possibilita uma capacidade de armazenamento e processamento de informações Muito su-
perior em relação à técnica anterior. Normalmente, a técnica de deep learning é utilizada
no desenvolvimento de algoritmos especializados, onde se exige alto nível de aprendizagem,
envolvendo o reconhecimento de padrões complexos.
16
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
Filmes
O jogo da imitação – Trailer Legendado
The imitation game, EUA; Reino Unido, Drama histórico-biográfico, Dur.: 114 min.,
Dir.: Morten Tyldum, 2014. Baseado no livro biográfico Alan Turing: The Enigma.
[Link]
Leitura
10 melhores exemplos de uso de inteligência artificial
[Link]
Inteligência artificial: uma breve abordagem sobre seu conceito real e o conhecimento popular
[Link]
Computing machinery and intelligence
[Link]
17
17
UNIDADE
Introdução à Inteligência Artificial
Referências
COPPIN, B. Inteligência artificial. 1. ed. Rio de Janeiro: LTC, 2010.
LIMA, I.; PINHEIRO, C. A. M.; SANTOS, F. A. O. Inteligência artificial. 1. ed. Rio de
Janeiro: Campus, 2014.
ROSA, J. L. G. Fundamentos da inteligência artificial. 1. ed. Rio de Janeiro: LTC, 2011.
18