Inteligência artificial

De CriaçãoWiki, a enciclopédia da ciência da criação.
Saltar para a navegaçãoSaltar para a pesquisa
Robô ASIMO da Honda

A Inteligência Artificial (IA) é uma área de pesquisa da ciência da computação. Não há uma definição precisa do termo. Uma definição encontrada em Ginsberg é: A IA é o empreendimento de construção de um artefato inteligente ou, de forma mais específica, o empreendimento de construção de um sistema físico-simbólico que pode confiantemente passar no teste de Turing.[1] Genesereth e Nilsson definem a IA como o estudo do comportamento inteligente.[2] De maneira próxima, Luger define a IA como o ramo da ciência da computação que se ocupa da automação do comportamento inteligente.[3] Uma definição simples dada por Elaine Rich e Kevin Knight é que a IA é o estudo de como fazer os computadores realizarem coisas que, no momento, as pessoas fazem melhor.[4] Russel e Norvig dividem as inúmeras definições de IA em quatro categorias: Sistemas que pensam como humanos; Sistemas que agem como humanos; Sistemas que pensam racionalmente; Sistemas que agem racionalmente.[5] Um interessante aspecto da inteligencia artificial é que ela emprega o conceito de design, e seria inconcebível sem ele.[6]

Principais Tópicos em IA

Sistemas multiagentes

Os Sistemas Multiagentes (SMA) formam uma sub-área da Inteligência artificial Distribuída e concentram-se no estudo de agentes artificiais, autônomos, interagindo em um ambiente. Podem ser definidos como sistemas compostos de múltiplos elementos computacionais interagindo, conhecidos como agentes.[7] Este ambiente pode ser fechado ou aberto.[8] Os sistemas multiagentes são tipicamente sistemas distribuídos em que vários componentes distintos, cada um dos quais é um agente independente capaz de solucionar problemas e que atuam em conjunto para formar um todo coerente.[9]

Chatterbots

São programas que simulam personagens virtuais capazes de manter um diálogo em linguagem natural como se fossem humanos de verdade.[10] Exemplos destes sistemas são o ELIZA e o ALICE.

Sistemas tutoriais inteligentes

São sistemas utilizados na educação, voltados ao aprendizado supervisionado.[11] Entre os domínios de aplicação onde são usados se pode citar as áreas de integração simbólica, solução de problemas eletrônicos, matemática baseada em axiomas, diagnósticos médicos e ambientes de jogo informativos entre outros.[12] Outra aplicação onde esta técnica é aplicada é em sistemas inteligentes de ajuda.[13]

Sistemas de álgebra computacional

Também chamados sistemas de computação algébrica, são exemplos de aplicações da IA na solução de problemas algébricos.[14] Entre os exemplos destes tipo de sistemas se encontram o Mathematica, o Axiom, o MatLab, o Maple, o Macsyma e sua versão mais moderna o Maxima.

Algoritmos genéticos

Ver artigo principal: Algoritmos genéticos

São métodos de busca heurística de otimização global.[15] São utilizados na ciência da computação para achar soluções aproximadas em problemas de otimização e busca usando-se métodos inspirados na biologia evolutiva. Algoritmos genéticos são uma classe particular de algoritmos evolutivos que usam técnicas inspiradas na biologia evolutiva, como hereditariedade, mutação, seleção natural e recombinação (ou crossing over). Porque eles foram inspirados na teoria da evolução, alguns evolucionistas os reivindicam como evidência de que a evolução de micróbios para humanos é possível.

Sistemas especialistas

Foram uma das primeiras aplicações de sucesso na IA, sendo o Mycin um exemplo de sistema especialista bem sucedido.[16] Os principais componentes de um Sistema especialista são uma base de conhecimento alimentada por um especialista, uma máquina de inferência e uma memória de trabalho.[17]

Processamento simbólico e numérico

Processamento simbólico envolve a manipulação, no computador, de símbolos, tais como listas de palavras e caracteres. As linguagens de computador LISP, Prolog e Smalltalk vêm influenciando AI sobre este aspecto.

Processamento de linguagem natural

A linguagem natural é uma linguagem comum utilizada como meios normais de comunicação entre as pessoas, tais como Chinês, Inglês, francês, japonês, coreano e russo. A compreensão da linguagem natural é uma das áreas mais difíceis da AI, pois envolve troca de informações entre seres humanos e computadores.[18] Ela envolve as habilidades de reconhecimento de fala, compreensão da fala, reconhecimento de caracteres escritos, compreensão da linguagem e geração de linguagem.[18]

Casamento de padrões

Casamento de strings é o problema de localizar todas as ocorrências de uma string s de comprimento l, referida como o padrão, em outra string t de comprimento m, referida como o texto.[19] Esta busca pode diferir em vários aspectos como correspondência exata ou correspondência inexata, ou seja, permitindo diferenças ou lacunas. O uso destas técnicas combinadas com programação dinâmica é muito útil nas aplicações de alinhamentos de sequências. A comparação de sequências, particularmente quando combinada com busca em bancos de dados contendo sequências moleculares se tornou parte essencial na moderna biologia molecular.[20]

Lógica difusa

Lógica difusa é um ramo da inteligência da máquina que lida com o raciocínio do que é aproximado ao invés de fixo e exato. Em palavras simples, ela ajuda o computador pintar cinza, imagens de bom senso de um mundo incerto.[21]


Os limites da IA

Hubert Dreyfus em seus argumentos provocativos em seu livro de 1972 What computers can't do apontou que lhe parecia que um progresso significativo em simulação cognitiva ou em Inteligência Artificial era extremamente improvável, apesar do otimismo dos pesquisadores em inteligência artificial.[22] John R. Searle é outro que enfatiza que os computadores, na realidade, não tem consciência do que estão fazendo. Para Searle o computador Deep Blue, que derrotou Gary Kasparov em 1996 não "sabe" que está jogando xadrez.[23] Para Searle,

“ O computador [Deep Blue] não sabe que os símbolos representam peças de xadrez e movimentos de xadrez, porque ele não sabe de nada. (John R. Searle)[23] ”

No início dos anos 1950, Alan Turing, interessado na questão de saber se as máquinas poderiam pensar, propôs um "jogo de imitação" famoso agora conhecido como o Teste de Turing. O jogo é jogado com três pessoas (um homem, uma mulher e um interrogador) escondidos um do outro e a finalidade principal do interrogador é adivinhar quem é o homem e quem é a mulher. Turing levanta a questão: se pudermos trocar o homem por um computador, é possível que o interrogador possa decidir erroneamente? Muitas objeções para o teste foram discutidos no próprio artigo de Turing por ele e outras mais ainda apareceram.[24] Confrontado com a questão de saber se é ou não possível que uma máquina computacional possa pensar, Feigenbaum e Feldman afirmam que a resposta é "não", se se define um pensamento como uma atividade peculiar e exclusivamente humana ou se alguém postula que há algo na essência do pensamento que é impenetrável ou místico.[25] No entanto, eles afirmam que se alguém admite que a questão deva ser respondida pela experiência e observação então eles acham que a resposta a esta pergunta é "sim".[25] Contudo, mesmo que algum computador venha a passar no teste proposto por Turing, existem muitos que ainda assim alegariam que ele não poderia pensar como um humano e que toda a idéia da IA forte é impossível de alcançar.[26] Ou seja, mesmo que um computador possa se comportar como se tivesse a inteligência de um ser humano isto não significa que ele tenha o mesmo entendimento de um ser humano ao se comportar desta forma.[26] Dembski também aponta que, mesmo que a inteligência artificial obtivesse sucesso em reduzir a agência inteligente à computação, cientistas cognitivos ainda teriam a tarefa de mostrar em que sentido a função cerebral é computacional.[27]

Ray Kurzweil, autor do livro The Age of Spiritual Machines é um ardente defensor da IA Forte. Ele acredita que em 30-40 anos nós alcançaremos tecnologia suficiente para construir sistemas computacionais extremamente poderosos. Para Kurzweil, seremos capazes de implementar nestas máquinas redes neurais poderosas e com neurônios semelhantes funcionalmente aos dos seres humanos.[28] Estas redes neurais, alimentadas adequadamente, espera Kurzweil, serão capazes de ter consciência. Kurzweil propõe que estas máquinas sejam alimentadas, por exemplo, a partir de um scanning do cérebro humano de forma a utilizar engenharia reversa para alimentar estas redes. Outra alternativa proposta por ele é de usar algoritmos genéticos para desenvolver uma rede semelhante ou com maior capacidade do que a humana nestas redes. Com isto, teríamos desenvolvido o que Kurzweil denomina o "Software da inteligência". Kurzweil alimenta a esperança de que talvez seja possível que uma recriação do cérebro humano tenha consciência ou pelo menos se comporte como se tivesse:

“ "Eu não assumo que uma recriação perfeita ou quase perfeita de um cérebro humano seria necessariamente consciente. Mas podemos esperar que exibisse o mesmo comportamento, sutil complexo e habilidades que nós associamos com os humanos.[28]" ”

ou ainda:

“ "Pode ser que a consciência venha a emergir de certos tipos de processos de auto-organização muito complexos que ocorrem no cérebro humano".[28] ”

Analizando de perto o texto de Kurzweil, pode-se ver que o próprio considera difícil ou até impossível que possamos a compreender como os pensamentos são formados e de que forma guardamos nossas memórias. Exatamente por isso, ele propõe que esta informação armazenada e organizada na mente humana seja obtida através de engenharia reversa a partir de um scanning cerebral. Isto equivale a alguém que faz uma cópia pirata de um sistema operacional. Ele obtém uma cópia, mas não sabe como funciona o que ele copiou. Evidentemente, mesmo que tal cópia seja possível, não há prova de que tal máquina teria o mesmo comportamento de um ser humano, tendo desejos, medos, sonhos, angústias, especulações filosóficas e outras características do espírito humano.

Uma segunda alternativa sugerida por Kurzweil para se produzir o "Software da inteligência" é a utilização de algoritmos genéticos. Qual é especificamente a dificuldade desta abordagem? Os Algoritmos genéticos tem uma série de vantagens como por exemplo paralelismo, espaço de solução amplo, lida com espaços de busca mal compreendidos entre outras. Contudo, entre as limitações dos algoritmos genéticos está o problema de identificar a função de fitness e o de indentificar uma definição de representação para o problema.[29] Para criar uma função de fitness adequada seria necessário compreender exatamente como uma solução é melhor que a outra. Ou seja, entre duas soluções qual estaria mais próxima da consciência do que a outra. Qual delas teria um melhor "software da inteligência"? O comportamento do software não pode ser usado como parâmetro pois o próprio Kurzweil admite que:

“ "Minha opinião é de que a consciência, a sede da "personalidade", é a realidade última, e também é cientificamente impenetrável. Em outras palavras, não há nenhum teste científico que se pode postular que prova definitivamente a sua existência em outra entidade".[28] ”

Desta forma, alegar que a técnica de algoritmos genéticos levaria ao "Software da inteligência" é enganoso porque não se dá a menor pista de como seria construída uma função de fitness adequada. E aí está a real dificuldade.


Referências

  1. ↑ Ginsberg, Matt. Essentials of Artificial Intelligence. San Francisco, California: Morgan Kaufmann Publishers, 1993. p. 3-8. ISBN 1-55860-221-6
  2. ↑ Genesereth, Michael R.; Nilsson, Nils J. Logical Foundations of Artificial Intelligence. Los Altos, California: Morgan Kaufmann Publishers, 1987. p. 1. ISBN 0-934613-31-1
  3. ↑ Luger, George F. Inteligência Artificial: Estruturas e Estratégias para a Solução de Problemas Complexos. 4ª ed. Porto Alegre: Bookman, 2004. p. 23. ISBN 85-363-0396-4
  4. ↑ Rich, Elaine; Knight, Kevin. Inteligência Artificial. Rio de Janeiro: McGraw-Hill, 1994. p. 3. ISBN 85-346-0122-4
  5. ↑ Russell, Stuart; Norvig, Peter. Artificial Intelligence: A Modern Approach (em inglês). 2ª ed. Upper Saddle River, New Jersey: Prentice Hall, 2003. p. 1-2. ISBN 0-13-790395-2
  6. ↑ Dembski, William A.; Witt, Jonathan. Intelligent Design Uncensored: An Easy-to-Understand Guide to the Controversy. Downers Grove, Illinois: InterVarsity Press, 2010. p. 39. ISBN 978-0-8308-3742-7
  7. ↑ Wooldridge, Michael. An Introduction to MultiAgent Systems (em inglês). Baffins Lane: John Wiley & Sons, 2002. p. xi. ISBN 0-471-49691-X
  8. ↑ Huhns, Michael N.; Stephens, Larry M. In: Weiss, Gerhard. Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. Cambridge, Massachusetts: Massachusetts Institute of Technology Press, 1999. Capítulo: 2-Multiagent Systems and Society of Agents, ISBN 0-262-23203-0
  9. ↑ d´Inverno, Mark; Luck, Michael. Understanding Agent Systems. Berlin, New York: Springer, 2001. p. 6. ISBN 3-540-41975-6
  10. ↑ Cheong, Fah-Chuh. Internet Agents: Spiders, Wanderers, Brokers and Bots (em inglês). Indianapolis: New Riders, 1996. Capítulo: 11: MUD Agents and Chatterbots, 413 p. p. 249-280. ISBN 1-56205-463-5
  11. ↑ Linton, Frank (autor); Boulay, B. du (editor); Mizoguchi, R. (editor). Artificial Intelligence in Education: Knowledge and Media in Learning Systems (em inglês). Amsterdam: IOS Press, 1997. Capítulo: Learning to Learn from an ITS, 685 p. p. 317-324. ISBN 90-5199-353-6
  12. ↑ Sleeman, D.; Brown, J.S.(eds.). Intelligent Tutoring Systems (em inglês). Orlando: Academic Press Associates, 1982. p. 2-3. ISBN 0-12-648681-6
  13. ↑ Winkels, Radboud; Breuker, Joost. In: Frasson, Claude; Gauthier, Gilles. Intelligent Tutoring Systems: At the crossroads of artificial intelligence and education (em inglês). Norwood, New Jersey: Ablex, 1990. Capítulo: 6-Discourse Planning in Intelligent Help Systems, p. 124-139. ISBN 0-89391-625-0
  14. ↑ Norvig, Peter. Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp (em inglês). San Francisco: Morgan Kauffmann, 1992. Capítulo: 8: Symbolic Mathematics: A Simplification Program, 946 p. p. 238-261. ISBN 1-55860-191-0
  15. ↑ Linden, Ricardo. Algoritmos Genéticos: Uma Importante Ferramenta da Inteligência Computacional. 2ª ed. São Paulo: Brasport, 2006. 348 p. p. 40. ISBN 85-7452-265-1
  16. ↑ Harmon, Paul; King, David. Sistemas Especialistas: A Inteligência Artificial Chega ao Mercado. Rio de Janeiro: Campus, 1988. p. 17-23. ISBN 85-7001-430-9
  17. ↑ Durkin, John. Expert Systems: Design and Development (em inglês). New York: Macmillan, 1994. p. 28-29. ISBN 0-02-330970-9
  18. ↑ 18,0 18,1 Noyes, James L. Artificial Intelligence with Common Lisp:Fundamentals of Symbolic and Numeric Processing. Lexington, Massachusetts: D. C. Heat and Company, 1992. p. 11;203-230. ISBN 0-669-19473-5
  19. ↑ Crochemore, M. In: Apostolico, Alberto; Galil, Zvi. Pattern Matching Algorithms. Oxford: Oxford University Press, 1997. Capítulo: 1-Off-line Serial Exact String Searching, ISBN 0-19-511367-5
  20. ↑ Gusfield, Dan. Algorithms on Strings, Trees, and Sequences: Computer Science and Computational Biology. Cambridge: Cambridge University Press, 1997. p. 212. ISBN 0-521-58519-9
  21. ↑ Kosko, Bart. In: Editors of Scientific American. Understanding Artificial Intelligence. New York: Warner Books, 2002. Capítulo: Fuzzy Logic, p. 30. ISBN 0-446-67875-9
  22. ↑ Dreyfus, Hubert L. What Computers Can't Do. New York: Harper & Row, 1972. p. 197. Library of Congress Catalog Card Number: 67-22524
  23. ↑ 23,0 23,1 Davis, Martin. Engines of Logic: Mathematicians and the Origin of the Computer. New York: W. W. Norton & Company, 2000. p. 202-205. ISBN 0-393-32229-7
  24. ↑ In: Copeland, B. Jack. The Essential Turing: The Ideas that Gave Birth to the Computer Age. Oxford: Oxford Press, 2004. Capítulo: 11-Computing Machinery and Intelligence (1950), p. 433-464. ISBN 0-19-825080-0
  25. ↑ 25,0 25,1 In: Feigenbaum, Edward A.; Feldman, Julian. Computers & Thought. Menlo park, Cambridge, London: AAAI Press/The MIT Press, 1995. p. 2-3. ISBN 0-262-56092-5
  26. ↑ 26,0 26,1 Noyes, James L. Artificial Intelligence with Common Lisp:Fundamentals of Symbolic and Numeric Processing. Lexington, Massachusetts: D. C. Heat and Company, 1992. p. 534. ISBN 0-669-19473-5
  27. ↑ Dembski, William A. Intelligent Design: The Bridge Between Science & Theology. Downers Grove, Illinois: InterVarsity Press, 1999. p. 217. ISBN 0-8308-2314-X
  28. ↑ 28,0 28,1 28,2 28,3 Kurzweil, Ray; Gilder, George; Searle, John; Dembski, William; Denton, Michael; Ray, Thomas. In: Richards, Jay W.. Are We Spiritual Machines?: Ray Kurzweil vs. the Critics of Strong A.I.. Seattle, WA: Discovery Institute Press, 2002. ISBN 0-9638654-3-9
  29. ↑ Sivanandam, S.N.; Deepa, S.N.. Introduction to Genetic Algorithms. Berlin, Heidelberg, New York: Springer-Verlag, 2008. p. 34-35. ISBN 978-3-540-73189-4
Obtida de "http://creationwiki.org/pt/index.php?title=Inteligência_artificial&oldid=29028"