Fundamentos de Inteligência Artificial e Sistemas Especialistas

Aula 01: Conceitos de Inteligência Artificial

A IA pode ser classificada conforme o pensamento e o comportamento:

• Pensamento: Sistemas que pensam como humanos ou racionalmente.
• Comportamento: Sistemas que agem como humanos ou racionalmente.

Definições de IA:

1. “O excitante esforço para fazer computadores pensarem, máquinas com mentes, no sentido completo e literal” (Haugeland, 1985).
2. “A automação de atividades que associamos com o pensamento humano, tais como tomada de decisões, solução de problemas e aprendizado” (Bellman, 1978).
3. “A arte de criar máquinas que realizem atividades que requerem inteligência quando realizadas por pessoas” (Kurzweil, 1990).
4. “Como fazer os computadores realizarem tarefas nas quais os seres humanos hoje em dia são mais eficientes” (Rich and Knight, 1991).
5. “O estudo das faculdades mentais através do uso de modelos computacionais” (Charniak and McDermott, 1985).
6. “O estudo das computações que tornam possível perceber, raciocinar e agir” (Winston, 1992).
7. “Um campo de estudo que procura explicar e emular o comportamento inteligente em termos de processos computacionais” (Schalkoff, 1990).
8. “O ramo da ciência da computação preocupado com a automação do comportamento inteligente” (Luger and Stubblefield, 1993).

Teste de Turing: Proposto para fornecer uma definição operacional de inteligência. O computador passa no teste se um interrogador humano não for capaz de distingui-lo de um humano após perguntas por escrito.

Aula 02: Processamento de Linguagem Natural (PLN)

Definição: Área da ciência da computação dedicada a métodos que simulem a capacidade racional de resolver problemas e processar linguagem natural (falada e escrita).

Divisões do PLN:

• Linguística computacional: Tratamento da língua escrita.
• Reconhecimento e síntese de voz: Tratamento da língua falada.

Áreas e Problemas: Incluem acesso a bancos de dados, recuperação e extração de informação, tradução automática e geração de resumos. Desafios comuns incluem homonímia lexical, ambiguidade sintática, de escopo e correferências.

Aula 03: Sistemas Especialistas (SE)

Definição: Sistemas que emulam o raciocínio de um especialista humano, aplicando conhecimentos específicos e inferências para resolver problemas complexos.

Estrutura de um SE:

• Base de Conhecimento: Armazena fatos e regras.
• Máquina de Inferência: Processa a lógica e busca respostas.
• Subsistemas: Aquisição de conhecimento, explicações e interface com o usuário.

Etapas de Desenvolvimento: Planejamento, aquisição de conhecimento, formalização, implementação, validação e refinamento.

Aula 04: Aprendizado de Máquina

Conceito: Área da IA focada no desenvolvimento de técnicas para que sistemas adquiram conhecimento de forma automática. Métodos incluem aprendizado por repetição, cognitivo, baseado em casos e por reforço.