Introdução à IA

Inteligência Artificial

By Pedro Pereira16-09-2024

1. Paradigmas e Abordagens

A IA abrange várias abordagens e paradigmas, cada um adequado para resolver diferentes tipos de problemas:

  • Simbólico (ou lógico): Baseia-se em regras explícitas e lógica formal. É utilizado em sistemas especialistas que resolvem problemas com base em conhecimento codificado, como diagnósticos médicos.
    • Exemplos: Sistemas de inferência lógica, Prolog.
  • Connectionista: Modela sistemas inspirados no cérebro humano, utilizando redes neuronais artificiais para aprender padrões. É amplamente utilizado em reconhecimento de imagens e processamento de linguagem natural.
    • Exemplos: Deep Learning aplicado em visão computacional (classificação de imagens).
  • Evolucionista: Baseia-se na metáfora da evolução natural. Algoritmos genéticos simulam mecanismos de seleção, mutação e recombinação para encontrar soluções aproximadas em espaços de busca complexos.
    • Exemplos: Planeamento de rotas em logística, otimização de funções.
  • Estatístico/Probabilístico: Emprega modelos matemáticos e estatísticos para lidar com incertezas e inferir a probabilidade de eventos.
    • Exemplos: Redes bayesianas usadas em diagnósticos ou previsão de comportamentos.

2. História

A evolução da IA combina avanços filosóficos, matemáticos e tecnológicos:

  • Antiguidade:
    • Aristóteles formalizou o silogismo, base para a lógica.
    • Raciocínios condicionais apareceram em tratados egípcios (~3000 a.C.).
  • Idade Média:
    • Sistemas mecânicos de cálculo, como os inventados por Ramón Llull (século XIII).
  • Século XVII-XIX:
    • Invenção de calculadoras mecânicas (Pascal, Leibniz).
    • Surge a lógica simbólica (Boole, Frege).
  • Século XX:
    • 1936: Alan Turing define o conceito de máquina universal (Máquina de Turing).
    • 1950: Publicação do artigo "Computing Machinery and Intelligence", onde é proposto o Teste de Turing.
    • 1956: Conferência de Dartmouth marca o início oficial da IA, cunhando o termo "Artificial Intelligence" (John McCarthy).
    • Décadas de 1970-80: Aplicações práticas começam a surgir, como sistemas especialistas.
    • Décadas de 1990-2000: Avanço em aprendizagem estatística, redes neuronais e processamento de grandes volumes de dados (Big Data).
    • Anos 2010: Ressurgimento da IA com Deep Learning (AlphaGo, Watson, Siri).

3. Agentes e Sistemas Multiagentes

  • Agentes Inteligentes:
    Entidades autónomas que percebem o ambiente através de sensores, raciocinam e agem com base em objetivos predefinidos.
    • Propriedades principais: Autonomia, adaptabilidade, interatividade.
    • Exemplos: Assistentes pessoais, como Alexa e Siri.
  • Sistemas Multiagentes:
    Redes de agentes que interagem entre si para resolver problemas complexos ou coordenar ações, como em logística e jogos cooperativos.
    • Exemplos: Coordenação de robôs em futebol (RoboSoccer) ou gestão de tráfego urbano.

4. Aplicações da IA

A IA já está profundamente integrada em diversas áreas:

  • Visão Computacional:
    • Reconhecimento facial, análise de imagens médicas (radiografias, tumores).
    • Exemplos: Sistemas de vigilância, carros autónomos (Google Self-Driving Car).
  • Processamento de Linguagem Natural (PLN):
    • Compreensão e geração de texto, tradução automática, análise de sentimento.
    • Exemplos: Chatbots como ChatGPT, tradutores (Google Translate).
  • Robótica:
    • Robôs autónomos para tarefas domésticas, industriais e exploratórias.
    • Exemplos: Drones autónomos, robôs para exploração de Marte.
  • Sistemas de Recomendação:
    • Modelagem de perfis de utilizadores para personalizar sugestões.
    • Exemplos: Recomendação de filmes (Netflix), produtos (Amazon).
  • Inteligência Ambiental (Ambient Intelligence):
    • Casas inteligentes e cidades conectadas, otimizando recursos e aumentando o conforto.
    • Exemplos: Termóstatos inteligentes (Nest), gestão de iluminação urbana.
  • Aprendizagem por Reforço:
    • Utilizado em robótica e jogos, onde agentes aprendem por tentativa e erro.
    • Exemplos: AlphaGo (estratégias complexas de Go), otimização de políticas de tráfego.
  • Cibersegurança:
    • Deteção de intrusões em sistemas, filtragem de spam e prevenção de fraudes.

Perspectivas Futuras e Desafios

  • IA Forte:
    Desenvolver sistemas com capacidades comparáveis às humanas (autoconsciência, intuição). Embora promissora, esta área enfrenta desafios conceptuais e éticos.
  • Superinteligência:
    Debates sobre os riscos de uma IA que possa ultrapassar a inteligência humana (Stephen Hawking, Elon Musk).
  • Integração Social:
    Tornar a IA inclusiva e acessível, com aplicações em mobilidade urbana, saúde e educação.
  • Ética e Transparência:
    Necessidade de regulamentação para garantir o uso responsável da IA, mitigando viéses e abuso de poder.

Apresentação de conteúdos concisos.