Épocas da Inteligência Artificial Simbólica

Em sua origem, a Inteligência Artificial foi dividida em duas linhas principais de pesquisa: a conexionista e a simbólica. A conexionista está ligada à modelagem da inteligência humana por meio da simulação de componentes do cérebro, principalmente dos neurônios e as ligações entre eles. Essa abordagem surgiu no ano 1943 com a proposta de um modelo matemático para um neurônio (perceptron), que foram os primeiros estudos que deram origem as redes neurais artificiais. Em resumo, essa linha tem o objetivo de construir sistemas inteligentes que utilizam esses princípios.

Por outro lado, a linha simbólica da Inteligência Artificial segue as abordagens da lógica e teve sua ascensão nos anos 70 quando apareceram os sistemas especialistas. Esse tipo de sistema tem o objetivo de simular um especialista humano em assuntos bem específicos, sendo capaz de auxiliar nos processos de tomada de decisão ou até mesmo tomar as decisões sem intervenção humana. E se você quiser saber mais sobre os sistemas especialistas, clique neste link para acessar um curso completo e gratuito sobre este tema: http://iaexpert.com.br/index.php/curso-sistemas-especialistas-site/

Agora que você já sabe as diferenças básicas entre essas duas linhas de pesquisa da Inteligência Artificial, vamos entrar no ponto principal deste artigo que é mostrar a divisão histórica da linha simbólica. É interessante entender essa divisão porque ela mostra uma série de limitações que os pesquisadores foram encontrando quando construíam as teorias, podendo fazer um paralelo com os dias atuais e entender melhor como a IA evoluiu até as épocas atuais. Vamos agora para as divisões:

Época Clássica (1956 – 1970)

O objetivo principal desta época era que os sistemas inteligentes simulassem a mente humana como um todo, ou seja, o foco era no desenvolvimento de formalismos genéricos que fossem capazes de resolver qualquer tipo de problema! O exemplo clássico foi a construção do GPS (General Problem Solver) ou solucionador geral de problemas, proposto por Ernst e Newell. Para saber mais sobre o GPS, acesse este link para um artigo e mais dois vídeos que mostram passo a passo o mecanismo de raciocínio: http://iaexpert.com.br/index.php/2016/08/30/historico-da-ia-solucionador-geral-de-problemas-gps/

O problema desta abordagem foi que a complexidade computacional dos problemas foi subestimada, ou seja, era impossível que existisse um sistema geral que pudesse resolver praticamente todos os problemas! Isso ocorre porque o conhecimento sobre o mundo real é muitas vezes incompleto e para vários problemas é necessário um conhecimento muito específico para sua resolução. Por exemplo, um conhecimento da área médica talvez não terá nenhuma aplicação na área do direito, ou seja, as informações sobre essas duas áreas são muito específicas; o que inviabiliza a utilização de um método geral. Porém, as técnicas de IA desenvolvidas nessa época foram muito úteis para o avanço da área, e alguns exemplos são a criação de heurísticas, a lógica modal, a lógica de exceções e a lógica nebulosa.

Época Romântica (1970 – 1980)

Ao contrário da clássica, o objetivo desta época foi simular a inteligência humana em situações pré-determinadas. Até esta época os sistemas de Inteligência Artificial estavam voltados muito para pesquisas acadêmicas e praticamente não existiam esforços comerciais para sua utilização. Contudo, o aparecimento dos primeiros sistemas especialistas voltados a domínios específicos abriu muitas perspectivas de aplicações comerciais e industriais.

A principal limitação desta época foi a subestimação da quantidade de conhecimento necessário para modelar mesmo os problemas mais simples. Isso acontece porque em geral, um sistema especialista é baseado em regras; e são necessárias muitas regras para modelar um problema. Se você se interessou por esse assunto, confira o curso gratuito sobre sistemas especialistas que eu citei acima! Neste material eu mostro a modelagem de um simples problema para escolher o melhor meio de transporte baseado em diversas variáveis externas, e podemos ver que mesmo para um sistema simples é necessário muito conhecimento especializado!

Moderna (1980 – 1990)

Os sistemas especialistas espalharam-se rapidamente devido a sua promessa de resolver problemas específicos. Porém, o que os empresários queriam era um produto único e genérico que pudesse ser vendido em massa, e não somente para segmentos específicos. Por isso, surgiram as primeiras ferramentas para a construção de sistemas especialistas, ou seja, um software no qual o próprio usuário poderia construir um sistema de acordo com o seu negócio. Toda a inteligência do sistema foi colocada no chamado motor de inferência, que tem a função de analisar o conhecimento sobre o domínio e tomar as decisões.

A principal limitação dessa época é que teve-se a ilusão de que bastaria que uma empresa comprasse uma ferramenta dessas e que os problemas estariam resolvidos. Porém, não foi dado foco na área de aquisição do conhecimento, ou seja, para construir um sistema especialista é necessário todo um processo para obter informações dos especialistas, para somente então alimentar o sistema. Voltando ao exemplo da área médica, são necessários todos os conhecimentos clínicos para alimentar um sistema especialista antes que ele consiga dar algum tipo de resposta! Essa área de aquisição de conhecimento faz parte da Engenharia do Conhecimento, que diz respeito as técnicas para extração de conhecimento para a construção de sistemas inteligentes. Em outras palavras, assim como a Engenharia de Software pode ser utilizada para construção de softwares comerciais, a Engenharia do Conhecimento fornece suporte para a sistemas de Inteligência Artificial.

E com isso fechamos este artigo que abordou um pouco sobre a história e a evolução da Inteligência Artificial. Até o próximo!

It's only fair to share...Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

Sê o primeiro

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *