Stuart Russell e Peter Norvig | Inteligência Artificial

Capítulo 1 • Introdução 3 de seres humanos ou animais. Deixaremos esse assunto para outros livros à medida que su- pomos que o leitor tenha acesso somente a um computador para realizar experimentação. Nos primórdios da IA, frequentemente havia confusão entre as abordagens. Um autor argumentava que um algoritmo funcionava bem em uma tarefa e que, portanto , era um bom modelo de desempenho humano, ou vice-versa. Os autores modernos separam os dois tipos de afirmações; essa distinção permitiu que tanto a IA quanto a ciência cognitiva se desenvol- vessem com maior rapidez. Os dois campos continuam a fertilizar um ao outro, principalmente na visão computacional, que incorpora evidências neurofisiológicas em modelos computacio- nais. Recentemente, a combinação de métodos de neuroimagem combinados a técnicas de aprendizado de máquina para analisar tais dados levou ao início da capacidade de “ler mentes” – isto é, averiguar o conteúdo semântico dos pensamentos íntimos de uma pessoa. Por sua vez, essa capacidade poderia lançar mais luz sobre como funciona a cognição humana. 1.1.3 Pensar racionalmente: abordagem das “leis do pensamento” O filósofo grego Aristóteles foi um dos primeiros a tentar codificar o “pensamento correto”, isto é, os processos de raciocínio irrefutáveis. Seus silogismos forneciam padrões para estru- turas de argumentos que sempre resultavam em conclusões corretas ao receberem premissas corretas. O exemplo canônico começa com Sócrates é um homem e todos os homens são mortais e conclui que Sócrates é mortal . (Esse exemplo provavelmente se deve a Sextus Empiricus e não a Aristóteles.) Essas leis do pensamento deveriam governar a operação da mente; seu estudo deu início ao campo chamado lógica . Os lógicos do século XIX desenvolveram uma notação precisa para declarações sobre todos os tipos de objetos do mundo e sobre as relações entre eles. (Compare isso com a no- tação aritmética básica, que fornece apenas declarações a respeito de números .) Por volta de 1965, foram concebidos programas que, teoricamente, são capazes de resolver qualquer pro- blema solucionável descrito em notação lógica. A chamada “tradição logicista ” dentro da inte- ligência artificial almeja criar sistemas inteligentes a partir de tais programas. A lógica, como convencionalmente compreendida, exige um conhecimento do mundo que é certo – uma condição que, na realidade, raramente é alcançada. Simplesmente não co- nhecemos as regras, digamos, da política ou da guerra, da mesma forma como conhecemos as regras do xadrez ou da aritmética. A teoria da probabilidade preenche essa lacuna, permitindo um raciocínio rigoroso com informações incertas. Em princípio, ela permite a construção de um modelo abrangente de pensamento racional, que vai da informação perceptiva bruta à compreensão de como o mundo funciona e às previsões sobre o futuro. O que isso não faz é gerar um comportamento inteligente. Para isso, precisamos de uma teoria da ação racional. O pensamento racional, por si só, é insuficiente. 1.1.4 Agir racionalmente: abordagem de agente racional Um agente é simplesmente algo que age (a palavra agente vem do latim agere , que significa “fazer”). Certamente todos os programas de computador realizam alguma coisa, mas espera-se que um agente computacional faça mais: opere autonomamente, perceba seu ambiente, persista por um período de tempo prolongado, adapte-se a mudanças e seja capaz de criar e perseguir metas. Um agente racional é aquele que age para alcançar o melhor resultado ou, quando há incerteza, o melhor resultado esperado. Na abordagem de “leis do pensamento” para IA, foi dada ênfase a inferências corretas. Às vezes, a realização de inferências corretas é uma parte daquilo que caracteriza um agente racional, porque uma das formas de agir racionalmente é raciocinar de modo lógico até a con- clusão de que dada ação é a melhor e, depois, agir de acordo com essa conclusão. Por outro lado, existem modos de agir racionalmente que não se pode dizer que envolvem inferências. Por exemplo, afastar-se de um fogão quente é uma ação de reflexo, em geral mais bem-sucedida que uma ação mais lenta executada após cuidadosa deliberação. Todas as habilidades necessárias à realização do teste de Turing também permitem que o agente haja racionalmente. Representação do conhecimento e raciocínio permitem que os agentes alcancem boas decisões. Precisamos ter a capacidade de gerar sentenças compreensí- veis em linguagem natural para podermos participar de uma sociedade complexa. Precisamos Silogismo Logicista Probabilidade Agente Agente racional