Histórico da IA
O início da Inteligência Artificial (IA) pode ser traçado até o trabalho pioneiro de Warren McCulloch e Walter Pitts em 1943 (Gomes, 2010). Inspirados pela fisiologia dos neurônios, a lógica proposicional de Russell e Whitehead e a teoria da computação de Turing, eles propuseram um modelo de neurônios artificiais, onde cada neurônio era caracterizado como “ligado” ou “desligado” (Russell, 2016). Demonstraram que redes de neurônios artificiais poderiam implementar funções computáveis e operações lógicas como AND, OR e NOT, além de sugerirem que essas redes poderiam aprender (Russell, 2016).
Alan Turing, considerado um dos pioneiros da IA, trouxe avanços significativos com seu artigo de 1950, "Computing Machinery and Intelligence"(Barbosa; Bezerra, 2020). Ele inventou um jogo, chamado Teste de Turing, onde um computador conversava com uma pessoa. Se a pessoa não conseguisse dizer quem era quem, quer dizer que o computador era muito inteligente e parecia mesmo uma pessoa. Ele também imaginou que os computadores poderiam aprender sozinhos, como as crianças, e ficar cada vez mais espertos (Barbosa; Bezerra, 2020).
Na década de 1950, as pessoas começaram a criar máquinas que pensavam como o cérebro humano, como o SNARC criado por Marvin Minsky e Dean Edmonds (Russell, 2016). Depois, em 1956, um grupo de cientistas muito importantes se juntou para falar sobre como fazer máquinas aprender, entender a linguagem e resolver problemas como a gente durante a Conferência de Dartmouth, liderada por John McCarthy (Barbosa; Bezerra, 2020). Esse foi o momento em que surgiu o termo "inteligência artificial" (Barbosa; Bezerra, 2020). As ideias que surgiram desses experimentos e a empolgação das pessoas fizeram com que cientistas, empresas e governos investissem muito dinheiro em pesquisas sobre inteligência artificial, incluindo a Agência de Pesquisa de Projetos Avançados (ARPA), a mesma instituição que desenvolveu a internet (Barbosa; Bezerra, 2020).
Em 1964, surgiu Eliza, o primeiro chatbot, criado por Joseph Weizenbaum no MIT. O programa simulava uma psicanalista, usando palavras-chave e frases empáticas, e chegou a ser visto como um possível apoio em tratamentos psicológicos (Barbosa; Bezerra, 2020).
As previsões excessivamente otimistas e as altas expectativas dos primeiros pesquisadores de IA, como as feitas por Herbert Simon, criaram uma visão irrealista sobre o verdadeiro potencial da tecnologia (Russell, 2016). A confiança excessiva de Simon foi alimentada pelo desempenho promissor dos primeiros sistemas de IA em problemas simples. Por exemplo, ele previu que, em apenas 10 anos, um computador se tornaria campeão de xadrez, mas isso só ocorreu 40 anos depois (Russell, 2016). No entanto, essas previsões não se concretizaram como esperado, e muitos sistemas de IA falharam em lidar com problemas mais complexos, principalmente devido à falta de uma análise aprofundada dos desafios e à subestimação das limitações computacionais. A discrepância entre as expectativas e a realidade resultou em investimentos exagerados, particularmente em sistemas especialistas, que, ao não cumprirem suas promessas, levaram ao declínio do interesse e, eventualmente, ao "inverno da IA" (Russell, 2016).
Sistemas Especialistas
Sistemas especialistas são programas de computador projetados para emular o conhecimento e o raciocínio de especialistas humanos em áreas específicas (Mendes, 1997). Esses sistemas são baseados em conhecimento, utilizando principalmente regras que reproduzem o saber de peritos para resolver problemas em campos como medicina, engenharia e biblioteconomia (Mendes, 1997). A área médica, em particular, foi uma das primeiras a se beneficiar dessa tecnologia, pois envolve problemas complexos que podem ser modelados com regras e heurísticas.
Estrutura Básica de um Sistema Especialista segundo Raquel Mendes:- Base de Conhecimento: Contém regras e fatos que representam o conhecimento do especialista. Ela interage com o motor de inferência e com o usuário para ajudar a identificar problemas e sugerir soluções.
- Motor de Inferência: Éé a ferramenta que faz um sistema especialista funcionar. Ele pega as informações que o sistema tem (fatos e regras) e as combina de diferentes maneiras para encontrar a melhor solução para um problema, buscando pensar da mesma forma que um humano. Ele pode utilizar raciocínio progressivo (quando o sistema recebe informações do usuário e as utiliza para encontrar a solução) ou regressivo (quando o sistema parte de uma solução e busca informações para validá-la).
- Interface com o Usuário: É a parte do sistema que permite a interação entre o usuário e o sistema. Uma interface bem projetada facilita a navegação e a consulta à base de conhecimento, tornando o processo de solução de problemas mais eficiente.
- Capacidade de distribuir o conhecimento especializado, tornando-o acessível a um número maior de pessoas.
- Esses sistemas aumentam a produtividade, pois permitem que usuários acessem rapidamente um vasto conhecimento que normalmente levaria muito tempo para ser aprendido.
- Redução da dependência de especialistas, já que o conhecimento pode ser armazenado e acessado por meio do sistema, o que diminui a vulnerabilidade das organizações em situações críticas.
- São eficazes para treinamento, oferecendo suporte imediato e adaptando-se ao desempenho do usuário.
Acesse os conteúdos sobre: