Inteligência artificial

 Nota: Se procura o filme de 2001, veja A.I. - Inteligência Artificial.

Ciência
Ciências físicas Física: Física moderna Física aplicada Física computacional Física atómica Física nuclear Física de partículas Física experimental Física teórica Física da matéria condensada Mecânica Mecânica clássica Mecânica quântica (introdução) Mecânica de meios contínuos Reologia Mecânica dos sólidos Mecânica dos fluidos Plasma Termodinâmica Relatividade geral Relatividade restrita Teoria das cordas Teoria-M Taquião Química Reação ácido-base Alquimia Química analítica Astroquímica Bioquímica Cristalografia Química ambiental Química alimentar Geoquímica Química verde Química inorgânica Ciência dos materiais Física molecular Química nuclear Química orgânica Fotoquímica Físico-química Radioquímica Química do estado sólido Estereoquímica Química supramolecular Ciência de superfícies Química teórica Astronomia Astrofísica Cosmologia Astronomia galáctica Astrogeologia Planetologia Astronomia estrelar Ciências da terra Meteorologia Climatologia Ecologia Ciência ambiental Geodesia Geologia Geomorfologia Geofísica Glaciologia Hidrologia Limnologia Oceanografia Paleoclimatologia Paleoecologia Palinologia Geografia física Pedologia Edafologia
Ciências da vida Biologia Anatomia Exobiologia Bioquímica Biogeografia Bioengenharia Biofísica Psicobiologia Biotecnologia Botânica Biologia celular Biologia da conservação Criobiologia Biologia do desenvolvimento Ecologia Etnobiologia Etologia Biologia evolutiva (introdução) Genética (introdução) Gerontologia Imunologia Biologia marinha Microbiologia Biologia molecular Neurociência Paleontologia Parasitologia Fisiologia Sistemática Toxicologia Zoologia
Ciências sociais Antropologia Arqueologia Criminologia Demografia Economia Educação Geografia humana História Relações internacionais Direito Linguística Ciência política Psicologia Sociologia
Ciências aplicadas Engenharia Aeroespacial Agrónoma Biomédica Química Civil Computação Elétrica Genética Industrial Mecânica Militar Mineração Nuclear Robótica Software Ciências da saúde Odontologia Epidemiologia Cuidados de saúde Medicina Enfermagem Farmácia Veterinária
Ciências formais Matemática Lógica Ciência da computação Inteligência artificial Estatística Linguística
Interdisciplinares Física aplicada Inteligência artificial Bioética Bioinformática Engenharia biomédica Bioestatística Ciência cognitiva Sistemas complexos Linguística computacional Cibernética Ciências do ambiente Psicologia evolucionista Engenharia florestal Saúde Biblioteconomia Lógica Ciência militar Modelo científico Análise de rede Neurociência Semiótica Sociobiologia Planeamento urbano
Filosofia e história Filosofia da ciência História da ciência Método científico Ciência Lixo Ciência marginal Pseudociência
Portal • Categoria

A inteligência artificial (de sigla: IA; do inglês: artificial intelligence, de sigla: AI) é um campo de estudo multidisciplinar que abrange varias áreas do conhecimento,, sendo uma área da Ciência da Computação, embora sua abordagem interdisciplinar envolva contribuições de diversas disciplinas. É também um conjunto de novas tecnologias que permitem aos aparelhos smart executarem várias funções avançadas de modo quase autônomo, representando um marco histórico na computação moderna. IA é definida como aquela que foi construída pelo homem e não pela natureza, tendo sua interferência direta constantemente, o que leva o termo a diferentes significados que variam no espaço e no tempo.

Conceito

É um conceito amplo e que recebe tantas definições quanto significados diferentes à palavra inteligência. É possível considerar algumas características básicas desses sistemas, como a capacidade de raciocínio (aplicar regras lógicas a um conjunto de dados disponíveis para chegar a uma conclusão), aprendizagem (aprender com os erros e acertos para que no futuro possa agir de maneira mais eficaz), reconhecer padrões (tanto padrões visuais e sensoriais, como também padrões de comportamento) e inferência (capacidade de conseguir aplicar o raciocínio nas situações do nosso cotidiano).

Ao conceituar inteligência artificial, presume-se a interação com o ambiente, diante de necessidades reais como relações entre indivíduos semelhantes, a disputa entre indivíduos diferentes, perseguição e fuga; além da comunicação simbólica específica de causa e efeito em diversos níveis de compreensão intuitiva, consciente ou não.

Mas o conceito de inteligência artificial não é contemporâneo; Aristóteles (professor de Alexandre, o Grande) sonhava em substituir a mão-de-obra escrava por ferramentas autônomas, sendo esta possivelmente a primeira idéia de Inteligência Artificial relatada, que a ciência da computação exploraria muito tempo depois.

A construção de máquinas inteligentes interessa à humanidade há muito tempo, havendo na história tanto um registro significante de autômatos mecânicos (reais) quanto de personagens fictícios construídos pelo homem com inteligência própria, tais como o Golem e o Frankenstein. Tais relatos, lendas e ficções demonstram expectativas contrastantes do homem, de fascínio e de medo, em relação à Inteligência Artificial.

Apenas recentemente, com o surgimento do computador moderno, é que a inteligência artificial ganhou meios e massa crítica para se estabelecer como ciência integral, com problemáticas e metodologias próprias. Desde então, seu desenvolvimento tem extrapolado os clássicos programas de xadrez ou de conversão e envolvido áreas como visão computacional, análise e síntese da voz, lógica difusa, redes neurais artificiais e muitas outras. Inicialmente, os modelos de IA visavam reproduzir o pensamento humano. Posteriormente, no entanto, tais modelos abraçaram a ideia de reproduzir capacidades humanas como criatividade, auto aperfeiçoamento e uso da linguagem. Porém, o conceito de inteligência artificial ainda é bastante difícil de se definir. Por essa razão, Inteligência Artificial foi (e continua sendo) uma noção que dispõe de múltiplas interpretações, não raro conflitantes ou circulares.

O professor John McCarthy foi quem usou o termo pela primeira em 1956, no campo científico, em uma conferência de especialistas, chamada “O Eros Eletrónico” e celebrada em Darmouth College, durante o Dartmouth Summer Research Project on Artificial Intelligence, quando a definiu como "a ciência e engenharia de produzir sistemas inteligentes".

É uma área de pesquisa da computação dedicada a buscar métodos ou dispositivos computacionais que possuam ou multipliquem a capacidade racional do ser humano de resolver problemas, pensar ou, de forma ampla, ser inteligente. Também pode ser definida como o ramo da ciência da computação que se ocupa do comportamento inteligente ou ainda, o estudo de como fazer os computadores realizarem coisas que, atualmente, os humanos fazem melhor.

Os pesquisadores Andreas Kaplan e Michael Haenlein, no seu artigo A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence, de 2019, definem a inteligência artificial como “uma capacidade do sistema para interpretar corretamente dados externos, aprender a partir desses dados e utilizar essas aprendizagens para atingir objetivos e tarefas específicas através de adaptação flexível”.

É uma área de pesquisa da computação dedicada a buscar métodos ou dispositivos computacionais que possuam ou multipliquem a capacidade racional do ser humano de resolver problemas, pensar ou, de forma ampla, ser inteligente. Também pode ser definida como o ramo da ciência da computação que se ocupa do comportamento inteligente ou ainda, o estudo de como fazer os computadores realizarem coisas que, atualmente, os humanos fazem melhor.

A cultura hacker surgiu primeiramente em laboratórios de IA, em particular no MIT AI Lab, lar de celebridades tais como McCarthy, Minsky, Seymour Papert (que desenvolveu a linguagem Logo) e Terry Winograd (que abandonou a IA depois de desenvolver a linguagem de programação SHRDLU.

O filósofo John Haugeland, em seu livro Artificial Intelligence: The Very Idea (1989), cunha o termo Boa Inteligência Artificial à Moda Antiga (em inglês Good old fashioned artificial intelligence (GOFAI). Ele propôs que a IA deve ser mais apropriadamente chamada de inteligência sintética, um termo que já foi adotado por alguns pesquisadores não-GOFAI.

É possível considerar algumas características básicas desses sistemas, como a capacidade de raciocínio (aplicar regras lógicas a um conjunto de dados disponíveis para chegar a uma conclusão), aprendizagem (aprender com os erros e acertos para que no futuro possa agir de maneira mais eficaz), reconhecer padrões (tanto padrões visuais e sensoriais, como também padrões de comportamento) e inferência (capacidade de conseguir aplicar o raciocínio nas situações do nosso cotidiano). "Embora a natureza do artificial seja relativamente fácil de abordar, a definição de inteligência abre portas para questões mais complexas".

Definição do termo

A questão sobre o que é "inteligência artificial", mesmo como definida anteriormente, pode ser separada em duas partes: "qual a natureza do artificial" e "o que é inteligência". A primeira questão é de resolução relativamente fácil, apontando no entanto para a questão de que poderá o homem construir.

A segunda questão seria consideravelmente mais difícil, levantando a questão da consciência, identidade e mente (incluindo a mente inconsciente) juntamente com a questão de que componentes estão envolvidos no único tipo de inteligência que universalmente se aceita como estando ao alcance do nosso estudo: a inteligência do ser humano. O estudo de animais e de sistemas artificiais que não são modelos triviais começa a ser considerado como pauta de estudo na área da inteligência.

Suponhamos uma competição de cara ou coroa, cujos resultados sejam observados ou não. Se na segunda tentativa der o mesmo resultado que a primeira, então não existiam as mesmas chances para ambas opções iniciais. Claro que a coleta de informação em apenas duas amostragens é confiável apenas porque a quantidade de tentativas é divisível pelo número de opções de resultados prováveis.

A verdade é que o conceito de cara ou coroa está associado a artigos de valor, como moedas e medalhas que podem evitar que as pessoas abandonem o jogo e induza os participantes a acompanhar os resultados até o final. Para manter a disposição do adversário em desafiar a máquina seria necessário aparentar fragilidade e garantir a continuidade da partida. Isso é muito utilizado em máquinas de cassino, sendo que vários apostadores podem ser induzidos a dispensar consideráveis quantias em apostas.

A utilização de uma máquina de resultados pode compensar a ausência de um adversário, mas numa partida de xadrez, por exemplo, para que a máquina não precise armazenar todas as informações que excedem a capacidade de próprio universo imaginável são necessárias fórmulas que possam ser armazenadas para que então sejam calculadas por princípios físicos, lógicos, geométricos, e estatísticos para refletir o sistema completo em cada uma das suas partes; como a integração do Google com Wikipédia, por exemplo.

Outra definição de IA é a inteligência que surge de um "dispositivo artificial". A maior parte das definições podem ser categorizadas em sistemas que: "pensam como um humano; agem como um humano; pensam racionalmente ou agem racionalmente".

Histórico

Ver artigo principal: História da inteligência artificial

Desde o início os fundamentos da inteligência artificial tiveram o suporte de várias disciplinas que contribuíram com ideias, pontos de vista e técnicas para a IA. Os filósofos (desde 400 a.C.) tornaram a IA concebível, considerando as ideias de que a mente é, em alguns aspectos, semelhante a uma máquina, de que ela opera sobre o conhecimento codificado em alguma linguagem interna e que o pensamento pode ser usado para escolher as ações que deverão ser executadas. Por sua vez, os matemáticos forneceram as ferramentas para manipular declarações de certeza lógica, bem como declarações incertas e probabilísticas. Eles também definiram a base para a compreensão da computação e do raciocínio sobre algoritmos.

Os economistas formalizaram o problema de tomar decisões que maximizam o resultado esperado para o tomador de decisões. Os psicólogos adotaram a ideia de que os seres humanos e os animais podem ser considerados máquinas de processamento de informações. Os linguistas mostraram que o uso da linguagem se ajusta a esse modelo. Os engenheiros de computação fornecem os artefatos que tornam possíveis as aplicações de IA. Os programas de IA tendem a ser extensos e não poderiam funcionar sem os grandes avanços em velocidade e memória que a indústria de informática tem proporcionado.

A inteligência artificial começou como um campo experimental nos anos 50 com pioneiros como Allen Newell e Herbert Simon, que fundaram o primeiro laboratório de inteligência artificial na Universidade Carnegie Mellon, e McCarty que juntamente com Marvin Minsky, que fundaram o MIT AI Lab em 1959. Foram eles alguns dos participantes na famosa conferência de verão de 1956 em Darthmouth College.

Pesquisas sobre inteligência artificial foram intensamente custeadas na década de 1980 pela Agência de Projetos de Pesquisas Avançadas sobre Defesa (“Defense Advanced Research Projects Agency”), nos Estados Unidos, e pelo Projeto da Quinta Geração (“Fifth Generation Project”), no Japão. O trabalho subsidiado fracassou no sentido de produzir resultados imediatos, a despeito das promessas grandiosas de alguns praticantes de IA, o que levou proporcionalmente a grandes cortes de verbas de agências governamentais no final dos anos 80, e em consequência a um arrefecimento da atividade no setor, fase conhecida como O inverno da IA. No decorrer da década seguinte, muitos pesquisadores de IA mudaram para áreas relacionadas com metas mais modestas, tais como aprendizado de máquinas, robótica e visão computacional, muito embora pesquisas sobre IA pura continuaram em níveis reduzidos.

Nos últimos anos, houve uma revolução no trabalho em inteligência artificial, tanto no conteúdo quanto na metodologia. Agora, é mais comum usar as teorias existentes como bases, em vez de propor teorias inteiramente novas, fundamentar as informações em teoremas rigorosos ou na evidência experimental rígida, em vez de utilizar como base a intuição e destacar a relevância de aplicações reais em vez de exemplos hipotéticos. A aplicação da inteligência artificial não apenas resulta em melhorias significativas de desempenho, mas também viabiliza o desenvolvimento de inovações que têm o potencial de expandir extraordinariamente nossos sentidos e habilidades intelectuais. A presença crescente da inteligência artificial na simulação do pensamento humano permeia cada vez mais nosso cotidiano.

No Brasil, em maio de 2017, foi estabelecida a Associação Brasileira de Inteligência Artificial (ABRIA), com o propósito de mapear iniciativas nacionais no campo da inteligência artificial, abrangendo colaborações entre empresas locais e a formação de profissionais especializados. Esse passo reforça a percepção de que a inteligência artificial tem um impacto significativo no setor econômico atualmente.

Áreas de estudo

Os principais pesquisadores e livros didáticos definem o campo como "o estudo e projeto de agentes inteligentes", onde um agente inteligente é um sistema que percebe seu ambiente e toma atitudes que maximizam suas chances de sucesso. Andreas Kaplan e Michael Haenlein definem a inteligência artificial como “uma capacidade do sistema para interpretar corretamente dados externos, aprender a partir desses dados e utilizar essas aprendizagens para atingir objetivos e tarefas específicas através de adaptação flexível”.

Algumas das principais áreas relacionadas à IA incluem:

1. Ciência da Computação: desempenha um papel central na IA, fornecendo as bases teóricas e práticas para o desenvolvimento de algoritmos, modelos e técnicas computacionais para simular a inteligência humana.
2. Matemática e Estatística: fornecem os fundamentos teóricos para a modelagem e análise de algoritmos de IA, incluindo aprendizagem de máquina, redes neurais e processamento de dados.
3. Aprendizagem de Máquina (Machine Learning): subárea da IA que se concentra no desenvolvimento de algoritmos que permitem aos computadores aprender e melhorar com base em dados. Isso envolve a aplicação de técnicas estatísticas e algoritmos de otimização.
4. Ciência Cognitiva: estuda os processos mentais e a inteligência humana, e suas contribuições para a IA estão relacionadas à compreensão e modelagem dos processos cognitivos para o desenvolvimento de sistemas inteligentes.
5. Neurociência Computacional: busca entender o funcionamento do cérebro humano e aplicar esses insights no desenvolvimento de modelos e algoritmos de IA inspirados no cérebro.
6. Filosofia da Mente: explora questões relacionadas à natureza da mente, da consciência e da inteligência, oferecendo perspectivas teóricas importantes para o campo da IA.
7. Linguística Computacional: envolve o Processamento de Linguagem Natural (PLN), que se concentra no desenvolvimento de algoritmos e técnicas para que os computadores compreendam e processem a linguagem humana.

Abordagens principais: simbólica e conexionista

Existem duas abordagens principais para a criação de Sistemas de Inteligência Artificial: O Simbolismo e o Conexionismo.

A primeira, chamada de IA simbólica, propõe a representação de conhecimento por meio da manipulação de símbolos, isto é, na forma de estruturas construídas por seres humanos, normalmente baseadas em noções de Lógica. Ela teve grande impulso durante uma fase onde foram criados muitos Sistemas Especialistas, muitos deles basados em Lógica de Primeira Ordem, implementados em Prolog, ou em linguagens de programação derivadas desta ou especializadas, como CLIPS. Normalmente programas desse tipo têm o conhecimento programado diretamente por seres humanos, o que levou a trabalhos de elicitação de conhecimento. Apesar do sucesso inicial dos Sistemas Especialistas, a grande dificuldade de levantar e registrar conhecimento a partir de humanos e o sucesso dos processos de aprendizado de máquina a partir de dados levou a dimimuição da importância dessa vertente.

A segunda, chamada de IA Conexionista, se baseia em um modelo matemático inspirado no funcionamento dos neurônios, da qual as redes neuronais são o melhor exemplo. Uma rede neural (RN) pode ser vista como um modelo matemático simplificado do funcionamento do cérebro humano. Este consiste de um número muito grande de unidades elementares de processamento, ou neurônios, que recebem e enviam estímulos elétricos uns aos outros, formando uma rede altamente interconectada. Ela depende do aprendizado de máquina baseado em grandes massas de dados para calibrar esse modelo, que normalmente começa com parâmetros aleatórios. Dessa forma, as redes neurais podem ser usadas para uma ampla variedade de tarefas, incluindo classificação, reconhecimento de fala e visão computacional. Esta abordagem cria sistemas que tentam gerar inteligência pela aprendizagem e adaptação em vez da criação de sistemas desenhados com o objetivo especifico de resolver um problema.

O estudo das redes neurais ou o conexionismo se relaciona com a capacidade dos computadores aprenderem e reconhecerem padrões. Podemos destacar também o estudo da biologia molecular na tentativa de construir vida artificial e a área da robótica, ligada à biologia e procurando construir máquinas que alojem vida artificial. Outro subcampo de estudo é a ligação da IA com a Psicologia, na tentativa de representar na máquina os mecanismos de raciocínio e de procura..

Essa abordagem, apesar de proposta muito cedo, não encontrou computadores capazes de modelar problemas complexos, apesar de ter sucesso com problemas restritos de reconhecimento de padrão, o que só acontece a partir da década de 2010, com resultados extremamente fortes no final dessa década e no início da década de 2020, a partir de modelos contendo bilhões de parâmetros, como o GPT-3 e conceitos como Redes Neurais Profundas, Transformers, e Atenção.

Ambas as abordagens apareceram num estágio inicial da história de IA. Nos anos 60s e 70s os conexionistas foram retirados do primeiro plano da investigação em IA, mas o interesse por esta vertente da IA foi retomada nos anos 80s, quando as limitações da IA "limpa" começaram a ser percebidas. Em torno de 2022, a maior parte da pesquisa em IA gira em torno dos conceitos de Aprendizado de Máquina e Conexionismo, havendo também propostas para sistemas híbridos.

Abordagens filosóficas

Não existe uma teoria ou paradigma unificador que orienta a pesquisa de IA. Pesquisadores discordam sobre várias questões. Algumas das perguntas constantes mais longas que ficaram sem resposta são as seguintes: a inteligência artificial deve simular inteligência natural, estudando psicologia ou neurociência? Ou será que a biologia humana é tão irrelevante para a pesquisa de IA como a biologia das aves é para a engenharia aeronáutica? O comportamento inteligente pode ser descrito usando princípios simples e elegantes (como lógica ou otimização)? Ou ela necessariamente requer que se resolva um grande número de problemas completamente não relacionados? A inteligência pode ser reproduzida usando símbolos de alto nível, similares às palavras e ideias? Ou ela requer processamento "sub-simbólico"? John Haugeland, que cunhou o termo GOFAI (Good Old-Fashioned Artificial Intelligence - Boa Inteligência Artificial à Moda Antiga), também propôs que a IA deve ser mais apropriadamente chamada de inteligência sintética, um termo que já foi adotado por alguns pesquisadores não-GOFAI.

Cibernética e simulação cerebral

Nos anos de 1940 e 1950, um número de pesquisadores exploraram a conexão entre neurologia, teoria da informação e cibernética. Alguns deles construíram máquinas que usaram redes eletrônicas para exibir inteligência rudimentar, como as tartarugas de W. Grey Walter e a Besta de Johns Hopkins. Muitos desses pesquisadores se reuniram para encontros da Sociedade teleológica da Universidade de Princeton e o Ratio Club na Inglaterra. Em 1960, esta abordagem foi abandonada, apesar de seus elementos serem revividos na década de 1980.

Sub-simbólica

Inteligência computacional

Interesse em redes neurais e "conexionismo" foi revivida por David Rumelhart e outros em meados de 1980. Estas e outras abordagens sub-simbólicas, como sistemas de fuzzy e computação evolucionária, são agora estudados coletivamente pela disciplina emergente inteligência computacional.

Perspectivas IA forte e IA fraca

Entre os teóricos que estudam o que é possível fazer com a IA existe uma discussão onde se consideram duas propostas básicas: uma conhecida como "forte" e outra conhecida como "fraca". Basicamente, a hipótese da IA forte considera ser possível criar uma máquina consciente, ou seja, afirma que os sistemas artificiais devem replicar a mentalidade humana.

Inteligência artificial forte

A investigação em Inteligência Artificial Forte aborda a criação da forma de inteligência baseada em computador que consiga raciocinar e resolver problemas, sendo considerada forte quando demonstra autoconsciência.

A IA forte é tema bastante controverso, pois envolve temas como consciência e fortes problemas éticos ligados ao que fazer com uma entidade que seja cognitivamente indistinguível de seres humanos..

A ficção científica tratou de muitos problemas desse tipo. Isaac Asimov, por exemplo, escreveu O Homem Bicentenário, onde um robô consciente e inteligente luta para possuir um status semelhante ao de um humano na sociedade. E Steven Spielberg dirigiu "A.I. Inteligência Artificial" onde um garoto-robô procura conquistar o amor de sua "mãe", procurando uma maneira de se tornar real. Por outro lado, o mesmo Asimov reduz os robôs a servos dos seres humanos ao propor as três leis da robótica.

Stephen Hawking alertou sobre os perigos da inteligência artificial e considerou uma ameaça à sobrevivência da humanidade (ver: Rebelião das máquinas).

Inteligência artificial fraca

Trata-se da noção de como lidar com problemas não determinísticos. Uma contribuição prática de Alan Turing foi o que se chamou depois de Teste de Turing (TT), de 1950: em lugar de responder à pergunta "podem-se ter computadores inteligentes?" ele formulou seu teste, que se tornou praticamente o ponto de partida da pesquisa em "Inteligência Artificial".

O teste consiste em se fazer perguntas a uma pessoa e um computador escondidos. Um computador e seus programas passam no TT se, pelas respostas, for impossível a alguém distinguir qual interlocutor é a máquina e qual é a pessoa. No seu artigo original ele fez a previsão de que até 2000 os computadores passariam seu teste. Pois bem, há um concurso anual de programas para o TT, e o resultado dos sistemas ganhadores é tão fraco (o último tem o nome "Ella") que com poucas perguntas logo percebe-se as limitações das respostas da máquina. É interessante notar que tanto a Máquina de Turing quanto o Teste de Turing talvez derivem da visão que Turing tinha de que o ser humano é uma máquina..

Há quem diga que essa visão está absolutamente errada, do ponto de vista linguístico, já que associamos à "máquina" um artefato inventado e eventualmente construído. Dizem eles: "Nenhum ser humano foi inventado ou construído". Afirma-se ainda que a comparação, feita por Turing, entre o homem e a máquina é sinônimo de sua "ingenuidade social", pois as máquinas são infinitamente mais simples do que o homem, apesar de, paradoxalmente, se afirmar que a vida é complexa. No entanto, esta linha de raciocínio é questionável, afinal de contas, os computadores modernos podem ser considerados "complexos" quando comparados ao COLOSSUS (computador cujo desenvolvimento foi liderado por Tommy Flowers, em 1943), ou a qualquer máquina do início do século XX.

A inteligência artificial fraca centra a sua investigação na criação de inteligência artificial que não é capaz de verdadeiramente raciocinar e resolver problemas. Uma tal máquina com esta característica de inteligência agiria como se fosse inteligente, mas não tem autoconsciência ou noção de si. O teste clássico para aferição da inteligência em máquinas é o Teste de Turing.

Há diversos campos dentro da IA fraca, e um deles é o Processamento de linguagem natural, que trata de estudar e tentar reproduzir os processos de desenvolvimento que resultaram no funcionamento normal da língua. Muitos destes campos utilizam softwares específicos e linguagens de programação criadas para suas finalidades. Um exemplo é o chatbot Eliza, desenvolvido por Joseph Weizenbaum no laboratório de Inteligência Artificial do MIT entre os anos de 1964 e 1966. Outro exemplo bastante conhecido é o programa A.L.I.C.E. (Artificial Linguistic Internet Computer Entity, ou Entidade Computadorizada de Linguagem Artificial para Internet), um software que simula uma conversa humana. Programado em Java e desenvolvido com regras heurísticas para os caracteres de conversação, seu desenvolvimento resultou na AIML (Artificial Intelligence Markup Language), uma linguagem específica para tais programas e seus vários clones, chamados de Alicebots.

Muito do trabalho neste campo tem sido feito com simulações em computador de inteligência baseado num conjunto predefinido de regras. Poucos têm sido os progressos na IA forte. Mas dependendo da definição de IA utilizada, pode-se dizer que avanços consideráveis na IA fraca já foram alcançados.

Impossibilidade de Simulação Qualitativa

Foi provado que um simulador qualitativo, completo e robusto não pode existir, ou seja, desde que o vocabulário entrada-saída seja usado (como num algoritmo QSIM), haverá sempre modelos de entrada que causam predições erradas na sua saída. Por exemplo, a noção de infinito é impossível ser tida por uma máquina finita (computador ou neurónios se produzirem apenas um número finito de resultados num número finito de tempo). Neste caso é um simples paradoxo matemático, porque são em número finito as combinações saídas de qualquer conjunto finito. Se a noção de infinito pudesse ser obtida por uma certa combinação finita, isso significaria que o infinito seria equivalente a essa sequência finita, o que é obviamente uma contradição. Por isso, o infinito e outras noções abstratas têm que ser pré-adquiridas numa máquina finita, não são aí programáveis.

Críticas filosóficas e a argumentação de uma IA forte

John Searle

Muitos filósofos, sobretudo John Searle e Hubert Dreyfus, inseriram no debate questões de ordem filosófica e epistemológica, questionando qualquer possibilidade efetiva da IA forte. Seriam falsos, assim, os próprios pressupostos da construção de uma inteligência ou consciência semelhante à humana em uma máquina.

Searle é bastante conhecido por seu contra-argumento sobre o Quarto Chinês (ou Sala Chinesa), que inverte a questão colocada por Minsky a respeito do Teste de Turing. Seu argumento diz que ainda que uma máquina possa parecer falar chinês por meio de recursos de exame comparativo com mostras e tabelas de referência, binárias, isso não implica que tal máquina fale e entenda efetivamente a língua. Ou seja, demonstrar que uma máquina possa passar no Teste de Turing não necessariamente implica um ser consciente, tal como entendido em seu sentido humano.

Dreyfus, em seu livro O que os computadores ainda não conseguem fazer: Uma crítica ao raciocínio artificial, argumenta que a consciência não pode ser adquirida por sistemas baseados em regras ou lógica; tampouco por sistemas que não façam parte de um corpo físico. No entanto, este último autor deixa aberta a possibilidade de um sistema robótico baseado em Redes Neuronais, ou em mecanismos semelhantes, alcançar a inteligência artificial.

Mas já não seria a referida IA forte, mas sim um correlato bem mais próximo do que se entende por IA fraca. Os revezes que a acepção primeira de Inteligência Artificial vem levando nos últimos tempos contribuíram para a imediata relativização de todo seu legado. O papel de Marvin Minsky, figura proeminente do MIT e autor de Sociedade da Mente, fora central para a acepção de uma IA linear que imitaria com perfeição a mente humana, mas seu principal feito foi construir o primeiro computador baseado em redes neurais, conhecido como Snark, tendo simplesmente fracassado pois nunca executou qualquer função interessante, apenas consumiu recursos de outras pesquisas mais promissoras. O primeiro neuro computador a obter sucesso (Mark I Perceptron) surgiu em 1957 e 1958, criado por Frank Rosenblatt, Charles Wightman e outros. Atualmente, no entanto, as vertentes que trabalham com os pressupostos da emergência e com elementos da IA fraca parecem ter ganhado proeminência do campo.

As críticas sobre a impossibilidade de criar uma inteligência em um composto artificial podem ser encontradas em Jean-François Lyotard (O Pós-humano) e Lucien Sfez (Crítica da Comunicação); uma contextualização didática do debate encontra-se em Sherry Turkle (O segundo Eu: os computadores e o espírito humano). Pode-se resumir o argumento central no fato de que a própria concepção de inteligência é humana e, nesse sentido, animal e biológica. A possibilidade de transportá-la para uma base plástica, artificial, encontra um limite claro e preciso: se uma inteligência puder ser gerada a partir destes elementos, deverá ser necessariamente diferente da humana, na medida em que o seu resultado provém da emergência de elementos totalmente diferentes dos encontrados nos humanos. A inteligência, tal como a entendemos, é essencialmente o fruto do cruzamento da uma base biológica com um complexo simbólico e cultural, impossível de ser reproduzido artificialmente.

Outros filósofos sustentam visões diferentes. Ainda que não vejam problemas com a IA fraca, entendem que há elementos suficientes para se crer na IA forte também. Daniel Dennett argumenta em Consciência Explicada que se não há uma centelha mágica ou alma nos seres humanos, então o Homem é apenas uma outra máquina. Dennett questiona por que razão o Homem-máquina deve ter uma posição privilegiada sobre todas as outras possíveis máquinas quando provido de inteligência.

Alguns autores sustentam que se a IA fraca é possível, então também o é a forte. O argumento da IA fraca, de uma inteligência imitada mas não real, desvelaria assim uma suposta validação da IA forte. Isso se daria porque, tal como entende Simon Blackburn em seu livro Think, dentre outros, não existe a possibilidade de verificar se uma inteligência é verdadeira ou não. Estes autores argumentam que toda inteligência apenas parece inteligência, sem necessariamente o ser. Parte-se do princípio que é impossível separar o que é inteligência de fato do que é apenas simulação: apenas acredita-se ser.

Estes autores rebatem os argumentos contra a IA forte dizendo que seus críticos reduzem-se a arrogantes que não podem entender a origem da vida sem uma centelha mágica, um Deus ou uma posição superior qualquer. Eles entenderiam, em última instância, máquina como algo essencialmente incapaz e sequer conseguem supô-la como capaz de inteligência. Nos termos de Minsky, a crítica contra a IA forte erra ao supor que toda inteligência derive de um sujeito - tal como indicado por Searle - e assim desconsidera a possibilidade de uma maquinaria complexa que pudesse pensar. Mas Minsky desconsidera o simples fato de que os maiores avanços na área foram conseguidos com "maquinaria complexa", também chamada por pesquisadores mais importantes de Inteligência Artificial Conexista. Se a crítica de Minsky fosse válida a maquina criada por Rosenblatt e Bernard Widrow não estaria em uso ainda hoje, e o Mark I Perceptron não seria o fundador da neuro-computação. Alguns pesquisadores importantes afirmam que um dos motivos das críticas de Minsky foi o fato de ter falhado com Snark. A partir daí começou a criticar essa área por não compreende-la completamente, prejudicando desde então pesquisas importantes sobre o assunto.

O debate sobre a IA reflete, em última instância, a própria dificuldade da ciência contemporânea em lidar efetivamente com a ausência de um primado superior. Os argumentos pró-IA forte são esclarecedores dessa questão, pois são os próprios cientistas, que durante décadas tentaram e falharam ao criar uma IA forte, que ainda procuram a existência de uma ordem superior. Ainda que a IA forte busque uma ordem dentro da própria conjugação dos elementos internos, trata-se ainda da suposição de que existe na inteligência humana uma qualidade superior que deve ser buscada, emulada e recriada. Reflete, assim, a difícil digestão do legado radical da Teoria da Evolução, onde não existe positividade alguma em ser humano e ser inteligente; trata-se apenas de um complexo de relações que propiciaram um estado particular, produto de um cruzamento temporal entre o extrato biológico e uma complexidade simbólica.

É argumentado também que a inteligência artificial ainda não é desenvolvida ao ponto de atuar como o cérebro humano, de forma criativa. Ademais, o cérebro humano ainda não é suficientemente compreendido. Portanto, a ideia de replicar funções do cérebro humano é atualmente intangível.

Imagem de vaca sendo abduzida por OVNI feita por IA.

Aplicações

Ver artigo principal: Aplicações da inteligência artifical

A inteligência artificial, em um contexto amplo, possui aplicações diversas, sendo empregada na resolução de problemas práticos por entidades civis, governamentais, e militares. Possui aplicações na área da saúde, mídia e comércio eletrônico, entre outros. Há uma discussão sobre como a IA tem sido integrada em sistemas de planejamento automatizado, diagnóstico médico, utilização por advogados (IA para advogados), reconhecimento de linguagem e muito mais, mostrando a ampla gama de aplicações e o impacto profundo da IA em múltiplas áreas.

Resoluções de problemas com IA

Uma das áreas mais estudadas por cientistas sobre Inteligência Artificial, é o processo de Resolução de Problemas, desde os mais simples até os mais complexos.

Com base no estudos de comportamentos de indivíduos que resolvem problemas simples em laboratório, Allen Newell e Herbert Simon desenvolveram alguns programas para simular aspectos do comportamento inteligente e racional.

Um de seus principais programas desenvolvidos, chamado 'General Problem Solver' (Solucionador de Problemas Gerais) pode ser resumido em poucas etapas: a primeira etapa consiste em gravar as declarações realizadas por alguns indivíduos que verbalizam seu pensamento enquanto resolvem os problemas.

A seguir, o teórico ensaia algumas hipóteses acerca dos processos mentais que possivelmente estariam envolvidos no processo de elaboração de uma solução para o problema dado.

A partir dessas hipóteses ele estrutura um programa que, em sua opinião, simulará o relato gravado. Finalmente, após processar esse programa no computador digital, ele compara o relato do indivíduo com o roteiro da máquina. Se os fluxos de palavras registrados no roteiro e no relatório forem razoavelmente semelhantes, então considera-se que uma explicação para o comportamento sob estudo foi obtida.

Os pesquisadores do Projeto de Simulação Cognitiva admitem, neste caso, que as estratégias utilizadas pelo computador são análogas àquelas realizadas pelo indivíduo humano. Caso contrário, o programa deverá ser modificado com base nas discrepâncias encontradas durante o confronto de palavras. O mesmo procedimento é repetido até que um ajuste satisfatório seja obtido e o programa consiga passar pelo teste de Turing. Ou seja, até que os fluxos de palavras produzidas pelo computador e pelo sujeito humano sejam praticamente indistinguíveis para um examinador humano.

Pesquisadores

Atualmente existem diversos pesquisadores de IA ao redor do mundo em várias instituições e companhias de pesquisa. Entre os muitos que fizeram contribuições significativas estão:

Alan Turing, conhecido como "Pai da Inteligência Artificial".

Alan Turing (1912-1954)

Foi uma das personalidades mais importantes não apenas para o seu tempo, mas também para a época em que viveu. Com estudos que foram fundamentais para o desenvolvimento da inteligência artificial e influenciaram a criação de diversos aparelhos eletrônicos. Ele é conhecido por criar o famoso teste, o “Teste de Turing”, usado até o momento. Para avaliar o nível de inteligência de um programa de inteligência artificial, esse teste não foi concebido com o propósito de analisar a capacidade de um computador pensar por si mesmo, dado que as máquinas são intrinsecamente incapazes desse processo, mas sim de identificar o quão bem ele pode imitar o cérebro humano.

John McCarthy (1927-2011)

Matemático, cientista e o criador do termo "inteligência artificial", sendo também um dos principais desenvolvedores da linguagem de programação LISP. McCarthy foi um dos pioneiros no desenvolvimento da inteligência artificial e expressou consistentemente a visão de que esta deveria interagir com os seres humanos. Nascido na cidade de Boston, trabalhou na Universidade de Stanford e no Massachusetts Institute of Technology (MIT), além de ter vencido o prêmio Turing em 1972 e a Medalha Nacional de Ciência em 1991. Já a programação LISP, uma das maiores conquistas de McCarthy, surgiu em 1958 e serviu para facilitar o desenvolvimento da inteligência artificial. A linguagem é das mais antigas ainda em uso e foi usada pela primeira vez ao colocar um computador para jogar xadrez contra um adversário humano.

Marvin Minsky (1927-2016)

Natural de Nova Iorque. O cientista recebeu diversos prémios internacionais pelo seu trabalho pioneiro no campo da inteligência artificial, incluindo em 1969 o Prêmio Turing, um prestigiado reconhecimento na área da ciência informática. O cientista explorou maneiras de conferir às máquinas uma percepção e inteligência semelhantes às humanas. Ele criou mãos robóticas com a capacidade de manipular objetos, estabeleceu novos marcos na programação e abordou temas filosóficos relacionados à inteligência artificial. Minsky estava convicto de que, possivelmente, o homem desenvolveria máquinas capazes de rivalizar com sua inteligência. Ele via o cérebro como uma máquina cujo funcionamento poderia ser estudado e replicado em um computador, proporcionando uma melhor compreensão do cérebro humano e de suas funções mentais superiores.

Raj Reddy (1937)

Raj Reddy é um informático, nascido na Índia e naturalizado estadunidense, foi o primeiro asiático a vencer o Prêmio Turing. Entre suas contribuições para a IA estão a criação do Instituto de Robótica da CMU e demonstrações de diversos sistemas que usam alguma forma de IA. Entre esses sistemas, estão sistemas de: fala, controlados por voz, reconhecimento de voz, reconhecimento de voz independente do interlocutor, etc. Para Reddy, ao invés de substituir a humanidade, a tecnologia irá criar um novo tipo de humano que irá coexistir com seus antecessores enquanto se aproveita das vantagens de uma nova classe de ferramentas viabilizada pela tecnologia.

Terry Winograd (1946)

Winograd é um cientista da computação estadunidense, professor da Universidade Stanford, e codiretor do grupo de interação humano-computador de Stanford. É conhecido nas áreas de filosofia da mente e inteligência artificial por seu trabalho sobre língua natural usando o programa SHRDLU. Para Terry, não restam dúvidas de que a tecnologia da informática, mais precisamente a área de inteligência artificial, transformará as sociedades, introduzindo modificações socioeconômicas irreversíveis. Esse especialista procura saber se os seres humanos seriam capazes de construir máquinas que poderiam compreende-los, resolver seus problemas e dirigir suas vidas, além de buscar respostas sobre o que aconteceria se, no futuro, essas máquinas se tornassem mais inteligentes do que os próprios humanos que as criaram.

Douglas Lenat (1950)

Nascido na Filadélfia (Pensilvânia/EUA), graduou-se na Universidade da Pensilvânia. Douglas Bruce Lenat é o Diretor Executivo do Cycorp e foi também um pesquisador proeminente em inteligência artificial, recebendo o prêmio bianual IJCAI Computers and Thought em 1976 pela criação do programa de aprendizado de máquinas. Ele também trabalhou em simulações militares e em numerosos projetos para organizações governamentais, militares, científicas e de inteligência dos EUA.

A missão de Lenat, no longo ciclo do projeto Cyc, iniciado em 1984, era de construir a base de uma inteligência artificial geral ao representar manualmente o conhecimento como axiomas lógicos contextualizados na linguagem formal com base em extensões ao cálculo de predicados de primeira ordem e em seguida, usar esse enorme motor de inferência de ontologia e a base de conhecimento contextualizada como um viés indutivo para automatizar e acelerar cada vez mais a educação contínua do próprio Cyc, via aprendizagem em máquina e compreensão da linguagem natural.

Marco regulatório da Inteligência Artificial no Brasil

Em 2023, o "Marco Regulatório da Inteligência Artificial e Proteção de Dados" foi discutido na Conferência Nacional da Advocacia , com o objetivo de debater os principais aspectos do Projeto de Lei n° 2338, de 2023 - PL 2338/23 e a regulação da IA no Brasil. Com a participação de especialistas, conselheiros de Comissões Especiais e ministros do Superior Tribunal de Justiça (STJ).

O evento abordou temas como sanções administrativas, regulamentação comparativa e o impacto da IA nas relações de trabalho, com a finalidade de promover uma compreensão coletiva e estimular debates cruciais para a evolução da legislação relacionada à IA e proteção de dados no país.

Projeto de Lei nº 2338/2023

O Projeto de Lei n° 2338, de 2023, (PL 2338/23), de autoria do senador Rodrigo Pacheco (PSD-MG), foi criado dentro da legislação brasileira para definir diretrizes de caráter nacional para a criação, execução e utilização responsável de sistemas de inteligência artificial no Brasil. O propósito é assegurar a proteção dos direitos fundamentais e a implementação de sistemas seguros e confiáveis, visando o benefício da pessoa humana, a preservação do regime democrático e o progresso ao desenvolvimento científico e tecnológico.

Questões sobre Marco Regulatório da IA

A IA demanda adaptações no mercado de trabalho e levanta preocupações relacionadas aos direitos humanos, privacidade e proteção de dados, abordadas no PL 2338/23. O foco inclui a promoção da inovação na gestão pública para superar obstáculos burocráticos e restrições orçamentárias, visando oferecer serviços mais eficientes à população. O projeto alerta para perigos potenciais, especialmente no contexto de discriminações socioeconômicas, políticas, raciais e de gênero, incentivando a conscientização pública. Futuras discussões abordarão possibilidades no uso e desenvolvimento de ferramentas de IA, destacando a importância de definir responsabilidades para desenvolvedores e empreendedores. A segurança digital é destacada como essencial para a transformação resultante da IA, e o projeto de lei busca receber contribuições e opiniões de diversos setores da sociedade e do poder público.

Debates em torno do marco regulatório e proteção de dados

A Conferência Nacional da Advocacia ofereceu, em 29 de novembro de 2023, um painel específico para discutir o Marco Regulatório da Inteligência Artificial e Proteção de Dados, que contou diversos especialistas, tais como: o conselheiro federal de Tocantins e presidente da Comissão Especial de Inteligência Artificial, Adwardys de Barros Vinhal (condutor); o vice-presidente da Comissão Especial de Direito Digital, Fabrício da Mota Alves (relator);e a conselheira federal de Sergipe e secretária-adjunta da Comissão Especial de Proteção de Dados, Lilian Jordeline Ferreira de Melo (secretária). Entre os palestrantes participaram do painel o ministro do STJ Ricardo Villas Boas Cuêva; o desembargador do TRF6 Pedro Felipe Santos; a conselheiro do Conselho Nacional do Ministério Público (CNMP) e presidente da Comissão Especial de Proteção de Dados, Rodrigo Badaró; a assessora parlamentar e especialista em proteção de dados Stefani Juliana Vogel; a professora Tainá Aguiar Junquilho; a vice-presidente da Comissão Especial de Proteção de Dados, Deborah Sirotheau; e o membro da Comissão Nacional dos Direitos da Pessoa com Deficiência Joelson Dias. Os tópicos abordados vão desde os eixos principais do PL 2338 até a regulação setorial da IA no Ministério Público e Judiciário, critérios para sanções administrativas pela ANPD, até o impacto da IA nas relações de trabalho e nas eleições, incluindo a acessibilidade digital para pessoas com deficiência. O objetivo do evento foi esclarecer questões cruciais no cenário do desenvolvimento tecnológico e proteção de dados.

Direitos Tutelados no PL 2338/2023 e na LGPD.

A Autoridade Nacional de Proteção de Dados Pessoais (ANPD) analisa o PL2338/23, destacando os seguintes direitos semelhantes aos da Lei Geral de Proteção de Dados Pessoais (LGPD), visando tutelar pessoas afetadas por sistemas de IA: 1. Direito à Informação: Garantia de informações claras antes da utilização de sistemas de IA, inclusão do caráter automatizado, descrição geral, tipos de decisões e consequências; 2. Direito de Contestação e Revisão: Relacionado à contestação e revisão de decisões geradas por IA, tensões possíveis com a LGPD devido a requisitos mais estritos no PL; e 3. Direito à Explicação: Convergência com o dever dos controladores e direito à explicação na LGPD, papel relevante da ANPD na regulação desse direito.

Vantagens da utilização da IA

• Redução de erros: Uma vez que são máquinas, a inteligência artificial é mais resistente e tem maior capacidade de suportar ambientes hostis, reduzindo as chances de falharem em seus propósitos, tendo a possibilidade de alcançar um maior grau de precisão.
• Exploração: Devido à programação dos robôs, eles podem realizar um trabalho mais laborioso e duro com maior responsabilidade. Assim, são capazes de ser utilizadas também em processos de exploração de minérios e de outros combustíveis, no fundo do oceano e, portanto, superar as limitações humanas.^{[carece de fontes]}
• Aplicações diárias: Inteligência Artificial é amplamente empregada por instituições financeiras e instituições bancárias para organizar e gerenciar dados. A sua utilização está presente em vários mecanismos do nosso cotidiano como o GPS (global positioning system), a correção nos erros de digitação na ortografia, entre outros.^{[carece de fontes]}
• Sem pausas: As máquinas, ao contrário dos seres humanos, não precisam de intervalos frequentes. Elas conseguem exercer vários horas de trabalho sem ficarem cansadas, distraídas ou entendiadas, apenas pela sua programação.^{[carece de fontes]}

Desvantagens da utilização da IA

• Alto custo: o custo de produção das máquinas de IA são demasiados, o que se deve a complexidade e dificuldade de manutenção. O processo de recuperação de códigos perdidos, por exemplo, requer muito tempo e recursos.
• Falta de criatividade: A inteligência artificial não é desenvolvida ao ponto de atuar como o cérebro humano, de forma criativa. Ademais, o cérebro humano ainda não é suficientemente compreendido para que um dia possa ser simulado fielmente em uma forma artificial. Portanto, a ideia de replicar funções do cérebro humano é intangível.^{[carece de fontes]}
• Causa o desemprego: Como são capazes de executar tarefas antes exclusivas aos humanos de maneira mais otimizada e eficiente, os mecanismos de inteligência artificial tendem a substituir a atividade humana em larga escala. O trabalho de uma máquina que possui inteligência artificial é, muitas vezes, mais viável que o trabalho humano, logo, a projeção de um crescimento no desemprego em função disso é coerente.^{[carece de fontes]}

Mitos sobre inteligência artificial

Inteligência artificial pode funcionar como nosso cérebro

A IA, nas mais diversas áreas, acaba realizando apenas tarefas específicas ao contexto em que é aplicada. Cada sistema criado é limitado a um conjunto de atividades de cada finalidade: um bot. (diminutivo de robot) de atendimento vai trabalhar com ofertas de produtos, responder a dúvidas, negociar dívidas mas esse mesmo bot. não vai conseguir jogar xadrez ou guiar um veículo autônomo, por exemplo, já que não consegue elaborar estratégias funcionais e sim apenas executar comandos com base em alguma análise de dados relativa à sua função.

Um sistema tão complexo e abrangente como o cérebro humano ainda é uma realidade distante. Os extraordinários avanços da neurociência mostram que o ser humano ainda está longe de compreender alguns mistérios do cérebro humano, entre eles, a incrível capacidade de criar, destruir e refinar ideias, ou seja, a criatividade. A IA é mais competente do que as pessoas em tarefas de análise, organização e até resolução de alguns problemas, mas ainda não é capaz de melhorar a si mesma, em diversos campos, e aprender coisas novas sem informações prévias. Grandes empresas já estão trabalhando na chamada ‘deep learning’ (aprendizagem profunda), um dos mais promissores campos da IA, que pretende fazer dos sistemas entidades capazes de aprender evolutivamente. Mas, ainda não é possível, e talvez nunca será, eliminar o fator humano, entre outros pontos, da própria avaliação de progresso dessa disciplina tecnológica.

Inteligência artificial eliminará todos os cargos de trabalho

Um sistema que utiliza inteligência artificial pode armazenar e analisar bilhões de dados, realizar automaticamente tarefas com base nessa análise, fechar acordos, vender, controlar uma linha de produção etc., mas não é capaz de criar estratégias do zero. Além disso, tudo o que envolve humanização, sentimentos como empatia ou características como dedicação, mesmo em um contexto onde a IA se espalhe, ainda dependerá de uma interação entre o homem e a máquina. Empregos como os conhecemos hoje se transformarão, muitos inclusive deixarão de existir, mas tantos outros novos surgirão.

Inteligência artificial mudará o mundo em poucos anos

Apesar de uma grande porcentagem das funções terem parte de seus processos automatizada, nos dias de hoje, menos de 10% das atividades podem ser inteiramente substituídas por tecnologia. Nas indústrias haverá uma ampla troca da mão de obra humana pela força de trabalho de máquinas automáticas e programas de computador que possam executar, automaticamente, tarefas repetitivas sem qualquer tipo de adversidade, já que não sofrem com todas as vulnerabilidades que um ser humano detém como cansaço, riscos de sofrer acidentes e mobilidade, além do fato de não gerar despesas para a organização a não ser com sua manutenção e funcionamento. Porém, como se trata de um ramo da ciência relativamente novo e que está em uma fase de desenvolvimento lenta e gradual, ainda pode demorar para que a inteligência artificial cause algum impacto, realmente, significativo para as relações dentro da sociedade.

Ver também

• Alinhamento da inteligência artificial
• Inteligência artificial geral
• Inteligência artificial generativa
• Lista de projetos de inteligência artificial
• Segurança da inteligência artificial
• OpenAI
• OpenAI Codex
• Realidade simulada
• Redes neurais
• Robocode
• Transferência de energia sem fio

Referências

Ligações externas

Organizações relacionadas a IA

• «Programa do governo para defender suas questões». (em português) 
• «American Association for Artificial Intelligence» (em inglês)