Aula 01 - Introdução à Inteligência Artificial

Guia visual de revisão. Use esta nota depois da aula para reorganizar os conceitos antes do estudo guiado e da atividade. O objetivo não é substituir os slides, mas transformar o conteúdo em um mapa de relações.

Nota visual da aula

Nota visual da Aula 01 - Introdução à Inteligência Artificial

Síntese visual dos principais conceitos da Aula 01. Use a figura para uma primeira revisão e, em seguida, percorra as seções abaixo para aprofundar cada conceito.

Visão em 30 segundos

Pergunta Ideia-chave
O que é IA? Uma área que estuda e constrói sistemas capazes de realizar tarefas associadas a capacidades inteligentes.
Existe uma única definição? Não. A área pode ser analisada pelo comportamento humano, pelos processos humanos, pela racionalidade do raciocínio ou pela racionalidade da ação.
IA é sinônimo de aprendizado de máquina? Não. Aprendizado é uma das capacidades e abordagens presentes na área.
Alto desempenho significa inteligência geral? Não. Um sistema pode ser excelente em uma tarefa específica e ainda ter limitações importantes fora daquele contexto.
Qual conceito prepara a próxima aula? Racionalidade, que será central para entender agentes inteligentes.

Mapa mental da aula

mindmap
  root((Inteligência Artificial))
    Perspectivas
      Pensar como humanos
      Agir como humanos
      Pensar racionalmente
      Agir racionalmente
    Capacidades
      Percepção
      Raciocínio
      Aprendizagem
      Tomada de decisão
      Geração
    Representação
      Simbólica
      Sub-simbólica
    Avaliação
      Desempenho
      Limitações
      Contexto de uso
      Riscos
    Próximo passo
      Racionalidade
      Agentes inteligentes

1. Quatro formas clássicas de olhar para IA

A diferença entre as quatro perspectivas está principalmente em qual referência usamos para dizer que um sistema é inteligente.

Perspectiva Pergunta central Foco da avaliação
Pensar como humanos O sistema reproduz processos cognitivos humanos? Modelagem do processo de pensamento.
Agir como humanos O comportamento produzido se aproxima do comportamento humano? Resultado observável da interação.
Pensar racionalmente O raciocínio segue princípios que conduzem a conclusões adequadas? Correção do processo de inferência.
Agir racionalmente O sistema escolhe ações adequadas para atingir objetivos? Decisão e desempenho esperado. 
flowchart LR
    A[Como avaliar um sistema?] --> B{Referência}
    B --> C[Humano]
    B --> D[Racionalidade]
    C --> E[Pensar como humanos]
    C --> F[Agir como humanos]
    D --> G[Pensar racionalmente]
    D --> H[Agir racionalmente]

Ponto de atenção: imitar um comportamento humano não prova que o sistema raciocina como um humano. Da mesma forma, agir racionalmente não exige reproduzir os mecanismos cognitivos humanos.

2. IA como conjunto de capacidades

É mais útil analisar o que o sistema precisa fazer do que apenas perguntar se determinada tecnologia "é IA".

flowchart LR
    P[Perceber] --> R[Representar]
    R --> C[Raciocinar / buscar]
    C --> D[Decidir]
    D --> A[Agir ou gerar saída]
    A --> O[Observar resultado]
    O --> P
    L[Aprender] -. pode modificar .-> R
    L -. pode modificar .-> C
    L -. pode modificar .-> D

Capacidades recorrentes:

  • percepção - obter informação do ambiente;
  • representação - organizar internamente informações relevantes;
  • raciocínio - relacionar informações e derivar consequências;
  • busca e planejamento - explorar alternativas para atingir uma meta;
  • aprendizagem - modificar comportamento ou representação a partir de dados e experiência;
  • decisão - escolher uma ação entre alternativas;
  • geração - produzir texto, imagem, código ou outra saída estruturada.

3. Simbólico e sub-simbólico

As duas famílias não devem ser tratadas como rivais absolutas. Elas representam formas diferentes de organizar conhecimento e processamento.

Aspecto Abordagem simbólica Abordagem sub-simbólica
Representação símbolos, regras e relações explícitas parâmetros, vetores e representações distribuídas
Conhecimento mais diretamente inspecionável frequentemente aprendido a partir de dados
Explicação pode ser mais direta pode exigir técnicas adicionais de interpretação
Aprendizagem não é obrigatória frequentemente central
Uso raciocínio explícito, regras, conhecimento estruturado percepção, reconhecimento de padrões, aprendizagem estatística 
flowchart TB
    IA[Inteligência Artificial] --> S[Simbólica]
    IA --> SS[Sub-simbólica]
    S --> SR[Regras e relações]
    S --> SI[Inferência explícita]
    SS --> SD[Dados]
    SS --> SP[Padrões aprendidos]
    SR --> H[Sistemas híbridos]
    SP --> H

Evite a simplificação: "IA moderna é somente aprendizado de máquina". A disciplina mostrará busca, representação, lógica, aprendizagem e métodos inspirados na natureza como partes de um repertório maior.

4. Automação, adaptação e comportamento inteligente

Nem toda automação precisa ser classificada como IA. Uma boa análise considera o problema, a representação utilizada e o modo como o sistema decide.

Automação simples
    ↓
regras fixas para situações previstas
    ↓
comportamento adaptativo
    ↓
ajuste diante de dados, contexto ou experiência
    ↓
decisão em ambientes com alternativas e incerteza

Perguntas úteis ao analisar um sistema:

  1. Qual problema está sendo resolvido?
  2. Quais informações entram no sistema?
  3. Que representação é utilizada?
  4. O sistema precisa escolher entre alternativas?
  5. Há aprendizagem ou adaptação?
  6. Existe uma medida de desempenho?
  7. Quais limites de operação foram assumidos?

5. Desempenho não é compreensão geral

Um sistema pode apresentar ótimo desempenho em uma tarefa e ainda:

  • falhar quando o contexto muda;
  • depender de dados ou instruções específicas;
  • não transferir conhecimento para outra tarefa;
  • produzir respostas plausíveis, mas incorretas;
  • não possuir autonomia para agir no ambiente;
  • não ter acesso às informações necessárias para uma decisão.

Regra prática: avalie a capacidade demonstrada e o contexto em que ela foi medida. Evite transformar desempenho específico em afirmações gerais sobre inteligência.

6. Como analisar uma aplicação de IA

Use este pequeno roteiro:

flowchart TD
    A[Aplicação] --> B[Qual é o problema?]
    B --> C[Entradas e percepções]
    C --> D[Representação e processamento]
    D --> E[Decisão ou saída]
    E --> F[Critério de desempenho]
    F --> G[Limitações e riscos]

Exemplo de categorias para classificação

Elemento Pergunta de revisão
Problema O que precisa ser resolvido?
Entrada O que o sistema observa ou recebe?
Saída O que ele produz ou executa?
Capacidade central Percepção, busca, raciocínio, aprendizagem, geração ou recomendação?
Perspectiva Humana ou racional? Pensamento ou ação?
Limitação Em que situação a capacidade deixa de ser confiável?

7. Erros conceituais frequentes

⚠️ "IA é qualquer programa complexo." Complexidade de código não define inteligência.

⚠️ "IA é apenas aprendizado de máquina." Aprendizado é uma parte da área, não a área inteira.

⚠️ "Se parece humano, pensa como humano." Sem evidência sobre o processo interno, essa conclusão não é válida.

⚠️ "Se acertou muito, entende o problema de forma geral." Desempenho em uma tarefa não implica generalização irrestrita.

⚠️ "Racionalidade significa sempre acertar." A decisão racional depende das informações disponíveis e do critério de desempenho.

8. Ponte para a Aula 02

A perspectiva agir racionalmente leva diretamente ao conceito de agente.

flowchart LR
    IA[IA] --> R[Agir racionalmente]
    R --> AG[Agente]
    AG --> P[Percebe o ambiente]
    AG --> D[Decide]
    AG --> A[Age]
    P --> D --> A

Na próxima aula, a pergunta deixa de ser apenas "o que é inteligência?" e passa a ser:

Como descrever um sistema que percebe um ambiente e escolhe ações para atingir objetivos?

Revisão de 1 minuto

IA
├── pode ser definida por referência ao humano ou à racionalidade
├── pode enfatizar pensamento ou ação
├── reúne capacidades como percepção, representação, raciocínio e aprendizagem
├── pode usar representações simbólicas, sub-simbólicas ou híbridas
├── deve ser avaliada no contexto de uma tarefa e de uma medida de desempenho
└── prepara o conceito de agente racional

Checklist

  • [ ] Diferencio as quatro perspectivas clássicas.
  • [ ] Consigo explicar por que IA não é sinônimo de aprendizado de máquina.
  • [ ] Consigo distinguir comportamento observado de processo interno.
  • [ ] Consigo analisar uma aplicação por problema, entrada, saída e desempenho.
  • [ ] Consigo explicar por que desempenho específico não implica inteligência geral.
  • [ ] Consigo relacionar racionalidade à próxima aula sobre agentes.

Próximo passo: faça o Estudo Guiado 01 e depois retorne aos slides para revisar os pontos em que sua explicação ainda estiver imprecisa.