Inteligencia artificial

Aprendizado IA

Considerações Iniciais
Inteligência Artificial estuda os métodos, ferramentas, e sistemas para a modelagem de situações que normalmente requerem inteligência humana. Como existem varias formas de se definir o que é inteligência e conhecimento, varias abordagens surgiram em decorrência dessas diferentes interpretações e, conseqüentemente, diferentes modelos tem sido propostos para enquadrar estes conceitos. Uma das abordagens mais difundidas é a área de Aprendizado de Maquina. As abordagens híbridas também são de grande importância por tentar combinar o que ha de melhor em cada abordagem. Apresentaremos os principais paradigmas de IA, um modelo genérico para Aprendizado de Maquina, bem como uma abordagem geral sobre Engenharia de Conhecimento e onde a Teoria de Rough Sets pode ser visualizada dentro desse contexto.

Paradigmas de Inteligência Artificial
Inteligência pode ser definida como a habilidade de aprender, compreender, reagir adaptativamente, tomar decisões corretas, comunicar-se através da língua natural ou de imagens de forma sofisticada (Kasabov, 1996). O principal objetivo da Inteligência Artificial é o desenvolvimento de métodos e sistemas para a execução de tarefas, as quais normalmente são executadas através da atividade intelectual humana. Por exemplo, reconhecimento de imagens, processamento de língua natural e de discurso, planejamento e predição, incrementando assim os sistemas de informação computacionais. Ainda, desenvolvem-se modelos que simulam organismos vivos e o cérebro humano em particular, aumentando nosso entendimento de como o cérebro humano funciona.
Inteligência Artificial tenta modelar a inteligência humana. Para alcançar esse objetivo, existem dois paradigmas principais adotados em IA: paradigma simbólico e paradigma sub-simbolico.
A principal diferença entre esses dois paradigmas é que o primeiro é baseado na manipulação de símbolos. Segundo (Newell & Simon, 1972) o paradigma simbólico é baseado na teoria