Unidade I Conceitos, Histrico e Aplicaes da Inteligncia Artificial

I.1 A Questo da Inteligncia Artificial

Primeiramente, vamos conhecer o significado destas palavras:
Artificial: do latim artificialis, produzido pela arte, no natural ou genuno, fabricado
pelo homem em oposto ao natural, com o objetivo de simular e ou imitar o natural.
Artefato o que caracteriza o artificial como objeto (computador um artefato baseado
em sistemas de smbolos).
Inteligncia: do latim intelligentia, significa a faculdade de conhecer, aprender,
conceber e de compreender.
O campo da inteligncia artificial (ou IA) tenta entender as entidades inteligentes.
Uma das razes para se estudar IA porque desejamos aprender sobre ns mesmos.
Mas diferente da filosofia e da psicologia, que so cincias que estudam a inteligncia, a
IA no apenas tenta entend-la como tambm tenta encontrar maneiras de construir
entidades inteligentes. Uma outra razo para se estudar IA que estas entidades
inteligentes construdas so muito interessantes e, dependendo do que fazem, podem ser
muito teis na nossa vida.
A Inteligncia Artificial aborda a seguinte questo: Como possvel para um
crebro pequeno e lento, seja ele biolgico ou eletrnico, perceber, entender, prever e
manipular um mundo maior e mais complexo do que ele prprio? Como podemos
construir alguma coisa com estas propriedades? Estas so perguntas difceis, mas os
pesquisadores de IA tm slidas evidncias de que elas podem ser solucionadas. Da
voc pode perguntar Por que? E a resposta : Porque basta que eles se olhem no
espelho para verem um exemplo de um sistema inteligente.
A IA uma disciplina nova, tem em sua raiz a criao de modelos, linguagens e
programas para jogar xadrez desenvolvidos, especialmente, por Norbert Wiener (1948),
Alan Turing (1951), Claude Shannon (1950), Allen Newell (1955) e Hebert Simon
(1953).
Ela foi formalmente fundada em 1956, por John McCarthy, no encontro que ficou
conhecido por Conferncia de Dartmouth. Neste encontro credita-se a John MCCarthy a
criao da expresso Inteligncia Artificial. A Conferncia de Dartmouth ocorreu em
Hanover, New Hampshire. Teve como principais organizadores: John McCarthy
(Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM)
e Claude Shannon (Bell Telephone Lab). Estiveram presentes, tambm, entre outros,
Ray Slomonoff e Oliver Selfridge (MIT), Allen newell e Hebert Simon (Carnegie Tech),
Trenchard More (Princeton).
Dentre os principais tpicos ou temas discutidos destacaram-se: Programao
automtica (Rochester), Linguagens (McCarthy), Redes Neurais (Pitts e McCulloch,
Rochester e Holland, Minsky), Teoria de Complexidade (Turing, Shannon e McCarthy),
Aprendizado ou auto-melhora (Arthur Samuel), Aleatoriedade e Conhecimento de
senso-comum. Este encontro tinha por objetivo estudar as bases da conjectura de que
cada aspecto do aprendizado e da inteligncia pode, em princpio, ser to precisamente
descrito que o torne possvel de ser simulado por uma mquina.

Tambm, podemos destacar dois eventos importantes no surgimento da IA que

ocorreram logo aps a Conferncia de Dartmouth:

Criao do Laboratrio de Inteligncia Artificial no MIT, em 1959, por Marvin

Minsky e John McCarthy, Massachusetts.

Simulao de Processos Cognitivos ou Processamento Complexo da Informao,

em 1957, por Allen Newell, Schaw e Hebert Simon em Carnegie-Mellon,
Pittsburgh, Pennsylvania.

Por outro lado, o estudo da inteligncia uma das disciplinas mais antigas,
comeou a mais de 2000 anos atrs, quando os filsofos tentavam entender como
podemos ver, aprender e lembrar e a razo que isso poderia, ou deveria, ser feito. Com o
advento do uso dos computadores, na dcada 60, o computador estabeleceu uma
ferramenta para testar as teorias da inteligncia. Muitas teorias falharam nos testes.
Assim, a IA tornou-se bem mais difcil do que foi imaginado anteriormente, mas como
resultado, as idias modernas so muito mais ricas, engenhosas e interessantes.
Vimos ento motivao para o estudo da Inteligncia Artificial, mas o que seria
a IA?
Poderamos dizer: baseada na construo de programas inteligentes. Ento o
que estamos esperando? Vamos escrever um! Mas no to simples assim, precisamos
ter um objetivo em mente, saber por que estamos precisando de um sistema inteligente,
qual o seu propsito e quais so as circunstncias pelas quais devemos passar antes de
atingirmos a meta final.
I.2 Abordagens da Inteligncia Artificial
Podemos considerar quatro tipos de abordagens para o estudo e entendimento da IA
como veremos a seguir.
I.2.1 Agindo como o Humano Teste de Turing
O Teste de Turing, proposto por Alan Turing (1950), teve como objetivo fornecer uma
definio operacional satisfatria de inteligncia.
O teste consistia em um colocar um computador em uma sala A e um humano em
uma sala B. Um entrevistador humano, que no sabe a priori onde est o computador,
deveria fazer perguntas via uma mquina de telgrafos a ambas as salas A e B.
Aprovado: O teste seria aprovado se o entrevistador no conseguisse determinar
em qual sala est o humano e em qual sala est o computador. Se isto ocorresse, o
computador seria considerado inteligente.
Para satisfazer o teste de Turing, o computador deveria possuir as seguintes
capacidades:
Processamento de Linguagem Natural assim o computador seria capaz
de se comunicar bem em ingls (ou alguma outra linguagem).
Representao de Conhecimento para armazenar informaes antes e
durante a entrevista.
Raciocnio Automtico para usar as informaes armazenadas a fim de
responder as questes e tambm para criar novas concluses.
Aprendizagem de Mquina para adaptar a novas circunstncias e para
detectar e explorar novos padres.

A questo de agir como um humano surgiu quando os programas de IA tinham

que interagir com as pessoas. Como exemplo, temos os sistemas especialistas que
precisam explicar como surgiu o seu diagnstico, e os sistemas de processamento de
linguagem natural que precisam dialogar com o usurio.
O teste de Turing merece crditos por ser um teste que permanece relevante
depois de 50 anos. Ainda assim, os pesquisadores de IA tm dedicado pouco esforo
aprovao deste teste, acreditando que mais importante estudar os princpios bsicos
da inteligncia do que reproduzir um exemplar.
I.2.2 Pensando como o Humano Modelo Cognitivo
Um programa pensa como pensam os humanos. Para isso, ns precisamos de alguma
maneira determinar como os humanos pensam. preciso determinar qual o trabalho real
da mente humana.
Como entrar na mente:
Introspeco tentar captar nossos prprios pensamentos, medida que
eles se desenvolvem.
Teoria Cognitiva experimentos psicolgicos.
Uma vez obtida uma teoria da mente, possvel express-la como um programa
de computador.
Sucesso: O computador se comporta como ser humano.
I.2.3 Pensando Racionalmente Leis do Pensamento
O filsofo grego Aristteles foi o primeiro a tentar codificar o pensamento correto,
isto , processo de raciocnio irrefutvel Silogismo (Incio da Lgica leis de
pensamento que supostamente governam a mente):
Scrates um homem.
Todos os homens so mortais.
Logo, Scrates mortal.
Lgica formal: sculo XIX / XX notao precisa para declaraes sobre todos
os tipos de coisas no mundo e as relaes entre elas.
Problema:
Transformar conhecimento informal em conhecimento formal.
Grande diferena entre ser capaz de resolver um problema em princpio e
concluir isto na prtica.
I.2.4 Agindo Racionalmente Agente Racional
Significa: Agir de maneira a atingir seus objetivos, levando em conta suas crenas.
Agente algo que percebe e age.
Agente Racional aquele que age para alcanar o melhor resultado ou, quando
h incerteza, o melhor resultado esperado.
Estudo e construo de agentes racionais (engloba o item anterior, pois uma das
formas de agir racionalmente raciocinar de modo lgico).
Vantagem: mais ameno para o desenvolvimento cientfico do que as abordagens
baseadas no comportamento ou pensamento humano, uma vez que o padro de
racionalidade completamente geral e definido com clareza.

I.3 Definio da Inteligncia Artificial

A IA varia em duas dimenses principais. A primeira preocupa-se com o processo do
pensamento e raciocnio, enquanto que a segunda preocupa-se com o comportamento.
Estas medem o sucesso de acordo com o desempenho humano, o que requer hipteses e
experimentos. Desta forma, podemos entender o objetivo da IA como:
Construir programas inteligentes e procurar entender a inteligncia e seus
conceitos relacionados, sem necessariamente se ater aos pressupostos biolgicos.
Alguns conceitos mais aceitos sobre a definio de IA existentes na literatura
so:
Capacidade de desenvolver programas que executem tarefas que so resolvidas
pelo homem com certa facilidade e de maneira melhor.
Cincia que visa, atravs de um conjunto de mtodos e tcnicas, permitir ao
computador a soluo de problemas considerados inteligentes.
Simulao racional do conhecimento humano em artefato (computador).
Utilizao apropriada do conhecimento na soluo de problemas ou execuo
de tarefas.
I.4 Fundamentos da Inteligncia Artificial
Ser apresentado um breve histrico das reas de pensamento cientfico que
contriburam com idias, pontos de vista e tcnicas para a IA.
I.4.1 Filosofia
Aristteles (384-322 AC): formas de raciocnio dedutivo (silogismo).
Leonardo da Vinci (1452-1519): projetou, mas no construiu, uma calculadora
mecnica.
Wilhelm Schickard (1592-1635): construiu a primeira mquina de calcular
conhecida. Embora a mais famosa seja a Pascaline de Blaise Pascal.
Ren Descartes (1596-1650): apresentou a primeira discusso clara da distino
entre mente e matria, e dos problemas que surgem desta distino.
I.4.2 Matemtica (cerca de 800 at a atualidade)
George Boole (1815-1864): definiu os detalhes da lgica proposicional ou lgica
booleana.
Gottlob Frege (1848-1925): estendeu a lgica de Boole para incluir objetos e
relaes, criando a lgica de primeira ordem, que usada como sistema bsico de
representao de conhecimento.
Euclides: criou o primeiro algoritmo no-trivial, para calcular o maior denominador
comum (mdc).
Alan Turing (1912-1954): mostrou que existem algumas funes que nenhuma
mquina de Turing pode calcular. Por exemplo, nenhuma mquina pode determinar
se um dado programa retornar uma resposta ou se continuar funcionando para
sempre, dada uma certa entrada.

 Noo de Intratabilidade: um problema chamado de intratvel se o tempo

necessrio para resolver instncias do problema cresce exponencialmente com o
tamanho das instncias. Assim, at mesmos instncias moderadamente grandes no
podem ser resolvidas em tempo razovel.
Teoria da NP-Completude: qualquer classe de problemas qual a classe de
problemas NP-Completos pode ser reduzida, provavelmente, intratvel. Nos
ltimos anos, a IA ajudou a explicar porque algumas instncias de problemas NPCompletos so difceis enquanto que outras so fceis.
Teoria da Probabilidade: foi descrita em termos dos resultados possveis de jogos de
azar e se transformou em uma parte valiosa de todas as cincias quantitativas,
ajudando a lidar com medidas incertas e teorias incompletas.
I.4.3 Economia (de 1776 at a atualidade)
Tratamento matemtico de utilidade: a economia estuda como as pessoas fazem
escolhas que levam a resultados preferenciais.
Teoria de deciso: combina a teoria da probabilidade com a teoria de utilidade e
fornece uma estrutura formal e completa para decises tomadas sob incerteza.
Satisfao: sustentou a realizao de tomadas de deciso boas o suficiente, ao
invs de calcular uma deciso tima, e assim, proporcionava uma descrio melhor
do comportamento humano real.
I.4.4 Neurocincia (cerca de 1861 at a atualidade)
Estudo do sistema nervoso particularmente do crebro: deseja descobrir o modo
exato como o crebro habilita o pensamento.
Estudo da afasia (deficincia da fala): revigorou o campo e persuadiu a classe
mdica da existncia de reas localizadas no crebro responsveis por funes
cognitivas especficas.
Atualmente temos dados sobre o mapeamento entre reas do crebro e as partes do
corpo que elas controlam ou recebem entrada sensorial. Mas no compreendemos
como outras reas do crebro podem assumir o comando de certas funes quando
uma rea danificada, e, nem como a memria de um indivduo armazenada.
I.4.5 Psicologia (de 1879 at a atualidade)
Psicologia Cognitiva: a viso do crebro como um dispositivo de processamento de
informaes. Insistiam que a percepo envolvia uma forma de inferncia lgica
inconsciente.
Kenneth Craik (1943): especificou os trs passos fundamentais de um agente
baseado no conhecimento:
1. o estmulo deve ser traduzido em uma representao interna
2. a representao manipulada por processos cognitivos para
derivar novas representaes internas e
3. por sua vez, essas representaes so de novo traduzidas em aes.
Cincia Cognitiva: teve incio em um seminrio em setembro de 1956 no MIT (apenas
dois meses aps a conferncia em que a IA nasceu).
I.4.6 Teoria de Controle e Ciberntica (de 1948 at a atualidade)
No final da dcada de 1940, Wiener, McCulloch, Pitts e Von Neumann,
organizaram uma srie de conferncias que exploraram os novos modelos

matemticos e computacionais da cognio e influenciaram muitos outros

pesquisadores nas cincias do comportamento.
O livro de Wiener, Cybernetics (1943), despertou o pblico para a possibilidade de
mquinas dotadas de inteligncia artificial.
A moderna teoria de controle, em especial o ramo conhecido como controle
estocstico timo, tem como objetivo o projeto de sistemas que maximizam uma
funo objetivo sobre o tempo. Isso corresponde aproximadamente nossa viso da
IA: projetar sistemas que se comportem de maneira tima.
I.4.7 Lingstica (de 1957 at a atualidade)
A Lingstica Moderna e a Inteligncia Artificial nasceram aproximadamente na
mesma poca e cresceram juntas, cruzando-se em um campo hbrido chamado
lingstica computacional ou processamento de linguagem natural.
Grande parte do trabalho em representao do conhecimento (o estudo de como
colocar o conhecimento em uma forma que um computador possa utilizar) estava
vinculado linguagem e era suprido com informaes da pesquisa em lingstica
que, por sua vez, estava conectada a dcadas de pesquisa sobre a anlise filosfica
da linguagem.
I.5 HISTRICO DA INTELIGNCIA ARTIFICIAL
I.5.1 A Gestao da Inteligncia Artificial (de 1943 at 1955)
McCulloch e Pitts (1943): realizaram o primeiro trabalho reconhecido como IA.
Eles propuseram o modelo de neurnios artificiais em que cada neurnio
caracterizado como estando no estado ativado (on) ou desativado (off), com a troca
de ativado ocorrendo em resposta estimulao de um nmero de neurnios
vizinhos.
Turing (1950): articulou uma viso completa da Inteligncia Artificial em seu artigo
Computing Machinery and Intelligency, onde apresentou o teste de Turing,
aprendizagem de mquina, algoritmos genticos e aprendizagem por reforo.
Minsky e Edmonds (1951): construram o SNARC o primeiro computador de rede
neural.
I.5.2 O Nascimento da Inteligncia Artificial (de 1956)
McCarthy (1956): Conferncia de Dartmouth.
Newell e Simon apresentaram o programa de raciocnio Logic Theorist (LT). O LT
conseguiu criar uma prova de teorema mais curta que a presente no livro Principia
Mathematica de Russel e Whitehead.
Foi feito um acordo para adotar o nome para a rea: Inteligncia Artificial,
sugerido por McCarthy.
I.5.3 Entusiasmo Inicial, Grandes Expectativas (de 1952 at 1969)
Os primeiros anos da Inteligncia Artificial foram repletos de sucessos, embora de
uma forma limitada.
O sucesso de Newell e Simon prosseguiu com o GPS (Solucionador de Problemas
Gerais) projetado para imitar protocolos humanos de resoluo de problemas,
incorporando a abordagem de pensar de forma humana.
Hiptese do sistema de smbolos fsicos: qualquer sistema (ser humano ou mquina)
que exibe inteligncia deve operar manipulando estruturas de dados compostas por
smbolos.

 McCarthy (1958): contribuiu com trs realizaes:

1. Definiu a linguagem de alto nvel LISP, que acabou por se tornar a
linguagem de programao dominante na IA.
2. Ele e outros pesquisadores do MIT criaram o compartilhamento de
tempo (time sharing) no uso de computadores.
3. Publicou o artigo Programs with common sense, onde descreve o
Advice Taker programa hipottico projetado para usar o conhecimento
com a finalidade de buscar solues para problemas. O Advice Taker
incorporava os princpios centrais de representao de conhecimento e de
raciocnio: de que til ter uma representao formal e explcita do
mundo e do modo como as aes de um agente afetam o mundo, e ser
capaz de manipular essas representaes com processos dedutivos.
Redes Adalines surgiu do aperfeioamento dos mtodos de aprendizado de Hebb.
Teorema de convergncia do Modelo Perceptron.
I.5.4 Uma Dose de Realidade (de 1966 at 1973)
Os primeiros trabalhos previam um progresso muito mais rpido desta rea do que
de fato ocorreu. Todos os trabalhos tinham em comum um incio pretensioso para,
em seguida, esbarrar em dificuldades intransponveis.
1. Dificuldade: O problema no era fazer um programa que realizasse certa
tarefa, mas que a realizasse bem (racionalmente).
2. Minsky e Papert publicaram o livro Perceptrons (1969), onde provaram
que o Perceptron (forma simples de rede neural) embora pudessem
aprender algumas funes lgicas que eram capazes de representar, no
podiam representar funes no linearmente separveis. Apesar deste
resultado no se aplicar a redes neurais mais complexas (de vrias
camadas), pesquisas relacionadas a redes neurais se reduziram a quase
nada.
I.5.5 O Retorno das Redes Neurais (de 1986 at a atualidade)
A cincia da computao abandonou, em grande parte, o campo de redes neurais no
final dos anos 70. Na metade da dcada de 80, pelo menos quatro grupos diferentes
de pesquisadores recriaram o algoritmo de aprendizado por retropropagao ou
backpropagation, descoberto em 1986.
As abordagens dos modelos conexionistas e os modelos simblicos se tornam
complementares e no concorrentes.
I.5.6 A IA se torna uma Cincia (de 1987 at a atualidade)
As redes neurais passaram a ser comparadas a tcnicas correspondentes da
estatstica, do reconhecimento de padres e do aprendizado de mquina, podendo ser
utilizada tcnica mais promissora em cada aplicao. Como resultado desse
desenvolvimento, aparece a tecnologia de minerao de dados (data mining).
A rede Bayesiana foi criada para permitir a representao eficiente do
conhecimento incerto e o raciocnio rigoroso com a utilizao de conhecimentos
envolvendo probabilidade e a teoria da deciso. Este raciocnio probabilstico
domina a pesquisa sobre raciocnio incerto e sistemas especialistas. Esta abordagem
admite o aprendizado a partir de experincias e combina o melhor da IA clssica e
das redes neurais. Isto promoveu a idia de sistemas especialistas de diagnstico

normativo; vrios esto presentes no sistema operacional WindowsTM para correo

de problemas.
Houve uma revoluo tambm nos trabalhos dos campos de robtica, viso
computacional e representao de conhecimento.
I.6 Desenvolvimento e Aplicaes da Inteligncia Artificial
I.6.1 reas de Desenvolvimento da Inteligncia Artificial
A IA pode ser dividida ou estruturada em cinco grandes grupos principais:
IA simblica ou cognitiva tambm denominada GOFAI (good, old-fashioned AI).
Desenvolve-se a partir dos anos 50, altamente predominante nos anos 60 e 70 e incio
dos anos 80.
Cincias em comum: Psicologia Cognitiva, Lgica.
Motivao: Evoluo do hardware, sistemas especialistas, projeto guerra nas estrelas
(DARPA), projeto japons de quinta gerao.
IA conexionista que trata do estudo das redes neurais artificiais
Desenvolve-se a partir dos anos 50, altamente predominante a partir de meados dos anos
80 e anos 90.
Cincias em comum: Neurocincia, Mecnica Estatstica.
Motivao: Paralelismo, reconhecimento de padres, aprendizado supervisionado.
IA distribuda ou cooperativa ou que trata da comunicao e interao entre agentes
Desenvolve-se a partir dos anos 90.
Cincias em comum: Organizaes, Biologia, Redes de Computadores.
Motivao: Web, trabalho cooperativo, agentes.
Aprendizagem de Mquinas que trata dos vrios paradigmas de aprendizado
Desenvolve-se a partir dos anos 70, altamente predominante nos anos 90 e atuais.
Cincias em comum: Inferncia Paramtrica, Aprendizagem Computacional,
Aprendizagem Estatstica.
Motivao: Minerao de Dados, aprendizado indutivo, aprendizado a partir dos dados.
Inteligncia Computacional que trata do desenvolvimento de tcnicas de soluo de
problemas e algoritmos que tem alguma analogia com sistemas naturais.
Desenvolve-se a partir dos anos 60, altamente predominantes nos anos 90 e atuais.
Cincias em Comum: Biologia, Cincias Sociais.
Motivao: Teoria da evoluo natural de Darwin, organizao de colnias, enxames,
sistemas imunolgicos.
Em virtude desta abrangncia, a rea de Inteligncia Artificial diversificou-se,
abrindo novas reas de pesquisa e desenvolvimento. Entre as principais, podemos citar:
Jogos
Soluo de problemas
Organizao e representao do conhecimento
Prova automtica de teoremas
Raciocnio aproximado
Sistemas especialistas

Planejamento
Processamento de linguagem natural
Programao automtica
Reconhecimento de padres
Aprendizado
Compreenso e Percepo
Robtica

I.6.2 Aplicaes da Inteligncia Artificial

As reas de aplicao da IA podem ser dividas inicialmente em trs grandes tarefas:
1. Tarefas de senso comum.
2. Tarefas formais.
3. Tarefas de especialistas.
1 - Tarefas de Senso Comum

Percepo:
Fala.
Viso.
Linguagem natural:
Compreenso (dilogo).
Escrita.
Traduo (PLN) e Leitura (OCR).
Raciocnio de senso comum.
Aprendizado Automtico.
Categorizao ou Reconhecimento de Padres
Associao de Padres

2 - Tarefas Formais

Jogos (xadrez, dama, gamo).

Provas de teoremas:
Lgica.
Geometria.
Integrao simblica.
Planejamento:
Robtica.
Scheduling.
Otimizao combinatria:
Programao discreta.
Caixeiro viajante.
Reconhecimento de padres (escrita, vozes, expresses faciais).

3 - Tarefas de Especialistas

Medicina:
Diagnstico e prescrio.
Direito:
Refutao.
Engenharia:

Prospeco e projeto.
Produo, transporte e logstica:
Planejamento e monitorao.
Educao:
Ensino com sistemas tutores inteligentes.
Indstria:
Deteco e controle.
Qumica:
Anlise e projeto (sntese).
Biologia Molecular:
Anlise de imagens.
Classificao e Clusterizao (dados de microarray).
Anlise de Sequncias Biolgicas (DNA, RNA, Protenas)
Cincia da Computao:
Interfaces inteligentes
Processadores de rede inteligentes
Programao baseada em agentes
Jogos (simulaes, rpg, realidade virtual, estratgia)
Recuperao de informaes

I.7 Classificao de Problemas

Os problemas segundo grau de dificuldade e tcnica de soluo podem ser classificados
da seguinte forma:
rea 1: comportamentos associativos elementares onde o significado e o contexto so
irrelevantes.
Exemplo: jogos associativos (memria) e jogos resolvidos por tentativa e erro.
Existncia de pouca complexidade e pouco formalismo.
Tcnicas de soluo: gabaritos, tabelas decisrias, processamento simblico, rvore de
deciso, teoria de probabilidade.
Obs.: No utiliza tcnicas de IA.
rea 2: comportamento formais simples onde os significados so conhecidos e
relevantes, mas livres de contexto.
Exemplo: jogos computveis, processos combinatrios simples (labirintos), prova de
teoremas, reconhecimentos de padres rgidos, planejamento linear (blocos).
Existncia de pouca complexidade.
Tcnicas de soluo: busca heurstica, mtodos de raciocnio e rvore de jogos.
rea 3: comportamentos formais complexos onde os significados no so totalmente
conhecidos e as vezes dependentes do contexto.
Exemplo: jogos incomputveis (xadrez), reconhecimento de padres complexos,
planejamento no linear, processos combinatrios complexos (caixeiro viajante), prova
de teoremas que exigem intuio, etc.
Tcnicas de soluo: Lgica no monotnica e temporal. Sistemas de planejamento
no lineares, temporais e com impreciso.
Arquitetura quadro-negro. Sistema SOAR. Teoria de conjuntos nebulosos para
tratamento de incerteza. Representao do conhecimento: utilizao de frames,
scripts, dependncia conceitual e redes semnticas.

rea 4: comportamentos no formais onde os significados no so totalmente explcitos

e dependentes totalmente do contexto.
Exemplo: jogos mal definidos (charadas, piadas), raciocnio de senso-comum,
compreenso, reconhecimento de configuraes muito variadas e complexas,
aprendizado, etc.
Tcnicas de soluo: associadas ao aprendizado de mquinas.
Alternativa: restrio do problema de modo a enquadr-lo na rea 3.