Inteligência Artificial Aplicada aos Negócios

Prévia do material em texto

INTELIGÊNCIA ARTIFICIAL 
APLICADA A NEGÓCIOS
Inteligência Arti� cial Aplicada a Negócios
Rodrigo Menezes de Souza Rodrigo Menezes de Souza 
GRUPO SER EDUCACIONAL
gente criando o futuro
A Inteligência Arti� cial (IA) está associada ao conceito de conhecimento, além de 
engajada no entendimento de como a tecnologia pode ser essencial para o desen-
volvimento dos sistemas do futuro e para solucionar problemas. Embora pareça algo 
distante, nós já usamos algumas soluções baseadas em IA há alguns anos. 
Você já fez alguma viagem, mesmo curta, usando o aplicativo Uber? Já acessou sites 
pela internet e se viu rodeado de sugestões de produtos que você estava pesquisando 
há algum tempo? Esses são exemplos de como a IA já está presente na vida das pes-
soas.
Nesta unidade, você terá uma introdução dos principais conceitos e formas de apli-
cação da IA. Além disso, você também conhecerá os problemas clássicos que podem 
ser resolvidos através da IA, bem como conhecer quais as soluções mais adequadas 
para determinados problemas, e quais as tendências na área da IA para a resolução de 
problemas voltados aos negócios.
INTELIGÊNCIA ARTIFICIAL 
APLICADA A NEGÓCIOS
Capa_formatoA5.indd 1,3 24/09/2020 14:09:03
RODRIGO MENEZES 
DE SOUZA 
AUTORIA
RODRIGO MENEZES 
INTELIGÊNCIA
 ARTIFICIAL APLICADA 
AOS NEGÓCIOS
SER_EMPDIG_IAAN_UNID1.indd 1 24/09/2020 12:49:28
© Ser Educacional 2020
Rua Treze de Maio, nº 254, Santo Amaro 
Recife-PE – CEP 50100-160
*Todos os gráficos, tabelas e esquemas são creditados à autoria, salvo quando indicada a referência.
Informamos que é de inteira responsabilidade da autoria a emissão de conceitos. 
Nenhuma parte desta publicação poderá ser reproduzida por qualquer meio 
ou forma sem autorização. 
A violação dos direitos autorais é crime estabelecido pela Lei n.º 9.610/98 e punido pelo 
artigo 184 do Código Penal.
Imagens de ícones/capa: © Shutterstock
Presidente do Conselho de Administração 
Diretor-presidente
Diretoria Executiva de Ensino
Diretoria Executiva de Serviços Corporativos
Diretoria de Ensino a Distância
Autoria
Projeto Gráfico e Capa
Janguiê Diniz
Jânyo Diniz 
Adriano Azevedo
Joaldo Diniz
Enzo Moreira
Rodrigo Menezes de Souza 
DP Content
DADOS DO FORNECEDOR
Análise de Qualidade, Edição de Texto, Design Instrucional, 
Edição de Arte, Diagramação, Design Gráfico e Revisão.
SER_EMPDIG_IAAN_UNID1.indd 2 24/09/2020 12:49:28
Boxes
ASSISTA
Indicação de filmes, vídeos ou similares que trazem informações comple-
mentares ou aprofundadas sobre o conteúdo estudado.
CITANDO
Dados essenciais e pertinentes sobre a vida de uma determinada pessoa 
relevante para o estudo do conteúdo abordado.
CONTEXTUALIZANDO
Dados que retratam onde e quando aconteceu determinado fato;
demonstra-se a situação histórica do assunto.
CURIOSIDADE
Informação que revela algo desconhecido e interessante sobre o assunto 
tratado.
DICA
Um detalhe específico da informação, um breve conselho, um alerta, uma 
informação privilegiada sobre o conteúdo trabalhado.
EXEMPLIFICANDO
Informação que retrata de forma objetiva determinado assunto.
EXPLICANDO
Explicação, elucidação sobre uma palavra ou expressão específica da 
área de conhecimento trabalhada.
SER_EMPDIG_IAAN_UNID1.indd 3 24/09/2020 12:49:28
Unidade 1 - Histórico, conceitos e fundamentos da Inteligência Artificial 
Objetivos da unidade ........................................................................................................... 12
Fundamentos da Inteligência Artificial ........................................................................... 13
Teste de Turing ................................................................................................................. 16
Disciplinas e linhas de pesquisas ................................................................................. 18
Histórico da Inteligência Artificial ................................................................................... 22
Do entusiasmo aos primeiros desafios ........................................................................ 25
A IA nos tempos atuais ................................................................................................... 28
Conceitos e tipos de Inteligência Artificial .................................................................... 31
Tipos de IA ........................................................................................................................ 36
IA no cotidiano ................................................................................................................. 37
Sintetizando ........................................................................................................................... 40
Referências bibliográficas ................................................................................................. 41
Sumário
SER_EMPDIG_IAAN_UNID1.indd 4 24/09/2020 12:49:28
Sumário
Unidade 2 – Aprendizado das máquinas e resolução de problemas
Objetivos da unidade ........................................................................................................... 43
Machine learning ................................................................................................................. 44
Aprendizagem supervisionada ...................................................................................... 48
Aprendizagem não supervisionada .............................................................................. 50
Outros tipos de aprendizagem ...................................................................................... 52
Deep learning ........................................................................................................................ 54
Tipos de deep learning ................................................................................................... 58
As aplicações de deep learning ................................................................................... 62
Métodos de resolução de problemas ............................................................................... 64
Representação do conhecimento ................................................................................ 65
Formulação de problemas ............................................................................................. 67
Busca de soluções .......................................................................................................... 69
Sintetizando ........................................................................................................................... 71
Referências bibliográficas ................................................................................................. 72
SER_EMPDIG_IAAN_UNID1.indd 5 24/09/2020 12:49:28
Sumário
Unidade 3 - Mecanismos da inteligência artificial
Objetivos da unidade ........................................................................................................... 75
Sistemas especialistas ....................................................................................................... 76
Características ................................................................................................................. 77
Interface com o usuário ................................................................................................. 80
Componentes dos sistemas especialistas .................................................................. 83
Inferência ............................................................................................................................... 84
Definindo inferência ........................................................................................................ 85
Mecanismos de inferência ............................................................................................ 85
Agentes inteligentes ............................................................................................................88
Definindo agentes inteligentes ..................................................................................... 88
Classes de agentes ......................................................................................................... 91
Sintetizando ......................................................................................................................... 104
Referências bibliográficas ............................................................................................... 105
SER_EMPDIG_IAAN_UNID1.indd 6 24/09/2020 12:49:28
Sumário
Unidade 4 – Aplicações e tendências de Inteligência Artificial
Objetivos da unidade ......................................................................................................... 107
Aplicações da Inteligência Artificial ............................................................................. 108
Automatização de processos ...................................................................................... 112
Suporte e atendimento ao cliente .............................................................................. 115
Finanças e segurança .................................................................................................. 117
Saúde e bem-estar ........................................................................................................ 120
Tendências da Inteligência Artificial ............................................................................. 122
Novas facetas da IA ...................................................................................................... 125
Educação da força de trabalho ................................................................................... 131
Sintetizando ......................................................................................................................... 135
Referências bibliográficas ............................................................................................... 136
SER_EMPDIG_IAAN_UNID1.indd 7 24/09/2020 12:49:28
SER_EMPDIG_IAAN_UNID1.indd 8 24/09/2020 12:49:28
A Inteligência Artifi cial (IA) está associada ao conceito de conhecimento, 
além de engajada no entendimento de como a tecnologia pode ser essencial 
para o desenvolvimento dos sistemas do futuro e para solucionar problemas. 
Embora pareça algo distante, nós já usamos algumas soluções baseadas em IA 
há alguns anos. 
Você já fez alguma viagem, mesmo curta, usando o aplicativo Uber? Já aces-
sou sites pela internet e se viu rodeado de sugestões de produtos que você 
estava pesquisando há algum tempo? Esses são exemplos de como a IA já está 
presente na vida das pessoas.
Nesta unidade, você terá uma introdução dos principais conceitos e formas 
de aplicação da IA. Além disso, você também conhecerá os problemas clássicos 
que podem ser resolvidos através da IA, bem como conhecer quais as soluções 
mais adequadas para determinados problemas, e quais as tendências na área 
da IA para a resolução de problemas voltados aos negócios.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 9
Apresentação
SER_EMPDIG_IAAN_UNID1.indd 9 24/09/2020 12:49:28
Dedico este trabalho aos alunos e professores que, assim como eu, 
mergulham a fundo no mundo fascinante dos dados e da inteligência 
artifi cial. Igualmente, dedico a obra aos meus companheiros e sócios da 
dr.in, pois sem eles, não poderia ter adquirido a paixão pelo novo mundo 
digital.
O professor Rodrigo Menezes de Souza 
é mestre em Administração de Empresas 
pela Uninove desde 2019, com ênfase em 
gerenciamento de projetos e interesse de 
pesquisa em transformação digital e Inte-
ligência Artifi cial. Possui 13 anos de expe-
riência atuando com equipes de negócios e 
tecnologia em projetos de desenvolvimento 
de produtos, melhorias de processos e aber-
tura de novos mercados. Desde 2016, atua 
no desenvolvimento de soluções digitais por 
meios de análises e transformação de dados 
com o auxílio de ferramentas de Self BI como 
Tableau e PowerBI na construção de KPI’s e 
P&L. Sendo que, desde 2019, com foco e pes-
quisas relacionadas ao desenvolvimento de 
produtos e serviços que entregam soluções 
aliando BI e Inteligência Artifi cial com o au-
xílio de ferramentas de Machine Learning, 
ETL, Data Visualization e plataformas Cloud.
Currículo Lattes:
http://lattes.cnpq.br/6164928011160461
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 10
O autor
SER_EMPDIG_IAAN_UNID1.indd 10 24/09/2020 12:49:29
HISTÓRICO, 
CONCEITOS E 
FUNDAMENTOS 
DA INTELIGÊNCIA 
ARTIFICIAL 
1
UNIDADE
SER_EMPDIG_IAAN_UNID1.indd 11 24/09/2020 12:49:46
Objetivos da unidade
Tópicos de estudo
 Conhecer os fundamentos da Inteligência Artificial (IA);
Estudar a evolução da IA ao longo dos anos;
 Conhecer, de forma geral, os principais conceitos, tipos de IA e suas 
aplicações.
 Fundamentos da Inteligência 
Artificial
 Teste de Turing
 Disciplinas e linhas de pesquisas
 Histórico da Inteligência Arti-
ficial
 Tipos de IA
 IA no cotidiano
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 12
SER_EMPDIG_IAAN_UNID1.indd 12 24/09/2020 12:49:46
Fundamentos da Inteligência Artificial
 A Inteligência Artifi cial (IA) é um assunto que vem interessando cada vez 
mais pessoas ao longo dos anos, e se tornou uma expressão popular em dife-
rentes setores. Você já deve ter ouvido alguém dizendo que a IA é algo interes-
sante, mas o que ela é? Antes de iniciar os estudos sobre o uso da IA aplicada, 
especifi camente, aos negócios, é importante conhecer os principais conceitos 
sobre esse tema. 
O que é a IA?
A IA é um dos campos mais recentes das áreas de ciências e engenharia, 
e abrange uma enorme variedade de subcampos, do geral (aprendizagem e 
percepção) até tarefas específi cas, como jogos de xadrez, tradução, análise fi -
nanceira, direção de um carro em estrada movimentada e diagnóstico médico 
(RUSELL; NORVIG, 2013). De forma geral, não há uma defi nição padrão usada 
para descrever o que é a IA. Alguns pesquisadores defi nem a IA como “o estudo 
de fazer computadores fazerem coisas que o humano precisa de inteligência 
para fazer” (MUNAKATA, 2008). Em outras defi nições, assume-se que a IA é um 
ramo da ciência da computação que procura fazer a automação de comporta-
mentos inteligentes (LUGER, 2013). 
A IA é estudada desde os anos 1950, e seu conceito continua mantendo os seus 
moldes primordiais, que estão relacionados com a capacidade das máquinas de 
pensar como os seres humanos e desenvolverem diferentes habilidades. Dentre 
essas habilidades, podemos mencionar a capacidade de aprender, perceber, racio-
cinar, tomar decisões e decidir de forma lógica com base em diversas informações 
disponíveis. Sendo assim, a simulação de atividades da mesma forma como um 
ser humano realizaria pode ser considerada uma ação inteligente.
Para Nilsson (1982), as atividades mentais, como escrever programas de 
computadores, entender diferentes idiomas, resolver cálculos matemáticos e 
até dirigir um carro, exigem o que ele chamou de “inteligência”. Seguindo essa 
lógica, os vários sistemas e programas construídos para realizar tarefas como 
essas nas últimas décadas possuem algum grau de “inteligência artifi cial”. De-
fi nir se algo ou alguém é inteligente não é uma tarefa simples, pois o que pode 
ser considerado inteligente para uma determinada pessoa, pode não ser defi -
nido dessa forma por outra.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 13
SER_EMPDIG_IAAN_UNID1.indd 13 24/09/2020 12:49:46
Stuart J. Rusell e Peter Norvig (2013) propuseram quatro estratégias para o 
estudo da IA que se tornaram um framework formado pelas abordagens comu-
mente utilizadas nessa área. Nesse framework são considerados os processos 
de pensamento, relativos aos mecanismos de raciocínio, e processos de ação 
ou comportamento, relativos ao comportamento do artefato (MEDEIROS, 
2018). De forma transversal, é proposta uma abordagemcentrada nos seres 
humanos que deve ser, em parte, uma ciência empírica, envolvendo hipóteses 
e confirmação experimental, e uma abordagem racionalista, que envolve uma 
combinação matemática e engenharia. Cada grupo tem, ao mesmo tempo, de-
sacreditado e ajudado o outro (RUSELL; NORVIG, 2013). O framework usado 
para definir IA e as definições de IA conforme cada categoria são apresentados 
nos Quadros 1 e 2. 
EXPLICANDO
A palavra framework é geralmente usada para se referir à junção de 
diferentes conceitos ou conhecimentos, sendo um termo muito utilizado na 
área de engenharia do conhecimento. 
Ser Humano Racionalidade
Pensamento Pensando como um humano Pensando racionalmente
Ação ou Comporta-
mento Agindo como um humano Agindo racionalmente.
Pensando como um humano Pensando racionalmente
“O novo e interessante esforço para fazer os 
computadores pensarem... máquinas com 
mentes, no sentido total e literal” (HAUGE-
LAND, 1985).
“O estudo das faculdades mentais pelo uso 
de modelos computacionais” (CHARNIAK; MC-
DERMOTT, 1985).
“[Automação de] atividades que associamos 
ao pensamento humano, atividades como a 
tomada de decisões, a resolução de proble-
mas, o aprendizado” (BELLMAN, 1978).
“O estudo das computações que tornam pos-
sível perceber, raciocinar e agir” (WINSTON, 
1992).
QUADRO 1. FRAMEWORK PARA DEFINIÇÃO DE IA
QUADRO 2. DEFINIÇÕES DE IA ORGANIZADAS EM QUATRO CATEGORIAS
Fonte: RUSELL; NORVIG, 2013. (Adaptado).
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 14
SER_EMPDIG_IAAN_UNID1.indd 14 24/09/2020 12:49:46
Agindo como humano Agindo racionalmente
“A arte de criar máquina que executam fun-
ções que exigem inteligência quando executa-
das por pessoas” (KURZWEIL, 1990).
“A Inteligência Computacional é o estudo do 
projeto de agentes inteligentes” (POOLE ET 
AL., 1998).
Fonte: RUSELL; NORVIG, 2013
O principal desafio com relação aos sistemas que pensam como um hu-
mano é entender como os seres humanos raciocinam. Estudiosos dessa área 
de conhecimento costumam usar técnicas de introspecção como uma forma 
de tentar capturar os próprios pensamentos à medida que vão evoluindo nas 
pesquisas, além de suas próprias experiências psicológicas para desenvolver 
tais sistemas. A partir de teorias precisas sobre o funcionamento da mente 
humana, é possível expressar essas mesmas teorias em um programa de com-
putador. Se houver entradas e saídas de um programa que possam corres-
ponder ao comportamento humano, é dito que há uma evidência de que os 
mecanismos do programa estão funcionando da mesma forma como os seres 
humanos.
Desde a década de 1960, já havia programas capazes de fazer uma busca 
relacionada a um problema e encontrar uma solução para esse mesmo pro-
blema, caso existisse. No caso de não haver uma solução, o programa poderia 
continuar procurando sem nunca parar. Nesse sentido, o desafio com relação 
aos sistemas que pensam racionalmente é que não é fácil traduzir um conhe-
cimento informal em forma de lógica formal. Em contrapartida, isso pode ser 
mais fácil de ser solucionado quando se trata de um programa guiado, em que 
os passos de raciocínio que ele deve realizar primeiro são claros e diretos.
Quando falamos em IA que age como um ser humano ou que age racio-
nalmente, estamos falando do que a literatura chama de agente, no sentido 
daquele “que ou quem atua, opera, agência” (DAMIÃO et al., 2014, p. 6). Autores 
como Russel e Norvig (2004) argumentam que um agente é algo que pertence 
ou age em um determinado ambiente. Os agentes podem ser utilizados em 
diferentes ambientes, desde que busquem maneiras de facilitar a realização de 
uma atividade, que pode ou não ser repetitiva. Em geral, um agente é qualquer 
entidade que seja capaz de perceber seu ambiente através de sensores, como 
câmeras e microfones, e de agir em resposta à essa interação por meio de ví-
deo, braços mecânicos, rodas, entre outros artefatos.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 15
SER_EMPDIG_IAAN_UNID1.indd 15 24/09/2020 12:49:46
Agir racionalmente pode ser defi nido como agir para atingir um conjunto de 
objetivos, de acordo com um conjunto de crenças (RUSELL; NORVIG, 2013). Para 
agir de forma racional, um agente tem diversas formas de pensar racionalmente, 
podendo identifi car ou inferir se uma ação está correta para atingir os objetivos. 
Em contrapartida, há situações em que não existem uma ação certa ou errada 
a ser tomada, embora alguma decisão tenha que ser obrigatoriamente tomada.
Em alguns casos, agir racionalmente não signifi ca inferir a ação através de 
um processo de pensamento racional. Exemplo disso é: se colocarmos a mão 
debaixo de uma torneira com água quente, temos o refl exo imediato de reti-
ra-lá. Esse refl exo (ato racional) é resultado da deliberação cuidadosa de qual 
seria a melhor ação a tomar.
Teste de Turing
Pensando na difi culdade em defi nir quando uma máquina seria ou não uma 
Inteligência Artifi cial, Alan Turing propôs o teste de Turing, em 1950. Esse teste 
foi criado com o objetivo de fornecer uma defi nição operacional satisfatória de 
inteligência (RUSELL; NORVIG, 2013), e era conhecido como um “jogo de imita-
ção” por Turing. Mas como esse teste funciona?
Primeiro, coloca-se uma máquina e um ser humano em salas separadas. 
Em outro local, há um segundo ser humano, alguém que assume o papel de 
“interrogador”, e que não pode ver nem falar com nenhum deles. Se o inter-
rogador fi zer algumas perguntas por escrito e não conseguir descobrir se as 
respostas vêm de uma pessoa ou de um computador, será considerado que a 
máquina passou no teste (RUSELL; NORVIG, 2013). 
Figura 1. Teste de Turing. Fonte: Adobe Stock. Acesso em: 15/07/2020
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 16
SER_EMPDIG_IAAN_UNID1.indd 16 24/09/2020 12:49:48
Tecnicamente, a máquina precisaria ter diferentes capacidades para 
passar no teste. Uma delas é a capacidade de processamento de lingua-
gem natural, algo útil para permitir a comunicação em um idioma natural. 
Ter a capacidade de representação de conhecimento seria outro item 
importante, visto que é preciso armazenar o que a máquina sabe ou ouve. 
Ter um raciocínio automatizado é outra capacidade que a máquina pre-
cisa apresentar, para que seja possível usar as informações armazenadas 
para responder a perguntas e gerar novas conclusões. Por fim, a capacida-
de de aprendizado de máquina é o que permite que ela possa se adaptar 
a outros cenários, além de detectar e extrapolar padrões (LUGER, 2013). 
Na concepção inicial do Teste de Turing, buscava-se evitar a interação 
física direta entre os envolvidos, porque qualquer simulação física huma-
na de uma pessoa não era necessária para a inteligência. No entanto, uma 
outra versão do teste chamado Teste de Turing total inclui um sinal de 
vídeo que permite testar as habilidades de percepção do indivíduo, e pode 
oferecer a oportunidade para o interrogador em repassar objetos físicos 
entre os avaliados. Além das capacidades já previstas na primeira versão 
do teste, o Teste de Turing total também exigia outras duas capacidades 
para que o computador fosse aprovado: ter visão computacional para 
perceber objetos e robótica para manipular ou movimentar os objetos 
(RUSELL; NORVIG, 2013).
O teste de Turing fornece uma base importante para diversos esquemas 
utilizados para avaliar IA, mesmo 70 anos após a sua criação. 
Embora seja utilizado até programas de IA modernos, esse 
teste também recebeu críticas desde a sua cria-
ção. Em algumas dessas críticas, é sugerido 
que esse teste limita desnecessariamente 
a inteligência da máquina, fazendo com 
que ela se encaixe em um molde huma-
no. Para alguns estudiosos, a inteligên-
cia da máquina pode ser simplesmente 
diferente e tentar avaliá-la com os mesmos 
critérios que avalia se a inteligência humana 
seria um erro fundamental (LUGER, 2013).
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 17
SER_EMPDIG_IAAN_UNID1.indd17 24/09/2020 12:49:48
CURIOSIDADE
Em alguns sites, geralmente, é solicitado que você digite algumas letras ou 
números que aparecem distorcidos, enquanto outras páginas podem pedir 
que você identifi que elementos específi cos em uma imagem, como carros 
ou semáforos. Se você já viu um desses elementos, então você interagiu 
com um CAPTCHA, que vem da expressão completely automated public 
turing test to tell computers and humans apart (Teste de Turing público 
completamente automatizado para diferenciação entre computadores 
e humanos, tradução livre). Essa é uma das formas com que o Teste de 
Turing é usado no seu cotidiano. 
Disciplinas e linhas de pesquisas 
Além do teste de Turing, a IA se fundamentou a partir de várias disciplinas, 
como a fi losofi a, a matemática, a economia, a psicologia, a neurociência, entre 
outras (MEDEIROS, 2018). Elas contribuíram com ideias, diferentes pontos de 
vista e técnicas importantes para o desenvolvimento do que se entende por IA 
nos tempos atuais. Questionamentos variados, que surgiram na concepção da 
IA, encontraram respostas em outras disciplinas, que ajudaram no desenvolvi-
mento dessa tecnologia como uma nova disciplina, a ser estudada.
A fi losofi a teve um importante papel para compreender questões voltadas 
ao conhecimento e ao intelecto. Entender como regras formais utilizadas pelas 
máquinas poderiam ser usadas para obter conclusões válidas pode parecer 
algo mais bem respondido por ciências exatas, mas foi por meio da fi losofi a 
que esse tipo de questão foi inicialmente discutida. Outras questões como 
de onde viria o conhecimento, como esse conhecimento leva à ação e como a 
mente se desenvolve a partir de um cérebro foram outros desafi os explorados 
nesse campo (RUSELL; NORVIG, 2013).
As contribuições da fi losofi a para o desenvolvimento da inteligência arti-
fi cial contou com diversos fi lósofos. Aristóteles (384-322 a.C.) foi o primeiro 
a criar um conjunto de leis que governam a parte racional da mente (RUSELL; 
NORVIG, 2013). Centenas de anos mais tarde, Thomas Hobbes (1588-1679) su-
geriu que o raciocínio era parecido com a computação numérica, dizendo que 
costumamos fazer somas e subtrações em nossos pensamentos, e gerando 
subsídios que levaram a outros estudiosos criarem a calculadora. René Descar-
te (1596-1650) foi outro fi lósofo que advogava a favor do poder da razão para 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 18
SER_EMPDIG_IAAN_UNID1.indd 18 24/09/2020 12:49:48
entender o mundo, criando uma filosofia que hoje é conhecida como raciona-
lismo (LUGER, 2013).
Posteriormente, surgiram conceitos como o dualismo e o materialismo. No 
dualismo, acreditava-se que havia uma parte da mente humana, seja alma ou 
espírito, que transcendia a natureza, independente das leis da física que conhe-
cemos. Já o materialismo seria uma alternativa ao dualismo, propondo que a 
operação do cérebro, de acordo com as leis da física, é o que constitui a mente. 
Dada uma mente física que manipula o conhecimento, outros problemas que 
a filosofia procurou estabelecer foram a origem do conhecimento e a conexão 
entre o conhecimento e a ação (LUGER, 2013).
Assim como a filosofia, a matemática trouxe contribuições fundamentais 
para a IA, exigindo o uso de três áreas específicas: lógica, computação e proba-
bilidade. Foi nessa disciplina que surgiram elementos como os algoritmos e al-
gumas funções matemáticas, que ajudaram a racionalizar o comportamento das 
máquinas. Além disso, a teoria da probabilidade se transformou rapidamente 
em uma parte valiosa entre todas as ciências quantitativas, já que é uma forma 
de lidar com medidas incertas e teorias incompletas. Aqui, se destacaram alguns 
estudiosos famosos como Gerolamo Cardano (1601-1665). Ele foi o primeiro a 
conceber a ideia do que chamamos hoje de probabilidade, descrevendo-a em 
forma dos possíveis resultados de jogos de azar (RUSELL; NORVIG, 2013).
A economia foi outra disciplina que contribuiu para a IA. Embora estudio-
sos da filosofia e da matemática tivessem contribuído para o pensamento eco-
nômico, foi Adam Smith (1723-1790) que tratou a economia como uma ciência. 
A economia estuda como as pessoas fazem escolhas que levam a resultados 
preferenciais (RUSELL; NORVIG, 2013). Por isso, essa disciplina ajudou a res-
ponder questões relacionadas à forma como devemos tomar decisões para 
maximizar recompensas, e como fazer isso quando outras pessoas não podem 
nos acompanhar, ou quando a recompensa pode estar distante em um futuro.
A pergunta que emerge é “como o cérebro processa as informações?”. Para 
responder essa dúvida, temos a neurociência, que se apresenta como o estu-
do do sistema nervoso, especificamente, do cérebro. Aristóteles já sabia que o 
cérebro dos seres humanos tem características diferentes, mas só no século 
XVIII que o cérebro passou a ser reconhecido como a sede da consciência (RU-
SELL; NORVIG, 2013). A medição da atividade cerebral teve início em 1929 com 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 19
SER_EMPDIG_IAAN_UNID1.indd 19 24/09/2020 12:49:48
a invenção do eletroencefalógrafo (EEG). Outros métodos foram surgindo, 
desde então, como o processamento de imagens por ressonância magnética 
funcional (fMRI – functional Magnetic Resonance Imaging). Em meados de 2010, 
o uso desses tipos de técnicas começou a se tornar mais popular em estudos 
de neuroestratégia, principalmente como uma forma de tentar entender como 
as capacidades cognitivas das pessoas eram refletidas pelos movimentos cere-
brais (LAUREIRO-MARTÍNEZ; BRUSONI, 2018). 
Figura 2. O uso do eletroencefalógrafo para medir ondas cerebrais. Fonte: Shutterstock. Acesso em: 15/07/2020.
A visão do cérebro sob a forma de um dispositivo que processa informações 
se tornou uma característica importante da psicologia cognitiva, originando-
-se de estudos de pesquisadores como William James (1842-1910). Já Keneth 
Craik especificou os três passos de um sistema baseado no conhecimento, que 
são: a) o estímulo deve ser trazido em uma representação interna; b) a repre-
sentação é manipulada por processos cognitivos para gerar novas representa-
ções internas; e c) essas representações são novamente traduzidass em ações. 
Suas descobertas abriram campos para que outros pesquisadores seguissem 
seu legado, gerando os primeiros trabalhos sobre modelagem de fenômenos 
psicológicos, como processamento de informações (RUSELL; NORVIG, 2013).
Para que a IA possa ter sucesso, precisamos de um artefato e de inteligên-
cia. O computador tem sido o componente favorito, e o principal fator que a 
engenharia de computadores considera em responder seus desafios, visto 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 20
SER_EMPDIG_IAAN_UNID1.indd 20 24/09/2020 12:49:55
que os estudiosos da área estão sempre procurando formas de construir um 
computador cada vez mais eficiente. O primeiro computador operacional foi a 
máquina eletromecânica de Heath Robinson, construída em 1940 pela equipe 
de Alan Turing para ajudá-los a decifrar as mensagens dos alemães. Dentre to-
dos os artefatos construídos desde a máquina eletromecânica, foi o ENIAC que 
provou ser o precursor mais influente dos computadores modernos (RUSELL; 
NORVIG, 2013). 
ASSISTA
O filme O jogo da imitação conta a história de um dos personagens mais 
importantes da Inteligência Artificial: Alan Turing. O filme se passa duran-
te a Segunda Guerra Mundial, quando o governo britânico montou uma 
equipe de pesquisadores acadêmicos para decodificar as mensagens que 
os Alemães Nazistas transmitiam para seus submarinos por meio de uma 
máquina chamada Enigma. É uma forma interessante de entender melhor 
como se deu o desenvolvimento do primeiro computador operacional.
Entender como a linguagem contida nesses artefatos se relaciona com 
o pensamento teve contribuição da linguística. A linguistica moderna e a 
IA surgiram praticamente na mesma época e cresceram juntas,sendo que 
as dificuldades em compreender a linguagem começaram a emergir por 
volta de 1957. A compreeensão da linguagem depende do contexto e do 
assunto, não bastando entender a estrutura das frases. Gran-
de parte dos estudos voltados à colocar o conhecimento em 
um formato que os computadores possam entender estão 
vinculados à disciplina de linguística que, por 
sua vez, tem conexões com a filosofia (RU-
SELL; NORVIG, 2013). Todas essas discipli-
nas trouxeram ideias, pontos de vista 
e técnicas, que contribuíram para o 
desenvolvimento do que conhecemos 
como IA. Por isso, conhecer um pouco da 
história da IA ajudará a saber como as ou-
tras ciências vêm contribuindo para os con-
ceitos sobre esse assunto.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 21
SER_EMPDIG_IAAN_UNID1.indd 21 24/09/2020 12:49:55
Histórico da Inteligência Artificial
 Diferentes disciplinas contribuíram de diversas formas no desenvolvimen-
to da IA ao longo do tempo. Esse desenvolvimento se passou por várias déca-
das e fases, que foram fundamentais para que a IA tivesse as características 
que são utilizadas pelas empresas. Assim, a história da IA se inicia durante os 
anos 1940 e seu desenvolvimento se prolonga até os dias atuais. 
Da gestação à criação da IA
Em uma linha do tempo, é possível identifi car alguns marcos históricos para 
essa época inicial da história da IA. Em 1949, Donald Hebb criou um algoritmo 
que tinha como proposta modifi car os pesos das conexões entre os neurônios. Já 
no início dos anos 1950, Claude Shannon se destacou com o desenvolvimento de 
programas de xadrez para computadores, mais ou menos na mesma época em 
que foi criada a primeira rede neural. Em 1956, houve a Conferência com 10 par-
ticipantes em Dartmouth College, sendo a primeira vez em que foi usado o nome 
Inteligência Artifi cial ofi cialmente. A partir daí, quem participou do congresso ou 
curtiu as ideias se juntou pra fazer a IA sair do papel. As possibilidades eram tão 
animadoras que organizações privadas e governamentais investiram pesado na 
área, incluindo a ARPA (Agência de Pesquisa de Projetos Avançados), mesmo lu-
gar onde nasceu a internet (INSTITUTO DE ENGENHARIA, 2018).
Embora as correntes de pensamento que apoiaram a história da IA já esti-
vessem em gestação desde os anos 1930 (BARR; FEIGENBAUM, 1981), foi em 
1956 que ela foi ofi cialmente mencionada pela primeira vez durante uma confe-
rência de verão em Dartmouth College, nos Estados Unidos. Até onde se sabe, 
essa parece ser a primeira menção ofi cial à expressão Inteligência Artifi cial 
(MCCORDUCK, 1979). 
Desde o início, a IA criou polêmicas, começando pelo seu próprio nome até 
a defi nição de seus objetivos e metodologias. Devido à Segunda Guerra Mun-
dial, foi criada a necessidade de promover o avanço tecnológico para permitir 
o fornecimento de mais equipamentos para o combate na guerra. Nesse ce-
nário, havia dinheiro disponível para a realização de pesquisas científi cas de 
cientistas e estudiosos que tivessem preocupação em criar mecanismos para 
a devastação em massa, de forma que a guerra pudesse ser ganha a partir do 
poder tecnológico dos países envolvidos. A arma mais efi caz idealizada nessa 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 22
SER_EMPDIG_IAAN_UNID1.indd 22 24/09/2020 12:49:55
época, isto é, aquela que matava mais pessoas em menos tempo gerando uma 
devastação em massa, era a bomba atômica. No entanto, seu desenvolvimento 
requeria uma quantidade muito grande de cálculos que deveriam ser precisos 
( JESS, 2004).
No contexto de guerra, foi criado o computador para viabilizar a realização 
dos cálculos que pudessem levar à produção da bomba atômica, sendo que 
seu nome veio em referência a uma máquina de fazer cômputos (contagem ou 
cálculos). Contudo, o computador foi também utilizado em outros recursos que 
iam além dos cálculos, muitas vezes voltados à devastação em massa como o 
planejamento de ações estratégicas de exércitos. Além disso, eram feitas simu-
lações relacionadas ao avanço das tropas, pois estas análises passaram a ser 
viáveis a partir da simples inserção de variáveis envolvidas em cada ação, o que 
permitia a elaboração automática de um conjunto variado de hipóteses e es-
tratégias. Assim como em um jogo de guerra, as possíveis combinações dessas 
variáveis eram simuladas ( JESS, 2004). 
É, nesse momento, que tiveram início os jogos por computador, utilizados 
também para situações mais reais, além de jogos de dama e xadrez. Tem-se 
início a ideia de utilização da Inteligência Artificial tradicional, baseada em re-
gras. Foi criado um programa de jogo de damas, que não apenas jogava com 
os oponentes, como também usava a experiência para melhorar seu desem-
penho (RICH, 1998). Outro artigo importante da época é o trabalho de Claude 
Shannon, que escreveu em 1950 sobre como programar uma máquina para 
jogar xadrez com cálculos de posição simples, mas eficientes. 
Figura 3. Claude Shannon durante uma exibição da IA capaz de jogar xadrez. Fonte: Instituto de Engenharia, 2018.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 23
SER_EMPDIG_IAAN_UNID1.indd 23 24/09/2020 12:49:56
Existem duas linhas principais de pesquisa para a construção de sistemas 
inteligentes: a linha conexionista e a linha simbólica. A linha conexionista visa 
à modelagem da inteligência humana através da simulação dos componentes 
do cérebro, partindo-se dos neurônios e de suas interligações. Já a linha sim-
bólica requer que seja feita a alimentação do sistema com os dados específicos 
sobre o problema a ser resolvido, não conseguindo inferir os padrões de for-
ma automática por meio dos dados existentes. Além das linhas conexionista e 
simbólica, observa-se hoje o crescimento de uma nova linha de pesquisa em 
IA, com base na observação de mecanismos evolutivos da natureza, como a au-
to-organização e o comportamento adaptativo. Nesta linha, os modelos mais 
conhecidos são os autômatos celulares e os algoritmos genéticos.
Durante um longo período, a linha de pesquisa conexionista não foi muito 
ativa, mas a criação dos microprocessadores pequenos e baratos tornou possí-
vel a implementação de sistemas de conexão feitos com milhares de micropro-
cessadores. Isso deu um novo impulso às pesquisas na área, principalmente 
aliado à solução dos problemas teóricos importantes. Assim, o modelo cone-
xionista deu origem à área de redes neuronais artificiais.
Apoiando o modelo conexionista, a biologia e neurociência surgiam para 
ajudar a desenvolver a representação de células nervosas dos seres humanos 
no computador, considerando-se que o cérebro é formado de neurônios e que 
é ele quem faz o processamento de informações do corpo de cada indivíduo. 
Essa linha de pesquisa motivou a criação de uma formalização automática para 
o neurônio, em que foi estabelecida a ideia de um neurônio formal. Essa for-
malização possibilitou realizar diversas concepções matemáticas relacionadas 
ao aprendizado dos neurônios, como uma forma de tentar entender como os 
neurônios são capazes de fazer a armazenagem de informações. 
Figura 4. Representação das redes criadas entre os neurônios humanos. Fonte: Shutterstock. Acesso em: 15/07/2020.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 24
SER_EMPDIG_IAAN_UNID1.indd 24 24/09/2020 12:50:00
O neuropsicólogo McCulloch e o lógico Pitts propuseram, em 1943, um pri-
meiro modelo matemático para um neurônio. As concepções de modelos ma-
temáticos levaram à criação de modelos de redes de neurônios artifi ciais na 
década seguinte, também conhecidos simplesmente como redes neurais ( JESS, 
2004). Mais tarde, Rosenblatt propôs um primeiro modelo de rede neuronal, 
sendo um conjunto de neurônios interligados chamado Perceptron.
Do entusiasmo aos primeiros desafios
Após a criação do termo Inteligência Artifi cial, os desenvolvimentos de concei-
tos relativos às redes neurais artifi ciais continuarama ser estudados com o apoio 
da biologia e da neurociência. O modelo Perceptron teve suas limitações apresen-
tadas no livro de Minsky e Papert, onde eles analisaram as propriedades mate-
máticas das redes artifi ciais compostas de neurônios (MINSKY; PAPERT,1969). O 
principal objetivo do livro era ridicularizar as pesquisas em torno das redes neurais 
artifi ciais. Os autores argumentavam que os modelos apresentados não tinham 
sustentação matemática para terem credibilidade. Tiveram êxito na sua empreita-
da, levando ao ostracismo os pesquisadores da linha biológica (JESS, 2004). 
EXPLICANDO
Ostracismo se refere ao isolamento ou exclusão. É um termo que se ori-
ginou na Grécia antiga, sendo um meio de punir os cidadãos suspeitos de 
exercer um poder excessivo, e era considerada uma forma de restrição à 
liberdade pública.
Para a linha, psicologia, esse período foi visto por alguns como uma ver-
dadeira descoberta da IA, enquanto as linhas da biologia e da neurociência 
viam como uma década perdida. Utopicamente, acreditava-se que era possí-
vel realizar tarefas humanas através do computador, como o pensamento e a 
compreensão da linguagem. Nesse sentido, tentou-se interpretar a linguagem 
do computador da mesma forma como ela é compreendida pelo ser humano. 
No impulso da racionalização imposta pelo desenvolvimento das pesquisas, 
pensava-se que apenas através do raciocínio seria possível interpretar essa 
linguagem. No entanto, a linguagem humana não é fruto somente da razão, 
mas de todo um conjunto sensorial e lógico que faz parte dela. 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 25
SER_EMPDIG_IAAN_UNID1.indd 25 24/09/2020 12:50:00
Assim, estudos mais aprofundados demonstraram o que já era óbvio: não 
seria possível os estados mentais dos seres humanos responsáveis pelo pensa-
mento em uma máquina, pelo menos não naquele momento em que a tecno-
logia se encontrava. A saída para essa linha de desenvolvimento era dada por 
uma empresa chamada Rand Corporation. A partir de sua equipe de pesquisa, 
surgiram os chamados sistemas especialistas, que foram responsáveis pela 
ampliação da Inteligência Artificial tradicional ( JESS, 2004). Essa é a mesma em-
presa que iniciou movimentos tecnológicos importantes, como a Indústria 4.0.
Durante as décadas de 1960 e 1970, a IA estava praticamente restrita ao 
meio acadêmico. Os objetivos das pesquisas eram a construção de teorias e 
o desenvolvimento de programas que verificassem estas teorias para alguns 
poucos exemplos, não havendo real interesse em aplicações práticas. Foi a ins-
piração desses especialistas que levou a conceitos hoje integrados à ciência 
da computação, como o tempo compartilhado, o processamento simbólico de 
listas, os ambientes de desenvolvimento de software, orientação objeto, entre 
outros. Além disso, cabe destacar também a mudança da relação usuário-com-
putador ao eliminar a intermediação de um operador e colocar cada usuário 
diante de sua estação de trabalho.
Considera-se, então, o período entre 1952 e 1969 como uma época de muito 
entusiasmo e grandes expectativas com relação à IA, onde houve muitos avan-
ços com sucesso e desafios. Inicialmente, a pesquisa com foco em manipulação 
de símbolos foi concentrada no desenvolvimento de soluções capazes de resol-
ver qualquer tipo de problemas. Entre essas soluções desenvolvidas, é possível 
destacar o sistema GPS (General Problem Solver), que imitava a forma como o 
homem resolvia problemas, sendo projetado por Ernst e Newell (1969). Con-
cluiu-se que a forma como o GPS dividia um objetivo em vários sub objetivos 
com possíveis ações era parecida com a forma como o homem o fazia. 
Os esforços iniciais nesse período foram essenciais para estabelecer os fun-
damentos teóricos dos sistemas de símbolos e forneceram à área da IA uma 
série de técnicas de programação voltadas à manipulação simbólica. Os sis-
temas gerais desenvolvidos nesse período tiveram resultados interessantes, 
mas apenas em domínios simplificados, onde o objetivo era a demonstração 
da técnica, não a solução de um problema real. O problema com os sistemas 
gerais que a sua extensão a domínios de problemas reais se mostrou inviável. 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 26
SER_EMPDIG_IAAN_UNID1.indd 26 24/09/2020 12:50:00
Isso aconteceu por dois motivos, sendo um relacionado às características teó-
ricas dos métodos utilizados, e outro associado à natureza do conhecimento 
do mundo real ( JESS, 2004).
Nesta época, vários marcos históricos da IA tiveram destaque. Em 1959, a 
IBM produziu os primeiros programas de IA, como o Geometry Theorem Prover. 
No mesmo ano, Arthur Samuel desenvolveu um programa que tinha a capaci-
dade de jogar damas ao nível de um jogador de competições e torneios, sendo 
que o programa jogava até mesmo melhor do que o seu autor. Em 1958, John 
McCarthy definiu a linguagem de programação Lisp (List processing) no Lab 
Memo n.1 do MIT. Essa linguagem se transformou na linguagem dominante 
da IA, e é a segunda linguagem de programação mais antiga ainda em uso, 
atrás apenas da linguagem Fortran, que é um ano mais antiga. Também em 
1958, McCarty publicou um artigo intitulado “Programs with common sense”, 
em que descrevia um programa hipotético, que pode ser visto como o primei-
ro sistema completo de IA. Esse artigo não perdeu a sua relevância ao fim de 
mais de 40 anos ( JESS, 2004). Em 1964, foi criado o primeiro chatbot do mundo 
chamado Eliza, um sistema que conversava de forma automática, que imitava 
uma psicanalista ao fazer uso de respostas baseadas em palavras-chave. Em 
1969, foi demonstrado o primeiro robô que combinava a mobilidade, a fala e 
a autonomia de ação em uma única máquina: o robô Shakey. Ele era lento e 
cheio de falhas, mas funcionava. 
Figura 5. O robô móvel Shakey. Fonte: Instituto de Engenharia, 2018.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 27
SER_EMPDIG_IAAN_UNID1.indd 27 24/09/2020 12:50:01
A crescente exigência de formalização matemática foi uma mudança impor-
tante, que ocorreu ao longo da década de 1970 em relação aos critérios acadê-
micos de julgamento de trabalhos em IA. Se no início dos anos 1960, um pro-
grama já era considerado IA mesmo tratando de alguns poucos exemplos de 
um problema até então não tratado, isso já não acontecia mais em 1980 ( JESS, 
2004). O programa em si passou a ser a parte menos importante; a análise for-
mal da metodologia, incluindo o poder de decisão, completude e complexida-
de, além de uma semântica bem fundada, passou a ser o ponto fundamental. 
A década de 1970 marcou também a evolução da IA com o aparecimento 
dos primeiros Sistemas Especialistas. A tecnologia de IA passou a permitir o 
desenvolvimento de sistemas com desempenho intelectual compatível com o 
desempenho de um ser humano adulto, abrindo perspectivas de aplicações 
comerciais e industriais. Ao contrário dos métodos fracos que utilizam pouca 
informação sobre o problema e os mecanismos gerais de procura, os sistemas 
especialistas dispõem de uma base de conhecimento que permite resolver 
problemas mais complexos.
A IA nos tempos atuais
As redes neurais artifi ciais tiveram seu reconhecimento recuperado com a aju-
da do físico Jonh Hopfi eld, que em 1982 provou ser possível simular um sistema 
físico por meio de um modelo matemático com base na teoria das redes neurais. 
Dessa forma, um grupo de especialistas de diversas áreas se reuniram em 1986 
para validar as pesquisas relacionadas às redes neurais, o que permitiu a realiza-
ção de mais pesquisas nesta linha. 
Uma das formas de recuperar o prestígio das redes neurais foi o desenvolvi-
mento de uma proposta de modelo chamado Back propagation, que ampliava o 
potencial do Perceptron e permitia a superação das limitações do modelo inicial. 
Enquanto isso, ampliavam-se as técnicas e aplicações dos sistemas especialistas 
da IA tradicional. Além disso, houve o interessede trabalho em grupo com outras 
áreas, tais como interfaces inteligentes, sistemas de apoio à decisão, entre outras.
Assim, as redes neurais tiveram um grande crescimento a partir da década 
de oitenta, sofrendo uma explosão de aplicações e desenvolvimento de modelos. 
Diversas propostas de novos ou de aperfeiçoamento de modelos foram surgindo 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 28
SER_EMPDIG_IAAN_UNID1.indd 28 24/09/2020 12:50:01
a cada ano, de acordo com o aumento de interesse pela área. A partir daí, as redes 
neurais se consolidaram como uma parte integrante dos estudos relacionados à 
Inteligência Artifi cial. 
Ainda assim, é reconhecido que os paradigmas biológicos e psicológicos ain-
da são complementares e necessários para os sistemas mais evoluídos de IA. Por 
isso, começam, na atualidade, a ser construídos os chamados sistemas híbridos. 
Esses sistemas são resultado da junção entra as concepções das duas linhas de 
pesquisa, o que permite a construção de grandes sistemas que abrangem uma 
forma mais completa de representação do comportamento humano, além de re-
forçar a ideia original da IA. 
Figura 6. Representação de como as redes neurais artifi ciais tentam imitar as conexões neurais dos cérebros humanos. 
Fonte: Shutterstock. Acesso em: 15/07/2020.
Alguns marcos históricos podem ser destacados a partir dos anos 1980. 
Em 1981, o projeto “Quinta geração” foi lançado no Japão, tratando-se de 
um plano para construir computadores inteligentes em 10 anos. Estava 
previsto que esses sistemas pudessem ser capazes de fazer milhares de 
inferências por segundo. Entre as ambições do projeto estava a compreen-
são da linguagem natural, algo que veio a revitalizar a IA em todos os lu-
gares do mundo. 
Em seguida, surge o R1 em 1982, sendo o primeiro sistema pericial a 
ser comercializado. A ideia era que o programa pudesse ajudar a configu-
rar encomendas de computadores. Em 1986, estimou-se que cerca de 40 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 29
SER_EMPDIG_IAAN_UNID1.indd 29 24/09/2020 12:50:04
milhões de dólares tinham sido poupados graças ao sistema R1. Esse ano 
também foi marcado como o ano em que as redes neurais artificiais retor-
naram. Outros marcos vieram na sequência, como o uso dos sistemas de 
IA, em 1991, que obtiveram sucesso em seus resultados durante a guerra 
do Golfo. No mesmo ano, um sistema pericial analisou um caso médico e 
chegou a um diagnóstico. O sistema foi capaz de explicar como chegou a 
esse diagnóstico, e expôs os fatores que mais o influenciaram.
Os anos seguintes foram marcados pelo uso da IA em outras áreas. Em 
1993, um sistema que usava câmeras de vídeo, radar e laser, foi capaz de 
conduzir um carro em uma autoestrada a cerca de 90 Km/h. Além disso, 
foi a primeira vez que um sistema detectava colisões na rua, chamando o 
911 de forma automática na ocasião. Já em 1994, um sistema de reserva de 
viagens foi capaz de entender frases de comando como “quero ir de Nova 
York para Boston”. Verificou-se que o sistema percebia de forma errônea 
apenas uma em cada 10 palavras, e era capaz de se recuperar a partir de 
sua compreensão quanto à forma em como as frases eram compostas.
Nos anos 2000, começam a surgir brinquedos inteligentes, e já existiam 
computadores que se comunicavam ao nível de uma criança com 15 meses 
no ano seguinte. A mudança gradual das metas da IA partiu do sonho de 
construir uma IA, com características similares as do ser humano, até os 
modestos objetivos atuais de fazer com que os computadores 
sejam mais úteis, através de ferramentas que auxiliam as ati-
vidades intelectuais das pessoas. Essa mudança coloca os 
programas de IA como produtos intelectuais no mesmo ní-
vel de outros produtos, destacando ques-
tões importantes como expressar as 
características individuais e sociais da 
inteligência utilizando computadores 
para permitir maior produtividade. 
Além disso, essas mudanças tam-
bém demonstram como as proprieda-
des das representações utilizadas pela 
IA auxiliam e moldam o desenvolvimento 
de produtos intelectuais.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 30
SER_EMPDIG_IAAN_UNID1.indd 30 24/09/2020 12:50:04
Conceitos e tipos de Inteligência Artificial
 Após anos de evolução e desenvolvimento, a IA passou a ser apresentada 
em conjunto com diversos conceitos e tipos diferentes de técnicas ou métodos. 
Entender um pouco sobre esses conceitos e tipos é essencial para ajudar no en-
tendimento das diversas formas com que a IA é tratada, tanto na literatura quan-
to em ambiente empresarial. O contato com essas informações vai auxiliar na 
compreensão e absorção de conhecimentos mais complexos sobre esse tema.
Ao falar de IA, um dos primeiros conceitos que surge é o algoritmo, visto 
muitas vezes como o coração da IA. Um algoritmo é defi nido como uma fórmu-
la ou uma série de instruções, que deve ser seguida por uma máquina. Pode-
-se considerar o algoritmo como um simples conjunto de instruções, como um 
passo a passo com uma sequência de tarefas (primeiro é realizado A, depois 
B, por último C). Em IA, os programadores criam os algoritmos para fazer um 
computador olhar para os dados, identifi car o problema e aprender com suas 
tentativas de resolução. A parte da inteligência, que é característica forte da IA, 
fi ca por conta dos algoritmos.
O conceito de redes neurais artifi ciais também é famoso quando se trata 
de IA, sendo algo que é desenhado de forma muito similar ao cérebro de um 
ser humano. As redes neurais utilizam diferentes estágios de aprendizagem 
para ajudar a IA a resolver problemas complexos, como uma forma de dividir 
os problemas em vários níveis de dados. Cada um desses níveis pode ser su-
perado de forma individual, por meio dos estágios de aprendizado, até que o 
problema seja totalmente resolvido.
O principal atrativo, que leva as pessoas a se interessarem pelas redes 
neurais artifi ciais, é a sua capacidade de aprender através de exemplos que 
podem ser generalizáveis, fazendo uso de informações conhecidas para res-
ponder problemas desconhecidos. De forma mais específi ca, as redes neurais 
artifi ciais possuem características que a tornam uma opção mais adequada 
para responder problemas que podem não ser tão bem resolvidos pela com-
putação tradicional. Entre essas características, cabe destacar a possibilidade 
de generalização, pois podem aprender com um conjunto de exemplos e ge-
rar respostas aderentes para entradas diferentes. A adaptabilidade é outra 
característica predominante, pois a máquina pode se adaptar aos diferentes 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 31
SER_EMPDIG_IAAN_UNID1.indd 31 24/09/2020 12:50:04
contextos por meio da alteração de seus pesos. A informação contextual é 
a característica das redes neurais artificiais, que fazem com que a máquina 
processe as informações relacionadas ao contexto de forma natural, uma vez 
que cada neurônio é afetado por outro neurônio presente na rede. Por fim, a 
uniformidade faz com que as redes neurais sejam utilizadas em diferentes do-
mínios e aplicações, da mesma forma que todos os neurônios são encontrados 
em todas as redes neurais artificiais.
Muitas vezes confundido com a própria IA, o conceito de machine learning 
é uma das partes mais importantes de todo processo. De forma geral, o ma-
chine learning são diversos grupos de algoritmos usados em IA. Esse conceito 
corresponde aos programas que são projetados para aprender a fazer previ-
sões sozinhos com base em dados, sem a ajuda de um programador. Ele é res-
ponsável por possibilitar que a tecnologia utilize algoritmos para desempenhar 
suas funções, agindo como se o sistema tivesse tido aulas com alguém mais 
experiente, e agora utilizasse as lições para superar os desafios que lhe foram 
impostos. No cotidiano, é possível identificar o uso dessa tecnologia em apli-
cações como recomendações de música, filtro de spam edetecção de fraudes.
O reconhecimento de padrões é uma subdivisão conhecida de machine 
learning que foca no reconhecimento de padrões ou regularidades em um cer-
to cenário de dados. Esse reconhecimento pode ser do tipo supervisionado, 
quando o algoritmo já foi alimentado com padrões que deve procurar, mas 
também pode ser não-supervisionado, quando o objetivo é descobrir novos 
padrões.
Outro conceito que aparece com frequência é o deep learning. O deep lear-
ning é construído sobre redes neurais, e é considerado como um tipo de ma-
chine learning estruturado de tal forma que se parece com os neurônios de um 
cérebro humano. Em uma rede neural, neurônios artificiais são organizados em 
camadas interconectadas. Assim, o deep learning é o que acontece quando as 
camadas interconectadas de aprendizado compostas pelas redes neurais estão 
em ação. Há uma camada de entrada para receber dados externos e outra cama-
da de saída, que determina como o sistema pode responder à cada informação. 
Entre essas camadas, há outras camadas de neurônios que processam di-
versos dados e dão peso numérico às informações que recebem da camada an-
terior, passando essa informação para a próxima etapa da rede. A rede neural 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 32
SER_EMPDIG_IAAN_UNID1.indd 32 24/09/2020 12:50:04
pode resolver problemas muito complexos, pois há uma grande quantidade de 
neurônios trabalhando juntos. Nesse sentido, o deep learning é o responsável 
pela IA ser capaz de oferecer resultados que vão além da repetição do que foi 
aprendido, algo que aumenta de forma exponencial o banco de dados coletado 
e os aprendizados adquiridos.
O Processamento de Linguagem Natural (PLN ou NPL, na sigla em inglês) 
é o que permite fazer com que os computadores entendam, processem e mani-
pulem a linguagem dos seres humanos. Para isso, o computador precisa conse-
guir entender uma grande quantidade de informação, desde as regras grama-
ticais utilizadas nas frases até a sintaxe e sotaques. Em um exemplo de sistema 
de reconhecimento por voz, todas as informações transmitidas por meio da 
voz humana se transformam em dados de áudio, que são convertidos em da-
dos de texto em um outro processo envolto em certa complexidade. Depois de 
processados, os dados de texto podem ser utilizados por uma IA em uma série 
de aplicações, como assistentes virtuais, tradutores e controle de aparelhos, 
como rádios e televisões. Como exemplos de PLN, temos a Alexa (da Amazon) 
e a Siri (da Apple), que já utilizam IA em suas configurações para entender a lin-
guagem humana por meio da assimilação de redes neurais complexas. Existem 
funcionalidades diversas para esses assistentes virtuais, desde tarefas simples 
e individuais como enviar uma mensagem para alguém até acender as lâmpa-
das de um cômodo da casa por parte de seus moradores. 
Figura 7. Interação entre um casal e a Alexa, assistente virtual da Amazon. Fonte: Shutterstock. Acesso em: 15/07/2020.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 33
SER_EMPDIG_IAAN_UNID1.indd 33 24/09/2020 12:50:12
Similar à PLN, que tenta reconhecer linguagem humana, a visão com-
putacional tem o objetivo de ajudar computadores a identificar e proces-
sar imagens do mesmo jeito que seres humanos fazem. Assim como os 
seres humanos aprendem a diferenciar os rostos de pessoas diferentes, 
a visão computacional pode ensinar as máquinas a reconhecer os objetos 
que são captados por meio de uma câmera. Isso é possível devido à capa-
cidade dos sistemas em analisar os pixels individuais da imagem, fazer a 
identificação de cores diferentes, fazer a conversão em valores numéricos 
e, em seguida, buscar padrões para identificar conjuntos de pixels com 
cores ou texturas semelhantes. Estes aspectos ajudam as máquinas na 
diferenciação entre os objetos.
Outro conceito bastante mencionado quando se fala em IA é a robó-
tica. A robótica está associada à construção e operação de robôs, sendo 
este um campo amplo que envolve uma estrutura física, que é capaz de 
realizar tarefas ou cumprir papéis específicos, de acordo com configura-
ção. A robótica pode ser ligada à inteligência artificial quando um sistema 
de IA é usado dentro dessa estrutura física. 
Um dos formatos mais bem-su-
cedidos da IA é o sistema especia-
lista. Esse tipo de sistema é caracte-
rizado como um software que tem a 
capacidade de imitar a inteligência, 
o comportamento ou até mesmo 
as habilidades humanas em um de-
terminado assunto. Há dois subsis-
temas em funcionamento, sendo a 
base de conhecimento que arma-
zena os fatos ou regras sobre o as-
sunto, e o motor de inferência que usa as regras ou fatos para deduzir 
fatos novos. Esses sistemas geralmente são usados quando é necessário 
ter uma inteligência parecida similar à um especialista humano para a rea-
lização de tarefas complexas, como fazer previsões financeiras ou dirigir 
carros. Sua capacidade tem avançado amplamente a partir dos avanços de 
machine learning e redes neurais. 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 34
SER_EMPDIG_IAAN_UNID1.indd 34 24/09/2020 12:50:18
Figura 8. Automóvel autônomo está reconhecendo sinais de trânsito por meio da tecnologia de visão computacional. 
Fonte: Shutterstock. Acesso em: 15/07/2020.
Outro conceito bastante difundido da IA é a automação. Um sistema 
de IA autônomo é aquele que não precisa de seres humanos para realizar 
suas tarefas. Embora já tenham alguns exemplos de conquistas relacio-
nadas aos veículos autônomos, como os carros da Tesla, ainda são ne-
cessários mais esforços até que se possa considerar o uso desse tipo de 
tecnologia de forma segura e confiável. 
Fala-se em diferentes níveis como uma forma de categorizar o grau de 
automação de um sistema. Com relação a veículos, um sistema autônomo 
de nível 4 seria aquele que não precisa de um ser humanos no volante. 
Por outro lado, um sistema de nível 5 seria aquele que não precisa sequer 
estar conectado a alguma fonte externa, como GPS. Um sistema de nível 5 
seria 100% autônomo.
Figura 9. Um carro autônomo da Waymo em exibição no Museu de História do Computador em Mountain View, 
Califórnia. A empresa de mobilidade inteligente Waymo é uma subsidiária da Alphabet Inc. Fonte: Shutterstock. Acesso 
em: 15/07/2020.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 35
SER_EMPDIG_IAAN_UNID1.indd 35 24/09/2020 12:50:33
Tipos de IA
Ao longo do tempo, surgiram formas de categorizar a IA para auxiliar na com-
preensão do grau de inteligência do sistema, que vai desde o modelo mais restrito 
e específi co até aqueles que apresentam superinteligência. De forma geral, qual-
quer sistema de IA pode ser classifi cado em alguma destas categorias: IA fraca e IA 
forte. As expressões forte e fraco não se referem ao processamento das informa-
ções, ao poder de otimização ou qualquer outra interpretação que faça com que 
uma IA forte seja mais forte que a IA fraca. Esse tipo de classifi cação se aplica na 
prática, mesmo sendo expressões que vieram de outros lugares.
A IA fraca (ou Inteligência Artifi cial Limita - ANI) é o tipo mais básico de IA, que 
é especializado em apenas uma área. Nesse tipo de sistema, a IA é capaz de lidar 
com um alto volume de dados, além de fazer cálculos complexos de forma rápida. 
No entanto, o sistema tem apenas um único objetivo, como uma IA que aprende 
a vencer um campeão de xadrez, mas capaz apenas de fazer isso. Se for pedido 
para o sistema fazer qualquer outra coisa, como fi ltrar spam ou jogar damas, esse 
sistema não saberá como realizar a tarefa.
Já a IA forte (ou Inteligência Artifi cial Geral - AGI) se refere a um computador tão 
inteligente quanto um ser humano, em um grande grupo de habilidades. Esse é 
um tipo de sistema em que pode ser vista a mesma capacidade intelectual de um 
indivíduo, sendo possível realizar qualquer atividade inteligente que seja domina-
da pelo homem. A IA forte passaria facilmente no Testede Turing, mas ela é muito 
mais complexa de ser criada do que as IA fracas. 
Por fi m, a expressão “superinteligência” foi defi nida, inicialmente, 
pelo fi lósofo Nick Bostrom como “um intelecto que é muito mais 
inteligente do que o melhor cérebro humano em prati-
camente todas as áreas, incluindo criatividade cien-
tífi ca, conhecimentos gerais e habilidades sociais” 
(BOSTROM, 2003, p. 12-17). A superinteligência 
artifi cial abrange um conjunto de habilidades 
que varia desde um sistema que é um pouco 
mais inteligente do que um ser humano até o siste-
ma que é milhões de vezes mais inteligente em todas 
as capacidades intelectuais do que um ser humano. 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 36
SER_EMPDIG_IAAN_UNID1.indd 36 24/09/2020 12:50:33
IA no cotidiano
A IA já está presente em muitos aspectos da vida das pessoas, seja em âmbito 
profi ssional quanto pessoal. As evoluções da tecnologia, que estão sendo vivencia-
das pela sociedade, acontecem em proporções cada vez maiores do que a capaci-
dade que temos de assimilar tais mudanças. Essa evolução está relacionada tanto 
aos avanços quanto aos equipamentos e ao crescimento das redes de internet, 
que após deixarem de ser utilizadas apenas pelos governos e pelos acadêmicos, 
possibilitaram o acesso a um grande volume de informações dos mais variados ti-
pos. Essas evoluções também ampliaram a disponibilidade de recursos e serviços, 
como e-mail, compartilhamento de arquivos online, redes sociais pessoais e pro-
fi ssionais, mensageiros instantâneos como o Skype, entre outros. Essas soluções 
acabam trazendo um conceito que parece quebrar as fronteiras da informação em 
ampla escala e velocidade (DAMIÃO et al., 2014).
Alguns exemplos relacionados ao uso dessa tecnologia incluem os chamados 
assistentes virtuais, como a Siri (da Apple), a Alexa (da Amazon) e a Cortana (da 
Microsoft). Esses assistentes virtuais usam processamento de linguagem natural 
para entender comandos de voz e realizar tarefas do dia a dia, como marcar um 
compromisso, encontrar sua música favorita, responder perguntas específi cas ou 
ajustar a temperatura do ar-condicionado. Tudo isso pode ser feito por meio do 
microfone do smartphone ou através de um alto-falante. 
Figura 10. Conceito de assistente de voz no smartphone. Fonte: Shutterstock. Acesso em:15/07/2020.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 37
SER_EMPDIG_IAAN_UNID1.indd 37 24/09/2020 12:50:42
IA também tem sido usada para proporcionar um 
ambiente mais seguro para uso dos dados pessoais e 
para monitorar as contas bancárias em busca de ati-
vidades fraudulentas. Os sistemas de IA são pro-
gramados para acompanhar todas as compras de 
cada usuário ao longo do tempo e constroem uma 
análise a partir dos dados obtidos, que refletem os 
hábitos de compra. Com esse padrão de informação, 
é possível que dê para identificar de forma rápida qual-
quer tipo de ação suspeita e sinalizar compras que possam ser anormais. 
Exemplo disso é quando a maior parte das compras de uma pessoa aconte-
cem na cidade natal dela, o surgimento de compras em outro país de forma 
repentina pode fazer com que o banco entre em contato para confirmar se o 
cartão foi roubado.
Algo que tem sido alvo de constantes avanços ao longo dos últimos anos 
são as tecnologias em veículos. A visão computacional já pode ser encontra-
da em carros, permitindo que sejam operadas uma série de mecanismos de 
segurança, como analisar o trânsito ao redor do veículo ou frear automati-
camente em caso de perigo. No entanto, o carro precisa ter a capacidade de 
identificar as imagens de maneira rápida, além de prever possíveis aconteci-
mento a tempo de tomar uma decisão sobre o que deve ser feito.
Ainda sobre veículos, existem aplicações relacionadas a serviços de ca-
ronas compartilhadas, como o Uber. Esses aplicativos usam machine lear-
ning para fazer a previsão de forma precisa com relação à quando o carro, 
que foi alocado para uma viagem irá chegar. Em uma situação em que o 
aplicativo informa que o carro chegará em cinco minutos, isso quer dizer 
que o machine learning foi usado para analisar um conjunto enorme de 
dados de diversas viagens anteriores e, como resultado, pode estimar o 
momento exato de chegada do motorista. Empresas como a Uber também 
utilizam a IA como uma forma de planejamento, sendo usada para deter-
minar quantos carros precisam estar na rua em um determinado horário e 
em quais áreas da cidade estes carros devem estar. Esse tipo de previsão 
ajuda a garantir o fornecimento de carros extras em locais críticos durante 
horários de alta demanda.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 38
SER_EMPDIG_IAAN_UNID1.indd 38 24/09/2020 12:50:42
Figura 11. Machine Learning usado em aplicativos como Uber. Fonte: Shutterstock. Acesso em: 15/07/2020.
Outra realidade do cotidiano das pessoas é o uso de sites de compras que fa-
zem uso de IA para acompanhar o que cada consumidor procura, compra ou mar-
ca como favorito para possivelmente comprar em outro momento. As empresas 
costumam usar essa informação como uma forma de ter informações suficientes 
para customizar a experiência do consumidor diante de um produto ou serviço. 
Esse consumidor acaba economizando tempo quando é chegada a na hora de 
buscar o produto ou serviço desejado. Por outro lado, os vendedores podem pre-
ver as demandas de produtos, melhorando suas previsões de estoque. De forma 
geral, ambos se beneficiam com a melhora do tempo de entrega e a maximização 
das chances de vender algo mais assertivo para um cliente.
Este tipo de tecnologia também atingiu setores como o da saúde. Dis-
positivos e sensores portáteis podem ser conectados ao corpo de um pa-
ciente, tornando-se capazes de fazer o envio de dados em tempo real, como 
índice glicêmico e batimento cardíaco. Com a coleta e análise dessas infor-
mações, os algoritmos de machine learning podem desenhar um panorama 
completo referente ao estado atual do paciente e criar alertas com relação 
aos medicamentos que o paciente precisa consumir. Algumas empresas na-
cionais e internacionais já estão usando IA para detectar doenças, antecipar 
possíveis diagnósticos e recomendar determinados tratamentos.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 39
SER_EMPDIG_IAAN_UNID1.indd 39 24/09/2020 12:50:49
Sintetizando
A Inteligência Artificial (IA) é algo que já vem evoluindo há algumas déca-
das, e é uma área que tem a influência de diferentes disciplinas, como a filo-
sofia, a matemática e até a neurociência. Conhecer os fundamentos que são 
base para entender o que é a IA ajudou na compreensão de elementos base, 
principalmente quando esse é o primeiro contato com essa tecnologia. 
Ter acesso às diferentes definições de IA pode permitir a distinção entre 
outras coisas, que podem ser confundidas diante da evolução tecnológica 
que está avançando cada vez mais rápido. Conhecer como a IA evoluiu des-
de a sua criação até os tempos atuais gerou um panorama completo de 
todas as influências no desenvolvimento da área e das soluções, bem como 
a interação com os fatos relacionados aos nomes célebres que fizeram parte 
desta trajetória. 
Por fim, o acesso aos conhecimentos utilizados atualmente, os diferen-
tes tipos de IA e suas aplicações permitem que fique mais fácil identificar 
como a IA vem sendo inserida no nosso cotidiano. Os elementos dessa uni-
dade são fundamentais para o entendimento de conceitos e fundamentos 
mais complexos da IA.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 40
SER_EMPDIG_IAAN_UNID1.indd 40 24/09/2020 12:50:49
Referências bibliográficas
BARR, A.; FEIGENBAUM, E. A. The Handbook of Artificial Intelligence. Los Altos: 
CA, 1981.
BOSTROM, N. Ethical issues in advanced artificial intelligence. In: SCHNEIDER, S. 
(Org.). Science fiction and philosophy: from time travel to superintelligence. 
Hoboken: Wiley-Blackwell, 2003.
DAMIÃO, M. A.;CAÇADOR, R. M. C.; LIMA, S. M. B. Princípios e aspectos sobre 
agentes inteligentes. Revista Eletrônica da Faculdade Metodista Granbery. p. 
1-29, 2014. Disponível em: <http://re.granbery.edu.br/artigos/NTIw.pdf>. Acesso 
em: 16 jul. 2020.
ERNST, G. W.; NEWELL, A. GPS: A case study in generality and problem solving. 
New York: Academic Press, 1969.
INSTITUTO DE ENGENHARIA. A história da inteligência artificial. 2018. Dispo-
nível em: https://www.institutodeengenharia.org.br/site/2018/10/29/a-historia-
-da-inteligencia-artificial/. Acesso em: 25 jun. 2020
JESS, G. M. Inteligência artificial e tecnologias da inteligência: um repensar 
segundo os processos de elaboração matemática. 2004. 138f. Trabalho de con-
clusão de curso (Dissertação de mestrado) – Programa de Pós-Graduação em 
Educação, Universidade Federal do Paraná. Curitiba, 2004.
LAUREIRO, M. D.; BRUSONI, S. Cognitive flexibility and adaptive decision making: 
Evidence from a laboratory study of expert decision makers. Strategic Manage-
ment Journal. p. 1031-1058, 2018.
LUGER, G. F. Inteligência Artificial. 6. ed. São Paulo: Pearson, 2013. 
MCCORDUCK, P. Machines who think. Florida: CRC Press,1979.
MEDEIROS, L. F. Inteligência Artificial Aplicada: Uma abordagem Introdutória. 
São Paulo: Editora Intersaberes, 2018.
MINSKY, M.; PAPERT, S. An introduction to computational geometry. Cambrid-
ge: HIT, 1969.
MUNAKATA, T. Fundamentals of the New Artificial Intelligence. London: 
Springer, 2008. 
NILSSON, N. J. Principles of Artificial Intelligence. Berlin: Springer, 1982. 
RICH, E. Inteligência Artificial. 1. ed. São Paulo: McGraw-Hill, 1988.
RUSELL, S.; NORVIG, P. Inteligência Artificial. 3. ed. Rio de Janeiro: Elsevier, 2013. 
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 41
SER_EMPDIG_IAAN_UNID1.indd 41 24/09/2020 12:50:49
APRENDIZADO 
DAS MÁQUINAS 
E RESOLUÇÃO DE 
PROBLEMAS
2
UNIDADE
SER_EMPDIG_IAAN_UNID2.indd 42 24/09/2020 12:53:49
Objetivos da unidade
Tópicos de estudo
 Conhecer os principais conceitos relacionados ao Machine Learning e ao Deep 
Learning, bem como suas características, seus tipos e suas aplicações;
 Compreender os métodos da resolução de problemas e como eles podem 
ser aplicados no contexto da Inteligência Artificial.
 Machine learning
 Aprendizagem supervisionada
 Aprendizagem não supervisio-
nada
 Outros tipos de aprendizagem
 Deep learning
 Tipos de deep learning
 As aplicações do deep learning 
 Métodos de resolução de
 problemas
 Representação do conhecimento
 Formulação de problemas
 Busca de soluções
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 43
SER_EMPDIG_IAAN_UNID2.indd 43 24/09/2020 12:53:49
Machine learning
 O aprendizado da máquina, ou machine learning, é um tipo de inteligência 
artifi cial (IA) que conta com algoritmos criados para treinar a máquina a rea-
lizar tarefas específi cas. Esses algoritmos são responsáveis pela grande maio-
ria dos avanços tecnológicos vivenciados pelas empresas atualmente, sendo 
uma parte essencial da inteligência artifi cial. O machine learning permite que 
os softwares sejam mais precisos em prever resultados, sem precisarem ser 
explicitamente programados para isso. 
Os algoritmos e o machine learning fornecem aos sistemas a capacidade de 
aprender e melhorar automaticamente a partir da experiência, usando dados 
históricos como entrada para prever novos valores de saída. Por isso, eles se 
concentram no desenvolvimento de programas de computador que podem 
acessar dados e usá-los para aprender sozinhos. Para que esse aprendizado 
aconteça, o machine learning usa estatísticas, encontrando padrões em gran-
des quantidades de dados, que podem surgir na forma de números, palavras, 
imagens, cliques, ou algum outro formato disponível que possa ser armazena-
do digitalmente (ONGSULEE, 2015).
O uso desse tipo de tecnologia pode exigir tempo e recursos adicionais, 
para permitir o treinamento adequado do sistema. Contudo, há inúmero be-
nefícios para fazê-lo, como o oferecimento de resultados mais rápidos e mais 
precisos na identifi cação de riscos e de oportunidades, podendo gerar mais 
lucro para as empresas. A combinação dos algoritmos de machine learning 
com os conceitos de IA e outras tecnologias, em âmbito cognitivo, pode fa-
zer com que essas tecnologias sejam efi cazes no processamento de grandes 
quantidades de dados. 
Por isso, é bastante comum que algumas dessas tecnologias 
sejam confundidas ou consideradas sinônimas, embora 
exista uma hierarquia para sua interpretação (Dia-
grama 1). O machine learning é considerado uma 
parte da IA, mas esse é um conceito amplo, que in-
cluí uma série de algoritmos, como o deep learning, 
que, por sua vez, possui mecanismos que o aproxi-
mam dos conceitos de redes neurais.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 44
SER_EMPDIG_IAAN_UNID2.indd 44 24/09/2020 12:53:49
Fonte: SEETHARAM; KAGIYAMA; SENGUPTA, 2019, p. 47. (Adaptado).
DIAGRAMA 1. HIERARQUIA DE INTERPRETAÇÃO DA INTELIGÊNCIA 
ARTIFICIAL
Inteligência Artificial
Machine Learning
Deep Learning
Redes Neurais
 Assim, o processo de aprendizado pode ser iniciado com observações ou 
dados, que podem ser a experiência direta de um colaborador ou a instrução feita 
por meio de um conteúdo, buscando padrões nos dados e tomando decisões 
mais assertivas no futuro, com base nos exemplos que são oferecidos para a análi-
se. O objetivo principal do machine learning é permitir que os softwares aprendam 
de forma automática, sem assistência ou intervenção humana, se ajustando às 
ações de acordo com os dados que estão sendo usados no aprendizado. 
EXEMPLIFICANDO
O Machine Learning é o processo que alimenta muitos dos serviços 
conhecidos e usados no cotidiano das pessoas, como os sistemas de 
recomendação do Netflix, do YouTube e do Spotify; os motores de busca 
do Google; os feeds de redes sociais, como o Facebook e o Twitter, entre 
outros. Cada uma dessas plataformas coleta o máximo de dados possível 
sobre usuário e adivinha o que o usuário deseja ou pode querer adquirir. 
Os mecanismos de recomendação são um caso comum do uso de ma-
chine learning, mas há outros usos populares, que incluem a detecção 
de fraudes, a filtragem de spam em e-mails, a detecção de ameaças de 
malware, a automação de processos de negócios (Business Process 
Automation, ou BPA) e a manutenção preditiva.
INTELIGÊNCIA ARTIFICIAL APLICADA AOS NEGÓCIOS 45
SER_EMPDIG_IAAN_UNID2.indd 45 24/09/2020 12:53:49
Ao usar os algoritmos clássicos de machine learning, o texto é considerado 
como uma sequência de palavras-chave a ser analisada semanticamente, imi-
tando, assim, a capacidade do ser humano de entender o significado de um texto 
a partir do significado e do sentido das palavras. Entretanto, enquanto algumas 
indústrias têm visto benefícios na área de machine learning, outras tem notado 
algumas de suas desvantagens. 
Quando se trata de vantagens, essa área pode ajudar as empresas a entender 
seus clientes em um nível mais profundo. Ao coletar dados do cliente e correlacio-
ná-los com comportamentos ao longo do tempo, os algoritmos de machine lear-
ning podem aprender associações e ajudar as equipes a adaptar as iniciativas de 
marketing e desenvolvimento de produtos à demanda do cliente. 
Algumas empresas baseadas na internet usam o machine learning como prin-
cipal direcionador em seus modelos de negócios. O Uber, por exemplo, usa os 
algoritmos para combinar motoristas com seus passageiros, enquanto o Google 
os usa para exibir os anúncios certos, nas pesquisas feitas pelos usuários. Assim, 
o machine learning pode ser usado de forma estratégica pelas organizações, para 
gerar vantagem competitiva no mercado.
Entre as desvantagens da tecnologia, destaca-se a questão do investimento ne-
cessário para o desenvolvimento, a implementação e a manutenção dessa tecnolo-
gia, visto que pode ser uma solução de alto custo para as organizações. Os projetos 
de machine learning geralmente são conduzidos