Prévia do material em texto
Curso: Engenharia de Software
Disciplina: Inteligência Artificial + Total
Software Process
Prof. Welton Dias de Lima
Capítulo 4 – Aula 22/08 – Alan Turing e a Contribuição para
a Inteligência Artificial
Gestor de Processos Acadêmico
Doutorando em Educação (UCB)
CNE, ItilV2, CCNA, CCAI e CNAP
CRA-DF 20.31887
Na quarta aula da disciplina Fundamentos em Inteligência Artificial,
nós vamos estudar como que Alan Turing, formalizou esses conceitos
com a Máquina de Turing, proporcionando as bases teóricas para a
computação moderna e a Inteligência Artificial.
Objetivo da Aula 4
1) Alan Turing e a Contribuição para a Inteligência Artificial
1. Breve biografia de Alan Turing, considerado como o Pai da Ciências da
Computação;
2. Artigo: Computing Machinery and Intelligence;
3. O jogo da Imitação ou o Teste de Turing;
4. Alan Turing e o Nascimento da Computação;
5. Entendendo a Tese de Church-Turing – Um passo de cada vez.
1) Breve biografia de Alan Turing, considerado como o Pai da Ciências
da Computação.
Alan Turing, nascido em 23 de junho de 1912, foi um matemático, lógico e criptoanalista britânico.
Reconhecido como o "Pai da Ciência da Computação", suas contribuições foram fundamentais para o
desenvolvimento da teoria da computação. Durante a Segunda Guerra Mundial, Turing desempenhou
um papel crucial ao liderar a equipe responsável por decifrar códigos alemães, notavelmente a máquina
de codificação Enigma.
Após a guerra, concentrou-se em pesquisas em computação e inteligência artificial. Em 1950, publicou o
artigo "Computing Machinery and Intelligence", onde propôs o famoso Teste de Turing.
Tragicamente, sua vida foi marcada por perseguições devido à sua orientação sexual, levando à
condenação criminal em 1952.
Turing faleceu em 1954, deixando um legado duradouro que continua a influenciar a ciência da
computação e a inteligência artificial.
Em 2013, o governo britânico concedeu a Turing um perdão real póstumo, reconhecendo sua
contribuição e lamentando as injustiças cometidas contra ele.
2)Artigo: Computing Machinery and Intelligence
The Imitation Game.
I propose to consider the question, ‘ Can machines think ? ’
This should begin with definitions of the meaning of the terms
‘ machine ’ and ‘ think The definitions might be framed so as
to reflect so far as possible the normal use of the words, but
this attitude is dangerous.
Turing provavelmente está alertando para o fato de que o significado de
termos como "MÁQUINA" e "PENSAR" pode variar entre diferentes
pessoas e contextos.
O uso comum desses termos pode resultar em discussões inconclusivas ou
mal definidas. Em vez disso, ele sugere a necessidade de definições mais
precisas e objetivas para fundamentar uma abordagem mais rigorosa à
pergunta sobre a capacidade de as máquinas pensarem.
PARA VOCÊ!!! O QUE É MÁQUINA E PENSAR?
3) O jogo da Imitação ou o Teste de Turing
Quando Turing aborda a questão "Can
machines think?" em seu trabalho "Computing
Machinery and Intelligence," ele está
explorando se máquinas, especialmente
máquinas de computação, podem realizar
operações que seriam análogas ao que
consideramos como pensamento humano.
Ele propôs o famoso teste de Turing como uma
maneira de avaliar a inteligência de uma
máquina, sugerindo que se uma máquina
pudesse enganar um interrogador humano a
ponto de ser considerada humana, poderia ser
considerada como "pensando" de uma forma
funcionalmente equivalente ao pensamento
humano.
“Se vocês estivessem frente a frente com uma máquina
idêntica a um ser humano, como saberiam que não é uma
pessoa de verdade? O que vocês perguntariam ou fariam
para ter certeza?”
4) Alan Turing e o Nascimento da Computação
Por que calculadoras não são computadores? – Fábio Akita
Akita explica que, no caso das
calculadoras convencionais, a lógica
de operação é embutida no
hardware: nada pode ser alterado
depois de montado. Elas realizam
cálculos, mas não “computam”,
porque não aceitam programas
externos que permitam variação no
processo. Por outro lado, um
computador moderno, seguindo a
arquitetura de Von Neumann, é
programável — o usuário escolhe o
conjunto de instruções (algoritmo)
que será executado, permitindo a
máquina realizar diversas tarefas
diferentes.
Outra Perspectiva: O que é realmente um computador?
A palavra computador vem do latim computare: contar, somar, calcular. Qualquer dispositivo que realiza
esse processo — mesmo que manual ou analógico — pode ser considerado um computador.
Se computar é transformar entradas em saídas por meio de regras, então qualquer sistema — digital,
analógico, mecânico, manual ou simbólico — pode ser chamado de computador.
🔁 Ciclo básico da computação:
📥 Entrada → ⚙️ Processamento → 📤 Saída
Se um sistema executa esse
ciclo (mesmo sem eletrônica),
ele computa.
4) Alan Turing e o Nascimento da Computação
Quem foi Turing? Matemático britânico (1912–1954) que, em
1936, criou um modelo teórico capaz de simular qualquer
algoritmo — a Máquina de Turing. Seu trabalho fundou as
bases da ciência da computação.
O que é um algoritmo computável? Um problema é
computável se uma Máquina de Turing consegue resolvê-lo e
sempre chega ao fim (termina a execução).
Exemplo prático. Problema: Verificar se um número é par ou
ímpar.
O que é um problema não computável?
É um problema para o qual não existe um algoritmo que
consiga resolvê-lo para todas as entradas possíveis e sempre
chegar ao fim.
Exemplo:
Calcular todas as casas decimais de π — ou seja, obter seu
valor exato e completo.
É uma máquina teórica (abstrata) composta por:
❑ uma fita infinita (memória),
❑ uma cabeça de leitura e escrita,
❑ e uma tabela de regras que controla as ações da
máquina.
Ela simula passo a passo o funcionamento de qualquer
algoritmo.
4) Alan Turing e o Nascimento da Computação
5) Entendendo a Tese de Church-Turing – Um passo de cada vez
1. Quem foram Church e Turing?
Alonzo Church → Criou o Cálculo Lambda (modelo simbólico de funções)
Alan Turing → Criou a Máquina de Turing (modelo teórico de um computador universal)
Ambos tentavam responder: “O que é, de fato, resolvido por um algoritmo?”
2. O que eles descobriram? Apesar de métodos diferentes, chegaram à mesma conclusão: Os dois modelos
resolvem os mesmos problemas computáveis.
Isso deu origem à: Tese de Church-Turing
3. O que diz essa Tese? “Tudo que pode ser resolvido por um algoritmo pode ser resolvido por uma máquina de
Turing.”
✔ Se existe um algoritmo,
✔ A máquina de Turing pode simular esse algoritmo.
4. E se a máquina não parar? A máquina de Turing só resolve o que é computável
Se ela entra em loop infinito ou não finaliza, temos: ❌ Problema não computável
Ligando a Tese de Church-Turing ao problema "divisão por zero"
Contexto Computacional: A Tese de Church-Turing diz que todo problema que pode ser resolvido por um
algoritmo pode ser executado por uma Máquina de Turing.
Mas… e se um problema não puder ser resolvido, como por exemplo dividir qualquer
número por zero?
🚫 O caso da divisão por zero
❑ Matematicamente, dividir por zero não tem definição (infinito não é um número real computável).
❑ Computacionalmente, isso gera um erro — o programa não consegue seguir um "passo a passo" válido para
essa operação.
❑ Na linguagem de Turing, diríamos que a máquina não para, ou entra em um estado indefinido. Isso representa
um problema não computável nesse contexto específico.
Ou seja, se o seu algoritmo entra em um loop infinito ou lança erro sem solução, ele falha em resolver o
problema — o que é coerente com os limites impostos pela Tese de Church-Turing.
5) Entendendo a Tese de Church-Turing – Um passo de cada vez
📝 Atividade – Divisão Segura
Desafio:
Crie um programa em Python que:
1.Solicite ao usuário dois números (numerador e denominador).
2.Realize a divisão entre eles.
3.Garanta que o programa não trave caso o usuário digite zero como
denominador.
4.Exiba uma mensagem adequada ao usuário em qualquer situação.
👉 Dica: pense em como oseu programa pode “se proteger” de entradas
inválidas.
5) Entendendo a Tese de Church-Turing – Um passo de cada vez
Tratamento de exceções: como a computação lida com isso?
Na prática, linguagens de programação modernas (como Python) preveem esse tipo de
erro e oferecem mecanismos de proteção:
try:
# Lê os dois números
a = int(input("Digite o numerador: "))
b = int(input("Digite o denominador: "))
# Tenta realizar a divisão
resultado = a / b
print("Resultado:", resultado)
except ZeroDivisionError:
print("Erro: divisão por zero não é permitida.")
Essa estrutura de tratamento de
exceções permite que o algoritmo
pare conscientemente e informe o
erro — sem travar o sistema. Isso
mostra uma camada prática de
controle que programadores
implementam para lidar com os
limites computacionais descritos
pela Tese.
5) Entendendo a Tese de Church-Turing – Um passo de cada vez
Referências
13
COPPETTI, Carlos. Alan Turing: O Enigma. Porto Alegre: L&PM, 2014.
HODGES, Andrew. Alan Turing: The Enigma. Princeton: Princeton University Press, 2014.
TURING, Alan Mathison. Computing Machinery and Intelligence. Mind, v. 59, n. 236, p. 433-460, 1950.
Disponível em: https://doi.org/10.1093/mind/LIX.236.433
HAUER, Matheus. Inteligência Artificial: fundamentos, técnicas e aplicações. São Paulo: LTC, 2022.
RUSSELL, Stuart J.; NORVIG, Peter. Inteligência Artificial. 3. ed. Rio de Janeiro: Elsevier, 2013.
FLORIDI, Luciano. The Ethics of Information. Oxford: Oxford University Press, 2013.
PENROSE, Roger. A nova mente do imperador: computadores, mentes e as leis da física. Rio de Janeiro:
Campus, 1991.
TEIXEIRA, A. Inteligência artificial e sociedade: impactos, desafios e perspectivas. São Paulo: Atlas, 2021.
Slide 1: Curso: Engenharia de Software Disciplina: Inteligência Artificial + Total Software Process
Slide 2
Slide 3: Breve biografia de Alan Turing, considerado como o Pai da Ciências da Computação.
Slide 4: 2)Artigo: Computing Machinery and Intelligence
Slide 5: 3) O jogo da Imitação ou o Teste de Turing
Slide 6
Slide 7
Slide 8
Slide 9
Slide 10
Slide 11
Slide 12
Slide 13: Referências