Pós-Graduação_Fundamentos da Inteligência Artificial_Fundamentos da InteligÃncia Artificial

Prévia do material em texto

1
Fundamentos 
da Inteligência 
Artificial
2
3
Sumário
Fundamentos da inteligência artificial e sua história 
 Introdução as definições de Inteligência Artificial 
 IA, um campo interdisciplinar 
 Filosofia	
 Matemática	
 Economia	
 Neurociência	
 Psicologia	
 Engenharia	de	computadores	
 Teoria	de	controle	e	cibernética	
 Linguística	
 A história da IA
Agentes inteligentes e o ambiente para a IA 
 Definições introdutórias sobre os agentes e a IA 
 O teste de Turing e os agentes inteligentes 
 Tipos de agentes 
 Agentes e sua relação com o ambiente 
 Onde os agentes estão presentes em nossas vidas 
Lógica proporcional 
 O que são agentes baseados em conhecimentos 
 Introdução a lógica na computação 
CLIQUE NO CAPÍTULO PARA SER REDIRECIONADO
6
7
10
11
11
12
13
14
14
15
16
16
19
20
22
24
25
28
30
31
33
4
Sumário
 A lógica proposicional e os sistemas inteligentes 
Grafos para busca em espaço de estados 
 O que são grafos 
 O que é uma máquina de estados 
 Grafos de planejamentos 
 Tipos	de	buscas	computacionais	em	espaço	de	estados	
 Planejamentos	estratégicos	com	busca	em	espaço	
Referências 
CLIQUE NO CAPÍTULO PARA SER REDIRECIONADO
34
41
42
45
47
48
48
52
5
Objetivos Definição
Explicando Melhor Você Sabia?
Acesse Resumindo
Nota Importante
Saiba Mais Reflita
Atividades Testando
Para o início do 
desenvolvimento de uma 
nova competência;
Se houver necessidade 
de se apresentar um novo 
conceito;
Algo precisa ser melhor 
explicado ou detalhado;
Curiosidades indagações 
lúdicas sobre o tema em 
estudo, se forma necessárias;
Se for preciso acessar um 
ou mais sites para fazer 
download, assistir vídeos, ler 
textos, ouvir podcast;
Quando for preciso se fazer 
um resumo acumulativo 
das últimas abordagens;
Quando forem necessárias 
observações ou 
complementações para o 
seu conhecimento;
As observações escritas 
tiveram que ser priorizadas 
para você;
Textos, referências 
bibliográficas e links para 
aprofundamento do seu 
conhecimento;
Se houver a necessidade 
de chamar a atenção 
sobre algo a ser refletido ou 
discutido sobre;
Quando alguma atividade 
de autoaprendizagem for 
aplicada;
Quando o desenvolvimento de 
uma competência for concluído 
e questões forem explicadas. 
6
@faculdadelibano_
1
Fundamentos da 
inteligência artificial 
e sua história
7
Fundamentos da Inteligência Artificial Capitulo 1
Fundamentos da inteligência 
artificial e sua história
Introdução as definições de Inteligência Artificial
Há	muito	tempo,	os	pensadores	gregos	procuraram	entender	aspectos	fundamentais	
da	natureza	e	do	homem,	como:	o	sentido	da	vida,	os	fenômenos	naturais,	das	relações	
entre	os	homens	e	os	deuses,	assim	como,	entre	o	homem	e	o	homem.
Dentro	das	reflexões	realizadas	pelos	pensadores	do	passado,	estava	o	entendimento	da	
inteligência	humana	como	um	importante	aspecto	ligado	a	nossa	natureza,	buscando	
o	 entendimento	 de	 como	 pensamos,	 uma	 habilidade	 compartilhada	 por	 todos	 os	
indivíduos	e	sendo	a	fonte	principal	de	nossa	sobrevivência.	
Em	razão	disto,	originou-se	o	termo	Homo	sapiens,	tendo	por	significado	“homem	sábio”,	
reforçando	 mais	 uma	 vez	 a	 ideia	 da	 inteligência	 como	 um	 diferencial	 humano	 em	
relação	as	demais	criaturas.
Objetivos
A	Inteligência	Artificial	(IA)	é	um	dos	campos	mais	recentes	da	Ciência	da	
Computação,	com	menos	de	100	anos	de	desenvolvimentos	e	pesquisas.	
Porém,	sua	aplicação	moldou	e	continua	a	moldar	a	nossa	sociedade	e	
a	forma	como	nos	relacionamos	com	a	tecnologia.	Neste	sentido,	para	
entender	como	a	IA	é	uma	área	altamente	relevante	para	nossas	vidas,	
este	capítulo	abordará	a	história	e	os	principais	conceitos	e	fundamentos	
gerais	ligados	à	IA	e	como	estes	estão	relacionados	ao	desenvolvimento	
social	e	tecnológico	atual,	bem	como,	permitir	uma	reflexão	sobre	seus	
impactos	futuros.	Vamos	juntos	explorar	estes	conhecimentos!
8
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Entre	 as	 principais	 características	 da	 inteligência,	 estão	 as	 habilidades	 de	 perceber,	
compreender,	prever,	construir	e	manipular	o	mundo	em	que	estamos	inseridos,	sendo	
estes	aspectos	uma	das	bases	fundamentais	da	 Inteligência	Artificial	quanto	ciência,	
procurando	 criar	 entidades	 artificiais	 capazes	 de	 simular	 as	 características	 citadas,	
entre	outras,	referentes	à	inteligência	presente	no	homem.
Desta	 forma,	 uma	 vez	 que	 algumas	 das	 principais	 características	 das	 IAs	 foram	
apresentadas,	poderemos	definir	o	que	é	uma	IA.	
Porém,	esta	é	uma	 tarefa	um	pouco	complexa,	 visto	que,	além	de	existirem	diversas	
definições	sobre	o	que	é	um	sistema	dotado	de	inteligência,	estas	definições	também	
levam	em	consideração	aspectos	particulares	da	aplicação	e	da	simulação	a	ser	feita.
Segundo	Russell	(2013),	podemos	definir	às	IAs	de	acordo	com	4	estratégias:	pensando	
com	 humanos,	 pensando	 racionalmente,	 agindo	 como	 seres	 humanos	 e	 agindo	
racionalmente.
Note	que,	pensar	como	humano	e	pensar	racionalmente,	está	relacionado	ao	processo	
de	pensamento	e	raciocínio,	enquanto,	agir	como	um	ser	humano	e	agir	racionalmente,	
está	relacionado	a	comportamentos.
Desta	forma,	podemos	apresentar	um	conjunto	de	definições	sobre	IA	relativas	a	cada	
uma	das	quatro	estratégias	apresentadas.	
O	Quadro	1	apresenta	um	conjunto	de	duas	definições	para	cada	uma	das	estratégias,	
totalizando	 em	 oito	 definições	 que	 demonstram	 a	 alta	 maleabilidade	 que	 sistemas	
inteligentes	possuem	em	suas	aplicações	e	na	forma	como	são	desenvolvidos.
9
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
FIGURA 1
Estratégias	de	criação	de	sistemas	inteligentes
FONTE
Russel	(2013
Uma	vez	apresentada	as	definições,	vamos	construir	juntos	nossa	própria	definição.
Em	primeiro	lugar,	é	preciso	atentar	para	o	fato	de	que	uma	IA	dota	um	equipamento,	
sistema	ou	artefato	computacional	com	suas	características.
10
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Em	seguida,	notamos	que	a	inteligência	é	uma	capacidade	psíquica	que	permite	a	seu	
portador	habilidades	como:	perceber,	compreender,	prever,	construir	e	manipular	algo	
ligado	ao	ambiente	que	se	está	inserido	ou	o	ambiente	como	todo.
Desta	forma,	depreende-se	que	a	Inteligência	Artificial	é	a	capacidade	fornecida	a	um	
sistema	digital,	artefato	ou	equipamento	de	manifestar	habilidades	psíquicas	 ligadas	
ao	ambiente	em	que	está	inserido.
IA, um campo interdisciplinar
A	 Inteligência	 Artificial	 é	 um	 dos	 mais	 recentes	 campos	 da	 computação	 a	 serem	
desenvolvidos	e	compreendidos	como	ciência.	Este	fato	corrobora	para	que	um	número	
elevado	 de	 outras	 disciplinas	 sejam	 usadas	 como	 base	 para	 a	 criação	 de	 produtos	
inteligentes.
Muitos	destes	produtos	estão	presentes	em	nossas	vidas	em	diversas	formas,	como	os	
sistemas	de	venda	que	procuram	avaliar	os	perfis	de	compra	dos	clientes	para	oferecer	
ofertas	direcionadas	aos	padrões	de	consumo	específicos	de	cada	cliente,	o	qual,	este	
tipo	de	análise	de	perfil	de	consumo	também	está	inserido	em	redes	sociais	e	outras	
ferramentas	de	uso	diário,	permitindo	uma	análise	mais	profunda	e	acertada	sobre	os	
ditos	padrões.
Outras	 ferramentas	 procuram	 perceber	 os	 padrões	 dos	 usuários	 para	 melhorar	 a	
experiência	de	uso,	como	sistemas	de	navegação	que	utilizam	gps,	a	analise	do	perfil	
de	rotas	faz	o	sistema	dar	preferencialmente	rotas	feitas	corriqueiramente	pelo	usuário.
Sistemas	de	entretenimento	em	massa	por	mídia	de	vídeo	também	utilizam	esta	análise	
para	indicar	filmes	e	série	especificas	para	cada	usuário,	entre	outras	funções.
Desta	 forma,	 perceba	 que	 a	 IA	 está	 mais	 próxima	 de	 nós	 do	 que	 muitas	 vezes	
imaginamos,	seja	em	um	aplicativo	de	filmes	e	séries,	uma	rede	social,	o	uso	de	uma	
agenda	ou	despertador	digital,	entre	outros.Você	é	capaz	de	perceber	estes	sistemas	
no	seu	cotidiano?
11
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Neste	sentido,	esta	seção	apresentará	um		breve	 	 resumo		de	como	certas	áreas	do	
conhecimento	contribuíram	e	contribuem	para	a	Inteligência	Artificial.
Filosofia
A	 filosofia	 é	 um	 dos	 campos	 do	 conhecimento	 mais	 antigo	 que	 temos	 registros	 e	 o	
mãe	de	outros	diversos	campos	de	conhecimentos,	bem	como,	da	fundamentação	dos	
conceitos	de	ciência	como	a	conhecemos	hoje.
Um	dos	primeiros	pensadores	a	levantarem	o	tema	sobre	as	leis	que	fundamentam	a	
parte	racional	da	mente	foi	Aristóteles	(384-322	a.C.),	sendo	este	um	dos	primeiros	passos	
para	o	desenvolvimento	e	estudos	de	como	as	ideias	se	organizam	racionalmente.
Este	raciocínio	permitiu	que	outros	grandes	nomes	como	Hobble	(1588-1679)	e	Leonardo	
da	 Vinci	 (1452-1519)	 não	 apenas	 proporem,	 mas	 também	 desenvolvessem	 artefatos	
mecânicos	levando	em	consideração	que	o	raciocínio	humano	era	similar	à	computação	
numérica.
Todas	 as	 breves	 contribuições	 citadas	 estão	 fortemente	 ligadas	 a	 conjuntos	 de	
questionamentos	ligados	à	prática	filosófica,	sendo	alguns	deles	apresentados	abaixo:
• A	utilização	de	regras	formais	apresenta	válidas	conclusões?
• Como	se	dá	o	desenvolvimento	intelectual	em	um	cérebro	biológico?
• Qual	a	origem	do	conhecimento?
• Como	o	conhecimento	está	vinculado	as	ações?
Perguntas,	muitas	vezes	simples,	como	estas,	provocam	os	desenvolvedores	de	sistemas	
inteligentes	a	procurarem	soluções	cada	vez	mais	eficientes	e	próximas	da	forma	como	
os	humanos	as	respondem.
Matemática
A	filosofia	permitiu	o	levantamento	de	questões	que	ao	serem	respondidas,	fomentaram	
as	principais	ideias	ligadas	a	IA.	Porém,	foi	através	da	matemática	que	muitas	destas	
12
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
ideias	puderam	ser	aplicadas,	 formalizando	três	áreas	da	matemática	 fundamentais	
para	a	IA:	lógica,	computação	e	a	probabilidade.
O	termo	computação	é	uma	derivação	da	palavra	computar,	ou	seja,	a	capacidade	
de	 realizar	 operações	 matemáticas.	 Todavia,	 o	 termo	 computação	 atualmente	 está	
fortemente	ligado	a	lógica	booleana,	onde	os	números	usados	variam	entre	0	e	1,	uma	
aplicação	revolucionária	para	o	desenvolvimento	tecnológico,	em	especial	pela	relativa	
facilidade	no	tratamento	de	pulsos	elétricos	representando	os	valores	1	e	0	na	presença	
ou	ausência	de	corrente	em	um	espaço	determinado	de	 tempo	e	a	capacidade	de	
representar	 qualquer	 número	 ou	 operação	 realizada	 em	 outros	 sistemas	 numéricos,	
como	o	decimal,	através	da	combinação	dos	pulsos	elétricos.
Além	 da	 computação	 e	 da	 lógica,	 a	 probabilidade	 também	 fornece	 uma	 base	
matemática	 importante	 para	 a	 IA.	 Neste	 sentido,	 a	 probabilidade,	 na	 qualidade	 de	
ciência	quantitativa,	permite	o	tratamento	eficiente	de	problemas	de	raciocínio	incertos	
presentes	nos	sistemas	inteligentes.
Perguntas	relevantes	também	são	levantadas	com	base	nos	fundamentos	matemáticos	
citados,	como	os	presentes	abaixo:
• Quais	as	regras	formais	para	obtenção	de	conclusões	válidas?
• Quais	dados	podem	ser	computador?
• Como	se	dá	o	raciocínio	através	de	dados	incertos?
Com	base	nos	estudos	matemáticos,	modelos	importantes	como	o	proposto	por	Thomas	
Bayes	(1702-1761),	chamado	de	análise	bayesiana,	aplicam	probabilidade	em	sistemas	
computacionais	baseados	em	lógica	para	solucionar	problemas	ligados	ao	raciocínio	
incerto.
Economia
A	economia	como	ciência	foi	constituída	através	dos	trabalhos	de	Adam	Smith	(1723-1790),	
filósofo	escocês	que	contribuiu	com	uma	visão	científica	sobre	achados	econômicos	já	
estudados	por	filósofos	de	todo	o	mundo	no	passado,	como	por	exemplo	os	filósofos	
gregos.
13
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Dentre	as	contribuições	da	economia	para	a	IA	está	o	pensamento	crítico	sobre	o	grau	de	
satisfação	e	rentabilidade	que	são	obtidos	das	coisas,	chamado	de	teoria	da	utilidade,	
ligado	as	teorias	probabilísticas,	permitindo	a	tomada	de	decisão	sobre	a	incerteza.
Outra	contribuição	importante	advinda	da	economia	e	da	matemática	é	a	teoria	dos	
jogos	de	John	von	Neumann	(1903-1957)	e	Oskar	Morgenstern	(1902-1977),	que	demostrou	
que	em	certos	ambientes	(jogos),	certos	agentes	podem	adotar	aspectos	aleatórios	na	
busca	por	melhorar	seus	resultados.
Tais	 esforços	 econômicos	 contribuirão	 para	 o	 desenvolvimento	 de	 algoritmos	 de	
decisão	 sequenciais	 como	 o	 processo	 de	 decisão	 de	 Markov,	 um	 algoritmo	 utilizado	
para	tratamento	de	incertezas	com	base	em	estudos	probabilísticos	e	regras	ligadas	a	
conceitos	como	os	ligados	a	teoria	da	utilidade.
Neurociência
A	neurociência	é	um	ramo	da	ciência	que	estuda	o	funcionamento	do	sistema	nervoso,	
com	ênfase,	mas	não	somente,	no	cérebro.
A	 muito	 tempo	 os	 estudiosos	 sabem	 que	 o	 cérebro	 humano	 possui	 características	
que	o	diferenciam	de	outros	animais,	apresentando	o	maior	cérebro	em	proporção	ao	
tamanho	do	corpo.
Em	1938,	o	físico	teórico	Nicolas	Rashevsky	(1899-1972)	fez	uma	das	primeiras	propostas	
onde	modelos	matemáticos	foram	criados	para	representar	e	auxiliar	os	estudos	sobre	
o	sistema	nervoso.
Para	 a	 IA,	 os	 modelos	 matemáticos	 podem	 ser	 usados	 para	 representar	 uma	 das	
principais,	 se	 não	 a	 mais	 importante,	 estrutura	 que	 compõem	 o	 sistema	 nervoso,	 os	
neurônios.
Os	 neurônios	 são	 compostos	 de	 três	 partes	 principais,	 o	 corpo	 celular,	 responsável	
por	 realizar	o	processamento	das	 informações,	os	dendritos,	 responsável	por	 receber	
os	 impulsos	nervosos	e	o	axônio,	prolongamentos	que	 levam	a	 informação	em	uma	
estrutura	ramificada	entre	um	neurônio	e	outros.
14
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Da	 mesma	 forma,	 os	 sistemas	 digitais,	 em	 especial	 alguns	 tipos	 de	 IA,	 como	 as	
redes	 neurais	 artificiais,	 dividem-se	 em	 três	 estruturas	 onde	 uma	 é	 responsável	 pelo	
processamento,	 outras	 duas	 pela	 comunicação	 entre	 diversos	 agentes	 (similar	 aos	
neurônios),	sendo	uma	especializada	em	enviar	e	a	outra	em	receber	informações.
Os	estudos	da	Neurociência	também	permitiram	um	entendimento	melhor	de	como	as	
estruturas	do	cérebro	atuam	em	parceria	para	aumentar	o	poder	de	processamento	
e	 consequentemente	 a	 capacidade	 de	 respostas	 mais	 rápidas	 e	 eficientes	 para	 os	
diversos	estímulos.
Tais	estudos	fundamentaram	não	apenas	a	computação	e	criação	de	computadores	
cadavez	mais	eficientes,	mas	também,	na	conexão	entre	diversos	sistemas	aumentando	
consequentemente	seu	poder	de	processamento.
Psicologia
A	psicologia	é	responsável	por	realizar	estudos	sobre	o	comportamento	e	a	mente	dos	
humanos	 e	 animais	 com	 base	 em	 critérios	 científicos	 baseados	 em	 evidências.	 Por	
sua	vez,	uma	das	áreas	da	psicologia	que	mais	contribuíram	para	a	IA	foi	a	psicologia	
cognitiva.
A	 psicologia	 cognitiva	 procura	 estudar	 como	 as	 pessoas	 percebem,	 aprendem,	
lembram-se	e	pensam	sobre	dados	que	estas	venham	a	ter	contato	(STERNBERG,	2008).
Outra	 teoria	 importante	 que	 contribui	 para	 o	 desenvolvimento	 da	 IA	 é	 o	 movimento	
chamado	 behaviorismo,	 responsável	 por	 realizar	 estudos	 sobre	 o	 comportamento	
humano	baseado	em	parâmetros	ou	métricas	definidas	ligadas	a	estímulos	e	respostas.
Assim,	os	projetistas	de	IAs	devem	atentar	para	perguntas	ligadas	a	como	os	animais	e	
humanos	pensam	e	agem,	sendo	essa	uma	de	suas	principais	contribuições	para	a	IA.
Engenharia de computadores
15
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
O	desenvolvimento	dos	computadores	evoluiu	e	continua	a	evoluir	aumentando	o	poder	
de	processamento	enquanto	barateia	o	custo	dos	meios	de	armazenamento	de	dados.
Está	evoluçãopode	ser	percebida	quando	analisamos	o	poder	de	processamento	do	
computador	que	auxiliou	a	ida	do	homem	à	lua,	o	qual,	consistia	em	um	aparelho	de	
36Kg	com	clock	máximo	de	2.048	MHz	e	uma	RAM	de	4	kB.	
Ao	 ser	 comparado	 com	 um	 processador	 Intel	 I7-7700HQ	 com	 capacidade	 de	 clock	
máximo	de	até	3.80	GHz	com	a	memória	RAM	dos	computadores	modernos	facilmente	
superando	os	2	GB.
Note	que,	ao	passo	que		os		computadores		aumentaram		seu	poder	de	processamento	
e	armazenamento,	o	custo	destes	mesmos	computadores	reduziu	a	ponto	de	podermos	
possuir	hoje	máquinas	muito	superiores	aos	computadores	que	levaram	o	homem	à	lua.
Mesmo	 que	 os	 computadores	 apresentem	 configurações	 cada	 vez	 mais	 robustas	
e	acessíveis,	a	aplicação	das	técnicas	de	engenharia	de	software	como	gerência	de	
requisitos,	 boas	 práticas	 de	 desenvolvimento	 como	 a	 rastreabilidade	 e	 padrões	 de	
projeto,	 entre	 outras	 aplicações	 que	 procuram	 dar	 produtividade	 e	 qualidade	 aos	
softwares,	tem	contribuído	para	a	criação	de	sistemas	de	IA	cada	vez	mais	eficientes.
Teoria de controle e cibernética
A	teoria	do	controle,	cujo	qual	tem	por	base	as	teorias	probabilísticas,	tem	por	objetivo	
maximizar	uma	função	objetivo	em	relação	ao	tempo,	com	a	subárea	conhecida	como	
métodos	 estocásticos,	 cujo	 os	 objetos	 não	 possuem	 estado	 e	 origem	 determinados,	
como	uma	das	principais	contribuições.
Tais	estudos	contribuíram	para	que	novos	modelos	fossem	propostos	em	contra	partida	
aos	modelos	behavioristas,	em	especial	com	a	proposta	de	que	máquinas	poderiam	
ser	dotadas	de	inteligência,	dando	luz	a	cibernética.
Assim,	o	levantamento	do	questionamento	de	como	um	sistema	digital	pode	operar	de	
forma	autônomas,	é	o	questionamento	levantado	para	a	IA.
 
16
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Linguística
 
Por	fim,	a	linguística	moderna	é	uma	área	do	conhecimento	que	surgiu	aproximadamente	
na	mesma	época	que	a	IA	compartilhando	áreas	de	estudo	como	o	processamento	de	
linguagem	natural.
A	linguística	estuda	aspectos	da	fala,	linguagem	e	da	própria	língua,	avaliando	aspectos	
importantes	sobre	sua	relação	com	o	pensamento,	ao	avaliar	os	processos	como,	análise,	
interpretação,	compreensão,	entre	outros	ligados	ao	campo	de	estudo	abrangente	da	
linguística.
Desta	forma,	sua	contribuição	se	dá	ao	avaliar	como	o	pensamento	é	influenciado	pelas	
relações	presentes	na	linguagem.
As	disciplinas	e	áreas	apresentadas	não	esgotam	a	possibilidade	de	outras	disciplinas	
apresentarem	contribuições	para	a	IA.	Devemos	lembrar	que	o	ramo	de	pesquisa	das	IAs	
está	em	pleno	desenvolvimento	até	hoje,	com	cada	vez	mais	participação	e	formação	de	
profissionais	para	atender	a	demanda	do	mercado	por	pesquisas	e	desenvolvimentos	
na	área.
A história da IA
A	história	da	IA	é	altamente	rica	e	cheia	de	reviravoltas,	porém,	esta	seção	procurará	não	
apenas	fundamentar	os	principais	fatos	e	históricos,	mas	também,	procurar	instigar	a	
busca	por	mais	informações	sobre	essa	os	fatos	que	levaram	a	IA	a	ser	um	dos	campos	
mais	interessantes	da	computação.
O	 primeiro	 trabalho	 ligado	 a	 IA	 apresentado	 foi	 em	 1943,	 onde	 Warren	 McCulloch	 e	
Walter	Pitts	apresentaram	uma	proposta	de	um	modelo	de	neurônio	artificial	baseado	
em	estudos	sobre	neurociência,	teoria	dos	sistemas	e	lógica	proporcional.	Porém,	nesta	
época	ainda	não	existia	o	conceito	moderno,	bem	como	o	termo,	Inteligência	Artificial.
Neste	 trabalho,	 foi	 demostrado	 que	 todos	 os	 operadores	 lógicos	 (e,	 ou,	 não,	 etc.)	 e	
funções	 computáveis,	 poderiam	 ser	 implementados	 em	 uma	 rede	 conectada	 de	
neurônios	simples.
17
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Em	1956,	em	um	seminário	no	Dartmouth	College,	em	Hanover,	New	Hampshire,	liderados	
pelo	PhD	John	McCarthy	(1927-2011),	foi	proposto	que	a	IA	deveria	se	tornar	um	campo	
próprio	de	pesquisas.
Porém,	mesmo	sendo	cunhado	o	termo	e	a	área	de	pesquisa	da	 IA,	o	seminário	não	
apresentou	 novidades,	 em	 contrapartida,	 criou	 um	 grupo	 forte	 de	 pesquisadores	
formado	por	professores	e	alunos	que	dominaram	as	pesquisas	na	área	nos	próximos	
20	anos.
Os	primeiros	anos	após	a	criação	da	área	de	pesquisas	sobre	IA	causaram	entusiasmo	
na	comunidade	acadêmica,	fato	devido	possivelmente	a	visão	que	os	computadores	
eram	 meras	 máquinas	 para	 realizar	 operações	 aritméticas,	 como	 citado	 por	 Russell	
(2013).
Porém,	por	 volta	da	metade	da	década	de	60	do	 século	XX,	notou-	 se	que	o	 rápido	
avanço	e	a	maravilha	de	computadores	pensantes	não	seria	algo	para	ser	alcançado	
em	10	ou	20	anos,	na	sorte	que,	muitas	das	predições	realizadas	no	início	da	IA,	prevendo	
seu	acontecimento	para	 10,	 só	se	concretizaram	cerca	de	40	anos	depois,	como	um	
computador	ser	campeão	de	xadrez,	ocorrido	em	1993	quando	o	sistema	Deep	Blue	da	
IBM	derrotou	o	então	campeão	mundial	de	xadrez	Garry	Kasparov.
Foi	apenas	por	volta	de	 1980	que	a	 IA	se	 tornou	comercialmente	bem	sucedida	com	
um	sistema	que	foi	capaz	de	configurar	pedidos	de	novos	sistemas	de	computadores,	
acarretando	na	economia	de	cerca	de	40	milhões	de	dólares	por	ano,	o	R1,	da	empresa	
Digital	Equipment	Corporation.
Saiba Mais
Sobre		a		história		da		IA		assistindo		o		vídeo		“A		história		da	Inteligência	
Artificial	-	TecMundo”.	Acesse	o	vídeo	clicando	aqui.
https://www.youtube.com/watch?v=Lhu8bdmkMCM
18
Fundamentos da Inteligência Artificial Fundamentos da inteligência artificial e sua história Capitulo 1
Através	do	sucesso	comercial,	outras	empresas	pelo	mundo	passaram	a	desenvolver	
sistemas	 inteligentes	 para	 as	 mais	 diversas	 funções,	 como:	 sistemas	 de	 suporte	
financeiros,	robôs,	assistentes,	entre	outros.
Atualmente,	a	 IA	está	presente	em	diversos	sistemas,	 todavia,	nota-se	certo	 foco	nas	
áreas	 de	 análise	 de	 grande	 quantidade	 de	 dados	 e	 procura	 por	 padrões,	 ambos	
utilizados	 fortemente	 pela	 indústria	 e	 comércio	 para	 dar	 mais	 eficiência	 na	 oferta	 e	
produção	de	serviços	e	produtos.
Resumindo
Neste	capítulo	observamos	que	a	 IA	–	 Inteligência	Artificial	–	pode	ser	
conceituada	 de	 acordo	 com	 diferentes	 estratégias,	 permitindo	 aos	
desenvolvedores	 aplicarem	 definições	 diferentes	 entre	 as	 estratégias	
e	dentro	das	próprias	estratégias.	Em	seguida,	vimos	que	o	campo	de	
conhecimento	 da	 IA	 é	 composto	 de	 contribuições	 de	 diversas	 outras	
áreas	 do	 conhecimento,	 como	 engenharia	 de	 software,	 economia,	
filosofia	e	outras,	cada	uma	contribuindo	com	reflexões	que	permitem	
uma	visão	mais	complexa	e	profunda	sobre	como	dotar	um	sistema	de	
capacidades	que	simulam	a	inteligência.	Por	fim,	fizemos	um	pequeno	
resumo	da	história	da	IA	apresentando	os	principais	momentos	históricos	
e	sua	relevância	para	as	pesquisas	e	aplicações	atuais	da	Inteligência	
Artificial.	Assim,	esperamos	que	os	conteúdos	apresentados	tenham	sido	
compreendidos,	pois,	entender	as	origens	e	os	clássicos	nos	permitem	
não	apenas	não	replicar	os	erros	do	passado,	mas	refletir	sobre	eles	e	
procurar	continuar	com	as	boas	práticas	já	realizadas,	as	melhorando	
e	 encontrando	 novos	 caminhos	 para	 as	 futuras	 gerações.	 Assim	 é	 a	
ciência!
19
@faculdadelibano_
2
Agentes inteligentes 
e o ambiente para a 
IA
20
Fundamentos da Inteligência Artificial Capitulo 2
Agentes inteligentes e o 
ambiente para a IA
Definições introdutórias sobre os agentes e a IA
No	capítulo	1	deste	módulo,	aprendemos	conceitos	da	IA	e	sua	relação	multidisciplinar	
com	diversos	campos	do	conhecimento.	Todavia,	não	chegamos	a	conceituar	o	que	
fundamentalmente	é	inteligência.
Na	 figura	 abaixo,	 Quadro	 2,	 está	 apresentado	 os	 conceitos	 de	 inteligência	 segundo	
o	minidicionário	da	 língua	portuguesa	(BUENO,	2016),	e	o	dicionário	Houaiss	da	 língua	
portuguesa	(2009).
Objetivos
O	conceito	de	agentes	é	um	importante	conhecimento	para	quem	vai	
estudar	IA,	pois,	são	os	agentesque	são	dotados	de	inteligência	através	
de	 diversos	 modelos,	 o	 qual,	 estudaremos	 a	 frente	 alguns.	 Assim,	 o	
objetivo	deste	capítulo	é	 familiarizá-lo	com	o	conceito	e	 identificação	
do	que	vem	a	ser	um	agente	para	IA.
21
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Note	que,	as	definições	citadas	possuem	algumas	características	comuns,	a	capacidade	
de	interpretar	o	ambiente	em	algum	nível,	sendo	todas	elas	vinculadas	a	um	indivíduo	
capaz	de	agir	segundo	princípios	de	autonomia.
Desta	forma,	podemos	simplificar	que	um	ser	inteligente	é	um	agente,	ou	seja,	um	ser	
que	age,	assim	como	seu	significado	em	latim,	agere,	significando	fazer.
Os	humanos	e	outras	espécies	de	seres	vivos	 também	podem	ser	entendidos	como	
agentes,	 pois	 uma	 função	 biológica	 presente	 em	 todos	 estes	 seres	 é	 a	 capacidade	
sensorial	que	por	sua	vez	culmina	em	ações	em	resposta	a	estímulos	externos	ao	ser.
Por	exemplo.	Um	humano	ao	colocar	a	mão	sobre	uma	superfície	muito	quente,	reagirá,	
em	geral,	automaticamente	retirando	a	mão	da	dita	superfície.
FIGURA 2
Estratégias	de	criação	de	sistemas	inteligentes
FONTE
Autor	(2020).
22
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Da	mesma	forma,	os	olhos	são	sensores	capazes	de	captar	uma	certa	faixa	do	espectro	
eletromagnético,	convertendo-o	em	imagens	ou	objetos	que	representam	o	ambiente	
em	que	está.
Assim,	como	citado	por	Segundo	Russell	(2013),	quando	um	agente	responde	a	estímulos	
externos	internos	e	externos	em	pró	de	alcançar	bons	resultados,	este	agente	pode	ser	
entendido	como	um	agente	racional.
Estes	agentes	racionais	irão	em	pró	de	benefícios	próprios	ou	de	uma	comunidade	de	
agentes,	procurar	interagir	com	seu	ambiente	e	com	os	demais	agentes	colaborando	
para	solucionar	problemas	da	forma	mais	eficiente.
Esta	definição	acima	é	será	a	definição	padrão	para	agentes	inteligentes	computacionais,	
também	chamados	de	agentes	inteligentes	artificiais.
As	 seções	 a	 seguir	 tratarão	 de	 aspectos	 fundamentais	 ligados	 aos	 agentes	 e	 sua	
aplicação	na	IA.
 
O teste de Turing e os agentes inteligentes
Esta	seção	abordará	conceitualmente	o	 teste	de	Turing	e	sua	 importância	para	a	 IA,	
bem	como,	sua	ligação	com	o	conceito	de	agente	já	apresentado.
O	 cientista	 da	 computação	 e	 matemático	 Alan	 Mathison	 Turing	 (1912-	 1954),	 realizou	
importantes	contribuições	para	a	ciência	da	computação	com	seus	 trabalhos	sobre	
formalização	de	algoritmos	e	com	a	máquina	de	Turing
Saiba Mais
Um	 dos	 feitos	 notórios	 de	 Turing	 foi	 trabalhar	 na	 decodificação	 da	
máquina	 enigma	 das	 alemãs,	 uma	 espécie	 de	 computador	 capaz	
de	 criptografar	 e	 descriptografar	 informações,	 sendo	 este	 feito	 muito	
importante	para	o	esforço	de	guerra	dos	aliados.
23
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Por	volta	de	1950,	Alan	Turing	apresentou	a	proposta	de	um	teste	que	procurou	avaliar	
se	 um	 computador	 era	 capaz	 de	 agir	 de	 forma	 inteligente,	 com	 este	 teste	 também	
servindo	para	definir	o	conceito	de	inteligência	operacional	(TURING,	1950).
O	 teste	 é	 relativamente	 simples	 em	 seu	 conceito.	 Um	 ser	 humano	 deveria	 fazer	 um	
conjunto	 de	 perguntas	 textuais	 para	 um	 conjunto	 de	 agentes,	 sendo	 estes	 agentes	
humanos	e	mecânicos	(representado	por	computadores).
Uma	 vez	 analisada	 as	 perguntas,	 os	 agentes	 deveriam	 responder	 as	 questões	 que	
seriam	posteriormente	analisadas	pelo	humano	que	as	formulou.
Este	humano	em	seguida	deveria	dizer	se	as	respostas	foram	dadas	por	um	humano	ou	
por	um	computador.
Segundo	a	proposta	de	Turing	em	seu	teste,	para	que	uma	máquina	venha	a	conseguir	
sucesso	neste	teste	ela	deve	apresentar	um	conjunto	de	características	fundamentais,	
sendo	elas:
 
• Ser	capaz	de	processar	linguagem	natural,	ou	seja,	linguagens	próximas	das	línguas	
faladas	por	pessoas,	como	inglês	e	português.
• Ser	 capaz	 de	 armazenar	 um	 conjunto	 de	 conhecimentos	 sobre	 dados	 que	 tem	
acesso.
• Ser	capaz	de	realizar	operações	de	raciocínio,	compreendendo	o	que	está	analisando	
e	gerando	inferências	sobre	estes	dados.
• Ser	capaz	de	aprender	baseada	em	padrões	matemáticos	como	os	definidos	na	área	
da	computação	chamada	aprendizado	de	máquina,	onde	modelos	matemáticos	
são	usados	para	identificar	padrões	de	dados,	o	que	acarreta	na	possibilidade	de	
aprender	e	tratar	dados	segundo	características	específicas.
24
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Por	fim,	notem	que	o	teste	de	Turin	procura	verificar	se	um	sistema	é	capaz	de	apresentar	
um	certo	tipo	de	inteligência	ou	simulação	das	capacidades	psíquicas	humanas,	todavia,	
estes	sistemas	com	tais	capacidades	podem	ser	vistos	como	agentes	inteligentes.
Tipos de agentes
Um	agente	pode			ser			implementado			ou			aplicado			com			base	em	características	
que	atendam	a	seu	propósito,	 sendo	construído	parcialmente	ou	completamente	os	
conceitos	que	definem	um	agente.
A	forma	mais	simples	de	implementar	um	agente	é	dotá-lo	da	capacidade	de	reagir	
condicionalmente	a	um	conjunto	de	dados.	Este	tipo	de	agente	é	denominado	agente	
reativo	simples,	e	são	os	agentes	mais	fáceis	de	serem	implementados	e	mais	utilizados	
devido	esta	característica.
 
Se	o	objetivo	do	sistema	é	monitorar	o	ambiente	em	que	o	agente	está	 inserido,	ele	
deverá	 manter	 um	 tipo	 de	 estado	 parcial	 do	 mundo	 em	 sua	 memória,	 para	 poder	
comparar	 quando	 ocorrerem	 mudanças	 dentro	 da	 área	 analisada.	 Esta	 memória	
parcial	é	chamada	de	modelo	do	mundo,	um	termo	que	nomeia	este	tipo	de	agente,	os	
agentes	reativos	baseados	em	modelo.
Manter	um	modelo	do	mundo	permite	o	agente	observar	as	mudanças	que	ocorrem	
em	seu	ambiente,	porém,	apenas	a	percepção	da	mudança	não	significa	que	o	agente	
agia	de	diferentes	maneiras	ou	específicas.	
Nota
É	 inevitável	a	observação	dos	 trabalhos	e	propostas	de	Turing	para	o	
desenvolvimento	de	diversas	subáreas	da	IA,	como	as	pesquisas	sobre	
linguagem	natural	e	aprendizado	de	máquina,	com	muitos	cientistas	e	
entusiastas	 procurando	 criar	 sistemas	 que	 passem	 no	 teste	 proposto	
por	Turing	até	os	dias	de	hoje.
25
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Para	isso,	os	agentes	baseados	em	objetivos,	nome	dado	pela	regra	de	criar	objetivos	
a	 serem	 alcançados,	 procuram	 manter	 conjuntos	 de	 regras	 a	 serem	 utilizados	 em	
conjunto	com	o	modelo	do	mundo,	permitindo	por	sua	vez	que	estratégias	possam	ser	
aplicadas	em	pró	de	alcançar	objetivos	pré-determinados.
Por	fim,	o	último	tipo	de	agente	explanado	neste	módulo,	será	os	agentes	baseados	em	
utilidade.
Estes	 agentes	 procuram	 executar	 suas	 ações	 com	 base	 em	 objetivos,	 porém,	 estes	
procuram	a	melhor	forma	de	fazê-lo,	ou	procuram	atingir	um	certo	nível	de	felicidade	
pessoal,	por	exemplo,	executando	o	objetivo	com	o	menor	custo	computacional	possível.
O	termo	utilidade	no	nome	do	agente	tem	sua	origem	no	entendimento	dos	economistas	
e	 cientistas	 da	 computação	 que	 felicidade	 é	 um	 termo	 pouco	 científico,	 utilizando	
utilidade	em	seu	lugar.
Estes	são	alguns	dos	modelos	de	agentes	existentes,	porém,	esta	seção	tem	por	objetivo	
dar	 uma	 visão	 geral	 da	 modularidade	 que	 os	 agentes	 são	 capazes	 de	 apresentar,	
cabendo	ao	desenvolvedor	avaliar	o	que	o	agente	deve	fazer,	seus	objetivos	e	como	se	
dá	a	relação	entre	o	agente	e	o	ambiente,	bom	como,	entre	o	agente	e	outros	agentes.
Agentes e sua relação com o ambiente
O	 ambiente	 é	 um	 importante	 fornecedor	 de	 estímulos	 para	 os	 agentes	 pois	 está	
constantemente	 sendo	 influenciado	 por	 eventos	 externos,	 bem	 como,	 pelos	 próprios	
agentes	que	estão	dentro	de	si.
Podemos	fazer	uma	abstração	de	um	ambiente	ao	compará-lo	a	uma	cidade,	desta	
forma,	as	pessoas	seriam	os	agentes	que	constantementeo	modificam	e	 interagem	
com	outros	agentes.	
Da	mesma	sorte,	a	cidade	pode	sofrer	influência	de	eventos	naturais	ou	realizar	comércio	
com	outras	cidades.	Todas	estas	interações	permitem	que	os	agentes	ao	perceberem	
as	mudanças	no	ambiente,	possam	reagir	segundo	suas	próprias	estratégias	a	estas,	
realizando	alguma	ação	ou	as	ignorando.
26
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Da	mesma	forma	que	um	humano	não	é	capaz	de	ver	toda	uma	cidade	de	uma	vez,	
bem	como,	perceber	todos	os	eventos	de	uma	vez,	alguns	ambientes	computacionais	
podem	ser	do	tipo	completamente	observáveis	ou	parcialmente	observáveis	para	um	
dado	agente.	Apesar	de	incomum,	um	ambiente	também	pode	ser	inobservável	para	
um	agente	que	não	possui	sensores	para	analisar	o	ambiente.
Os	 ambientes	 apresentam	 conjuntos	 de	 características	 que	 os	 definem,	 podendo	
algumas	 serem	 implementadas	 separadamente	 e	 outras	 sendo	 concorrentes	 de	
modelos	opostos	como	apresentado	abaixo:
Ambientes	 determinísticos	 vs	 estocásticos:	 Um	 ambiente	 determinístico	 é	 aquele	
que	 possui	 seu	 próximo	 estado	 baseado	 no	 estado	 anterior.	 Por	 sua	 vez,	 ambientes	
estocásticos	 possuem	 estados	 aleatórios	 ou	 com	 regras	 muito	 complexas,	 o	 que	 as	
torna	muito	difícil	ou	impossíveis	de	serem	previstas.
Ambiente	episódico	vs	sequencial:	Um	agente	presente	em	um	ambiente	episódico	tem	
suas	ações	atuais	não	gerando	repercussões	em	um	dado	período	de	tempo,	com	o	
próximo	episódio	iniciando	o	agente	segundo	características	pré-definidas	para	cada	
momento.	Porém,	agentes	em	ambientes	sequenciais	quando	executam	alguma	ação,	
a	reação	gera	um	efeito	em	cadeia	que	permanecerá	até	que	alguma	regra	o	modifique	
ou	finalize.
Ambiente	estático	vs	dinâmico	vs	semi-estático:	Estas	características	permitem	ou	não	
que	agentes	modifiquem	o	ambiente	durante	suas	ações.	Estas	modificações,	presentes	
em	ambientes	dinâmicos,	também	geram	modificações	no	desempenho	dos	próprios	
agentes,	algo	que	não	ocorre	nos	ambientes	estáticos,	porém,	se	um	agente	em	um	
dado	período	sofrer	modificações	sem	que	ocorram	modificações	no	ambiente,	este	
ambiente	é	caracterizado	como	semi-estático.
Ambientes	discretos	ou	contínuos:	Um	ambiente	discreto	é	aquele	que	a	passagem	do	
tempo	se	dá	em	intervalos	definidos	e,	em	geral,	não	muito	curtos,	como,	por	exemplo,	
uma	partida	de	xadrez,	onde	um	jogador	deve	esperar	para	realizar	sua	ação	após	o	
outro	jogador	finalizar	a	sua.	Por	sua	vez,	os	ambientes	contínuos	são	os	que	o	intervalo	
de	 tempo	 são	 quase	 ou	 completamente	 imperceptíveis,	 como,	 por	 exemplo,	 uma	
partida	de	 futebol,	onde	cada	agente	no	campo	atua	em	tempo	real	em	relação	as	
modificações	que	estão	correndo	com	outros	agentes	e	com	o	próprio	ambiente.
27
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Ambientes	conhecidos	vs	desconhecidos:	este	conceito	determina	que	um	agente	em	
um	ambiente	conhecido	é	capaz	de	prever	as	possíveis	saídas	para	suas	ações,	porém,	
ambientes	desconhecidos	forçam	os	agentes	a	aprender,	criar	suas	próprias	regras	e	
com	elas,	gerar	as	saídas.	
Em	alguns	ambientes,	o	conjunto	de	regras	e	saídas	possíveis	podem	ser	conhecidas,	
porém,	é	a	interação	entre	os	diversos	agentes	e	o	ambiente	que	determinará	as	saídas,	
não	sendo	qualquer	agente	capaz	de	prever	qual	saída	ocorrerá.	
Neste	caso,	o	ambiente	é	considerado	semi-conhecido,	pois	mesmo	não	tendo	controle	
das	ações	que	levam	as	saídas,	os	agentes	as	conhecem	bem	devido	as	regras	pré-
estipuladas.
Ambiente	multiagente	ou	com		apenas		um		agente:		Ambientes	em	geral	são	populosos	
na	vida	real,	porém,	note	que,	uma	pessoa	na	condição	de	agente,	pode	ficar	só	em	
casa	e	decidir	fazer	uma	faxina	ou	exercícios	de	IA	para	fixação.	
Da	 mesma	 um	 agente	 virtual	 pode	 estar	 vinculado	 sozinho	 a	 um	 ambiente.	 Assim,	
ambientes	que	possuem	mais	de	um	agente,	mesmo	que	existam	dois	agentes	e	um	não	
tenha	sensores,	são	chamados	de	ambientes	multiagentes	ou	sistemas	multiagentes.
Sistemas	que	possuem	quantidade	dinâmica	de	agentes,	podendo	em	algum	momento	
possuir	 zero	 e	 em	 outros	 muitos	 agentes,	 podem	 nomear	 o	 ambiente	 de	 acordo	
com	a	quantidade	de	agentes	presentes	no	ambiente,	ou	apenas	ser	chamados	de	
multiagentes.
Todas	as	características			citadas			apresentaram			dois			conjuntos	ou	mais	de	regras	
concorrentes,	 todavia,	 uma	 vez	 escolhida	 uma	 regra	 concorrente,	 esta	 pode	 ser	
combinada	com	outras.	Por	exemplo:
O	ambiente	não	pode	ser	discreto,	contínuo	e	conhecido	ao	mesmo	tempo,	pois	discreto	
e	contínuo	são	concorrentes	entre	si.	Podendo	apenas	ou	ser	discreto	e	conhecido	ou	
contínuo	e	conhecido.
28
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Esta	regra	também	serve	para	combinações	com	as	outras	caraterísticas	apresentadas,	
podendo	ao	ambiente	apresentar	apenas	uma	ou	todas,	mas,	sem	conter	características	
concorrentes.
Onde os agentes estão presentes em nossas vidas
Como	já	citado,	agentes	podem	ser	qualquer	objeto	ou	criatura	virtual	ou	real	que	seja	
capaz	de	avaliar	conjuntos	de	dados	e	realizar	inferências	com	base	nestes.
Assim,	podemos	observar	que	estamos	rodeados	de	sistemas	compostos	de	agentes	
em	todas	as	partes.
No	 campo	 computacional,	 coisas	 que	 vemos	 no	 dia	 a	 dia	 como	 um	 semáforo,	 um	
despertador,	ou	o	sistema	eletrônico	de	controle	de	filas	em	bancos	e	outros	locais,	são	
na	prática	agentes	atuando	segundo	conjuntos	de	regras	em	ambientes	específicos.
Por	exemplo,	como	citado,	o	semáforo	que	altera	o	estado	da	luz	entre	vermelho,	amarelo	
e	verde	de	acordo	com	regras	baseadas	no	tempo	decorrido.	Fato	que	também	ocorre	
com	os	despertadores.
Por	sua	vez,	um	sistema	de	controle	de	senhas	em	filas,	levará	em	consideração	mais	
variáveis,	como,	se	o	cliente	é	idoso	ou	requer	atendimento	diferenciado/acelerado.
Desta	forma,	procure	analisar	ao	seu	redor	e	identificar	quais	sistemas	computacionais	
são	agentes	ou	não.	
Também	procure	identificar	padrões	na	sociedade	que	podem	definir	certos	indivíduos	
como	agentes	e	seus	respectivos	ambientes,	procurando	criar	relações	lógicas	entre	as	
ações	dos	agentes	e	as	características	dos	ambientes.
29
Fundamentos da Inteligência Artificial Agentes inteligentes e o ambiente para a IA Capitulo 2
Resumindo
Neste	capítulo	estados	sobre	os	agentes	e	suas	características.	Em	um	
primeiro	 momento,	 procuramos	 apresentar	 conceitos	 fundamentais	
sobre	 inteligência	 e	 sua	 ligação	 com	 a	 IA	 permitindo	 em	 seguida	
definir	 o	 que	 vem	 a	 ser	 um	 agente	 e	 suas	 principais	 características.	
Em	 seguida,	 falamos	 sobre	 o	 teste	 de	 Turing	 e	 sua	 contribuição	 para	
o	 desenvolvimento	 de	 diversas	 áreas	 da	 IA,	 bem	 como,	 sua	 ligação	
com	 os	 	 agentes	 	 inteligentes.	 	 Uma	 vez	 apresentado	 os	 conceitos	 e	
fundamentos	 básicos	 sobre	 agentes,	 foi	 apresentado	 alguns	 tipos	 de	
agentes,	procurando	demostrar	que	cada	aplicação	deve	ser	levada	em	
consideração	ao	definir	as	características	presentes	nos	agentes.	Além	
das	características	dos	agentes,	também	foi	demostrado	a	importância	
do	 ambiente	 e	 suas	 características,	 que	 em	 geral,	 possuem	 forte	
influência	nos	agentes.	Por	fim,	foi	feita	uma	análise	breve	e	provocativa	
de	como	estamos	rodeados	por	sistemas	baseados	em	agentes.
30
@faculdadelibano_
3
Lógica proporcional
31
Fundamentos da Inteligência Artificial Capitulo 3
Lógica proporcional
O que são agentes baseados em conhecimentos
Uma	 das	 belezas	 da	 vida	 é	 a	 diversidade	 dos	 seres.	 Alguns	 são	 grandes	 e	 outros	
pequenos,	alguns	rápidos	e	outros		lentos,		alguns	vivem	muitos	e	outros	apenas	um	dia.	
Porém	a	habilidade	de	raciocinar	está	presente	apenas	a	seletos	grupos	de	seres,	entre	
eles	os	animais	e	consequentemente	os	humanos.
O	 cérebro	 humano	 é	 composto	 por	 diversas	 partes,	 porém,	 podemosdestacar	 três	
especiais	ligadas	a	teoria	do	cérebro	trino	(DELGADO;	GOMES,	2019).
Nesta	teoria,	o	cérebro	é	dividido	em	3	partes	distintas:	o	neocortex,	parte	mais	externa	
do	cérebro	e	responsável	pelo	pensamento	racional;	sistema	límbico,	ao	qual,	controla	
as	 emoções;	 e	 o	 chamado	 cérebro	 reptiliano,	 parte	 mais	 primitiva	 do	 cérebro	 e	
responsável	 pelo	 pensamento	 irracional,	 ou	 seja,	 pelas	 ações	 realizadas	 com	 pouco	
em	nenhum	controle,	como	a	respiração	e	o	impulso	de	retirar	a	mão	de	superfícies	e	
objetos	quentes.	Vide	Figura	1	para	ver	um	modelo	da	teoria	do	cérebro	trino.
O	cérebro	reptiliano	presente	nos	humanos,	é	caracterizado	como	a	parte	irracional,	ou	
automatizada,	de	nossa	inteligência,	atuando	de	forma	a	reduzir	a	carga	de	atenção	
nas	demais	camadas.	
Além	 disso,	 sua	 característica	 reativa	 está	 presente	 em	 todas	 as	 formas	 de	 vida	
conhecidas,	 capacitando	 os	 seres	 sensitivos	 a	 responderem	 a	 estímulos	 internos	 e	
externos	ao	organismo.
Objetivos
Neste	 capítulo	 abordaremos	 sobre	 agentes	 capazes	 de	 raciocinar	 e	
como	esta	simulação	é	feita	através	do	uso	de	modelos	de	conhecimento	
e	estratégias	de	processamento	de	dados.	Vamos	lá!
32
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
Desta	forma,	podemos	fazer	um	comparativo	com	os	agentes	apresentados	no	capítulo	
anterior,	 onde,	 estas	 entidades	 computacionais	 de	 forma	 simplista,	 apresentam	 no	
mínimo	a	capacidade	de	reagir	a	estímulos	diversos,	como	por	exemplo,	a	chamada	de	
uma	função	ou	análise	condicional	de	um	conjunto	de	dados.
Porém,	apenas	reagir	a	estímulos,	não	significa	propriamente	que	a	reação	foi	inteligente,	
logicamente,	 considerando	 inteligência	 algo	 particular,	 ligado	 especialmente	 ao	
raciocínio.
Da	 mesma	 forma	 que	 nosso	 cérebro	 possui	 uma	 camada	 racional,	 o	 neocórtex.	 Os	
agentes	precisam	de	mais	algumas	camadas	para	serem	consideradas		capazes		de		
raciocinar.		
Entre		essas		camadas,		podemos	destacar	uma	base	de	conhecimento	por	aprendizado	
ou	fornecida,	para	servir	de	base	para	o	raciocínio.
Desta	 forma,	 um	 agente	 capaz	 de	 realizar	 tomadas	 de	 decisão,	 possuindo	 também	
um	conjunto	de	regras	reativas	e	uma	base	de	conhecimento,	é	chamado	de	agente	
baseado	em	conhecimento.
FIGURA 3
Modelo	da	teoria	do	cérebro	trino
FONTE
Autor	(2020)
33
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
Introdução a lógica na computação
Esta	seção	não	tem	por	objetivo	aprofundar	sobre	os	conceitos	de	lógica	computacional,	
mas,	apresentar	uma	visão	geral	o	capacitando	a	entender	sobre	os	assuntos	ligados	a	
aplicação	da	lógica	nos	sistemas	inteligentes.
Como	 citado	 no	 capítulo	 1,	 a	 lógica	 é	 uma	 das	 disciplinas	 fundamentais	 para	 a	
computação,	 em	 especial,	 através	 da	 lógica	 booleana,	 permitindo	 que	 dados	 em	
forma	de	pulsos	elétricos	possam	ser	processados	em	estruturas	maiores	e	altamente	
complexas	usadas	tanto	em	circuitos	digitais,	como	na	própria	lógica	para	criação	de	
programas.
A	lógica	booleana	em	sistemas	digitais,	permite	que	um	pulso	possa	ser	tratado	com	
valor	1	ou	0,	porém,	a	combinação	entre	estes	valores	é	uma	de	suas	principais	base	
de	estudos,	pois,	ao	combinar	um	conjunto	de	entradas	 1’s	e	0’s,	usando-se	modelos	
lógicos,	é	possível	gerar	dados	de	resposta	específicos.
Se	um	aparelho	é	capaz	de	receber	um	sinal	0	ou	1,	processá-lo	e	dar	uma	saída	de	um	
único	dígito,	sua	resposta	será	baseada	no	valor	da	entrada.	
Por	exemplo,	se	a	entrada	é	1,	o	sistema	reativo	pode	ter	como	saída	o	valor	1	ou	0	de	
acordo	com	as	regras	preexistentes.
Todavia,	outro	aparelho	pode	ser	capaz	de	receber	dois	sinais	simultâneos	aleatórios,	
podendo	ser	compostos	pelas	seguintes	combinações.	00,	01,	10	ou	11	e	com	saída	com	
Importante
O	sistema	límbico	da	teoria	citada	acima,	pode	ser	implementado	em	
um	agente	simulando	emoções.	O	nome	desta	área	da	IA	é	computação	
afetiva,	 apesar	 deste	 assunto	 não	 ser	 abordado	 neste	 módulo	 e	 nos	
módulos	a	seguir,	é	recomendado	que	você	pesquise	um	pouco	sobre	
e	como	a	parte	racional	dos	agentes	combina	as	emoções	para	tomar	
decisões	mais	próximas	dos	seres	vivos,	em	especial,	dos	humanos.
34
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
apenas	um	dígito.	Desta	forma,	será	o	conjunto	de	regras	que	também	definirá	o	valor	
da	saída.
Para	 permitir	 uma	 espécie	 de	 linguagem	 universal	 onde	 diferentes	 projetistas	 de	
hardware	 e	 softwares,	 a	 lógica	 booleana	 possui	 modelos	 que	 tratam	 as	 entradas	 e	
permitem	que	saídas	específicas	sejam	geradas.
Uma	vez	tratada	como	linguagem	universal,	é	preciso	criar	conjuntos	de	classificações	
semelhantes	as	gramáticas	das	línguas,	semelhante	ao	português	e	inglês	por	exemplo.
Assim,	podemos	definir	um	conjunto	de	sentenças	como	entrada,	sendo	as	sentenças	
combinações	de	0’s	e	1’s,	as	organizando	de	acordo	com	o	modelo	sintático	específico.
Um	exemplo	de	modelo	sintático	seria	x	+	y	=	z.	Este	modelo	é	facilmente	identificado	
como	correto	por	qualquer	pessoa	que	estudou	certos	fundamentos	matemáticos.	
Porém,	 note	 que	 a	 expressão	 xyz+=	 não	 é	 uma	 sentença	 sintaticamente	 correta	 na	
matemática.
Em	seguida,	as	sentenças	devem	ser	organizadas	e	definidas	através	de	um	modelo	
semântico.	Por	exemplo,	se	x	+	y	=	10,	x	e	y	devem	possuir	valores	tal	que	a	soma	seja	
sempre	igual	a	10,	onde	x	pode	assumir	o	valor	6	e	y	4,	bem	como,	x	pode	ser	igual	a	5	e	
y	também	e	assim	sucessivamente.
Para	a	 lógica	booleana,	as	sentenças	são	combinações	entre	valores	1’s	e	0’s,	o	qual,	
sempre	são	analisados	um	a	um	ou	dois	a	dois,	sendo	está	a	regra	sintática.	Por	sua	
vez,	a	regra	semântica	permite	que	o	resultado	possa	ser	previsto	de	acordo	com	as	
entradas.
Como	as	entradas	são	representadas	por	dois	valores	possíveis,	o	1	e	o	0,	e	se	tomarmos	
por	fundamento	a	lógica	dos	circuitos	digitais,	podemos	dar	o	nome	para	1	de	verdadeiro,	
existe	um	estímulo,	e	0	de	falso,	não	existe	um	estímulo.
 
A lógica proposicional e os sistemas inteligentes
35
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
Baseado	no	conceito	apresentado,	a	 lógica	booleana	possui	um	conjunto	de	tabelas	
(modelos)	que	permitem	prever	as	saídas	com	base	em	regras	definidas	através	de	
modelos	matemáticos.	Esse	conjunto	de	modelos	é	chamado	de	lógica	proposicional.
Os	 modelos	 semânticos	 da	 lógica	 booleana,	 servem	 como	 base	 fundamental	 de	
conhecimento,	com	as	regras	embutidas	nos	próprios	modelos,	sendo	a	capacidade	
simples	de	raciocinar	sobre	os	dados	de	entrada,	ou	seja,	sobre	os	estímulos.
No	total,	existem	7	modelos	representado	em	forma	de	tabelas.	Cada	tabela	possui	sua	
própria	base	matemática	advinda	da	teoria	dos	conjuntos.
A	primeira	tabela	recebe	apenas	um	valor	como	entrada	e	sua	saída	é	o	valor	inverso.	
Esta	tabela	é	chamada	de	não	lógico	e	sua	representação	gráfica	é	um	‘~’	(til).
Note	no	Quadro	3	que	a	tabela	é	composta	na	primeira	coluna	do	símbolo	do	modelo	
na	primeira	linha	e	os	valores	possíveis	nas	demais	linhas	da	primeira	coluna.	Por	sua	
vez,	a	última	coluna	representa	as	saídas	para	cada	valor	de	entrada.	Atente	que,	os	
dados	de	entrada	e	saída	são	chamados	de	verdade	(1)	ou	falso	(0),	fator	que	resulta	
na	forma	como	as	tabelas	são	chamadas,	tabelas	verdade.
FIGURA 4
Não	lógico
FONTE
Autor	(2020)
36
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
O	Quadro	4	apresenta	dois	valores	de	entrada,	ou	seja,	a	combinação	de	dois	valores	e	
a	respectiva	saída.	Esta	regra	também	será	utilizada	nas	demais	tabelas.
Este	quadro	se	chama	‘e	lógico’.	Sua	regra	define	que	para	uma	saída	ser	verdadeira,	1,	é	
preciso	que	ambas	as	entradas	sejam	também	verdadeiras	como	demostrado	abaixo.
O	Quadro	5	é	chamada	de	Ou	lógico	e	sua	regra	define	que	para	uma	saída	ser	falsa,	é	
preciso	que	ambas	entradas	também	a	sejam.	
Um	exemplo	prático	é	a	escolha	entre	dois	objetos,no	fim,	um	será	selecionado,	ou	os	
dois.
FIGURA 5
E	lógico
FONTE
Autor	(2020)
37
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
O		modelo		da		tabela		‘se,		então’		será		verdadeiro		sempre		que		a	primeira	entrada	
condicionar	verdadeiramente	a	segunda.	Por	exemplo:
O	conjunto	dos	naturais,	N,	está	contido	no	conjunto	dos	inteiros,	Z,	que	por	sua	vez	está	
contido	no	conjunto	dos	racionais,	Q.	Note	que,	nem	todos	os	números	presentes	em	
Z	estão	presentes	em	N,	porém,	o	 inverso	é	verdade.	Assim,	podemos	dizer	que	uma	
entrada	verdadeira,	por	exemplo	um	valor	de	N,	for	condicionada	pelo	se	então	e	sua	
condição	for	falsa,	pois	um	valor	qualquer	de	N	pode	não	estar	contido	em	Z,	podemos	
afirmar	que	estas	entradas,	os	conjuntos,	resultam	em	uma	saída	falsa.
FIGURA 6
Ou	lógico
FONTE
Autor	(2020)
Importante
O	quadro	do	Ou	lógico	possui	duas	variações	que	não	serão	apresentadas	
aqui,	sendo	chamadas	de	ou	exclusivo	(xor)	e	não	ou	exclusivo	(xnor).	
Ambos	são	bastante	utilizados	no	desenvolvimento	de	circuitos	digitais,	
onde	as	tabelas	são	chamadas	de	portas	lógicas.
38
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
Desta	 forma,	o	quadro	verdade	do	 ‘se,	então’	está	apresentada	no	Quadro	6.	Atente	
para	seu	símbolo	na	primeira	célula	da	primeira	coluna.
O	último	quadro	apresentado	neste	material	é	referente	ao	modelo	do	 	 ‘se	 	somente		
se’,		um		modelo		que		gera		uma		dependência		entre		os	valores	de	entrada	com	suas	
respectivas	saídas.
Como	ambas	as	entradas	são	dependentes,	note	que,	se	ambas	são	verdadeiras	ou	
falsas,	significa	que	a	dependência	foi	atingida,	resultando	em	uma	saída	verdadeira.	
Nota
Os	 quadros	 verdades	 apresentadas	 acima	 são	 aplicadas	 na	
programação	lógica	em	estruturas	como	o	se	(if)	e	o	escolha	(switch),	
ocorrendo	 a	 verificação	 do	 valor	 da	 entrada	 segundo	 as	 regras	 dos	
modelos	e	lógico	e	ou	lógico,	porém,	pode-se	entender	a	estrutura	do	se	
(if),	como	um	se,	então.
FIGURA 7
Se,	então
FONTE
Autor	(2020)
39
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
Porém,	se	as	entradas	possuírem	valores	diferentes,	o	valor	da	saída	será	falso,	visto	não	
ter	atendido	a	dependência.	Vide	o	Quadro	7.
Como	citado,	com	base	nos	modelos	presentes	nas	 tabelas	verdades	apresentadas,	
um	agente	é	capaz	de	realizar	tomadas	de	decisões	diferentes,	por	exemplo,	aplicando	
dentro	de	uma	condição	ou	função	regras	baseadas	estes	modelos	para	a	tomada	de	
decisão.
Desta	forma,	a	lógica	proposicional	e	seu	conjunto	de	tabelas,	permitem	que	agentes	
virtuais	possam	realizar	raciocínio	simples	e	estruturado,	o	que	por	sua	vez,	permite	que	
lógicas	mais	complexas	possam	ser	sobre	os	modelos	citados.
FIGURA 8
Se,	somente	se
FONTE
Autor	(2020)
40
Fundamentos da Inteligência Artificial Lógica proporcional Capitulo 3
Resumindo
Este	 capítulo	 	 tratou	 	 sobre	 	 o	 	 raciocínio	 	 em	 	 máquinas	 e	 como	 os	
modelos	básicos	da	lógica	proposicional	permitem	criar	uma	base	de	
conhecimento	para	este	fim.	Para	isto,	primeiro	tratamos	de	apresentar	
uma	visão	geral	sobre	o	que	são	agentes	baseados	em	conhecimento	
ao	citar	a	camada	reativa	dos	agentes	e	a	necessidade	de	uma	base	
de	 informações	 para	 poder	 raciocinar	 sobre	 as	 entradas	 e	 gerar	
posteriormente	 saídas	 bem	 definidas.	 Para	 dar	 o	 entendimento	 não	
apenas	 da	 camada	 de	 raciocínio	 e	 de	 conhecimento,	 foi	 dada	 uma	
introdução	a	 lógica	proposicional,	o	permitindo	visualizar	as	bases	de	
conhecimentos	 baseadas	 em	 modelos	 matemáticos	 e	 seu	 poder	 na	
capacidade	de	raciocínio	dos	sistemas.
41
@faculdadelibano_
4
Grafos para busca 
em espaço de 
estados
42
Fundamentos da Inteligência Artificial Capitulo 4
Grafos para busca em 
espaço de estados
O que são grafos
Antes	de	definir	o	que	vem	a	ser	um	grafo,	é	preciso	apresentar	alguns	conceitos	advindos	
da	teoria	dos	conjuntos.
Um	conjunto	é	uma	estrutura	que	contém	zero	até	infinitos	elementos,		especificamente,		
como		definido		por		Dante		(2013),		“...Um	conjunto	é	uma	coleção	qualquer	de	objetos...”.
Por	exemplo:	podemos	definir	que	pinceis	pertencem	ao	conjunto	de	objetos	capazes	
de	pintar.	Porém,	podemos	definir	um	conjunto	para	inserir	apenas	os	pinceis	de	uma	
determinada	cor.
Assim,	podemos	dizer	que	os	conjuntos	contêm	objetos	segundo	um	conjunto	de	regras	
pré-definidos.
Na	matemática,	a	teoria	dos	conjuntos	divide	os	números	de	acordo	com	regras	bem	
definidas,	por	exemplo.	Os	números	que	começam	a	partir	de	0	em	intervalos	de	1	em	1	até	
valores	ditos	infinitos,	são	valores	pertencentes	ao	conjunto	dos	naturais,	representados	
por	um	N.
Exemplo:	(0,	1,	2,	3,	4	e	5),	são	elementos	pertencentes	ao	conjunto	N.
Objetivos
Este	capítulo	continua	os	assuntos	sobre	como	dotar	um	sistema	digital	
com	a	capacidade	de	raciocinar.	O	conteúdo	abordado	apresentará	a	
ideia	de	grafos	e	como	estes	objetos	auxiliam	na	criação	de	modelos	
superiores.
43
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Porém,	 existem	 outros	 conjuntos	 que	 expandem	 a	 variação	 de	 números,	 como	 por	
exemplo	o	conjunto	dos	inteiros,	representado	pela	letra	Z,	o	qual,	adiciona	a	variação	
de	valores	negativos	aos	inteiros.
Exemplo:	(-5,	-3,	0,	6	e	120)	são	exemplos	de	números	pertencentes	ao	conjunto	dos	Z.
Perceba	que	os	números	naturais	estão	presentes	no	conjunto	dos	números	 inteiros,	
porém,	o	inverso	não	é	verdade.
Com	base		nos		conceitos		simples		de		um		objeto		pertencer		a	um	conjunto,	agora	
podemos	avançar	nos	conceitos	básicos	que	fundamentam	os	grafos.
Agora,	vamos	falar	um	pouco	sobre	conceitos	de	geometria,	em	especial,	sobre	alguns	
objetos	fundamentais.
Um	 dos	 objetos	 mais	 simples	 que	 podem	 ocupar	 um	 espaço	 qualquer	 é	 um	 ponto.	
Como	aprendido	em	disciplinas	básicas	de	matemática,	um	conjunto	de	pontos	forma	
uma	reta.
Podemos	entender	que	uma	reta	é	um	traço	continuo	que	partem	de	um	dado	ponto	
de	origem	até	outro	ponto	de	chegada.
Note	que,	o	ponto	de	origem	e	o	ponto	de	chegada	podem	ser	entendidos	com	dois	
elementos	distintos,	assim	como	a	reta	que	liga	ambos	os	pontos.
Nota
A	 teoria	 dos	 conjuntos,	 como	 é	 chamado	 os	 conceitos	 apresentados	
acima,	possuem	um	conjunto	de	regras	próprias	e	bem	fundamentadas.	
O	 modelo	 citado	 acima	 serve	 para	 um	 entendimento	 geral,	 porém,	 é	
indicado	que	você	procure	por	materiais	adicionais	sobre	essa	 teoria,	
em	 especial	 pelo	 fato	 de	 a	 teoria	 dos	 conjuntos	 ser	 uma	 das	 bases	
fundamentais	da	computação.
44
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Na	 geometria,	 estes	 pontos	 isolados	 são	 objetos	 e	 as	 linhas	 que	 os	 conectam	 são	
chamados	de	vértices.
Por	fim,	quando	três	pontos	distintos,	vamos	dar	o	nome	a	estes	pontos	de	A,	B	e	C,	se	
unem	através	de	vértices,	a	ligação	de	duas	arestas	a	um	único	ponto	é	chamada	de	
aresta.
Para	dar	uma	visualização	mais	objetiva	destes	conceitos,	observe	a	Figura	2.
 
Observe	que	as	arestas	entre	os	pontos	(A	e	B)	e	entre	os	pontos	(B	e	C)	formam	uma	
estrutura	chamada	de	aresta,	ou	seja,	um	ponto	que	está	ligado	a	mais	de	um	outro	
ponto.
Agora	 sim.	 Com	 estes	 fundamentos	 simples,	 podemos	 em	 fim	 conceituar	 o	 que	 são	
grafos.
A	 teoria	dos	grafos	é	um	 ramo	da	matemática	que	estuda	a	combinação	 (relação)	
entre	 objetos	 discretos	 (NETTO,	 2011),	 porém,	 a	 computação	 a	 utiliza	 na	 análise	 e	
desenvolvimento	de	diversos	algoritmos.
Por	sua	vez,	um	grafo	é	uma	estrutura	formada	pela	combinação	entre	dois	ou	mais	
objetos	(pontos),	onde	podemos	através	de	modelos,	aplicar	 técnicas	de	tratamento	
sobre	os	dados,	sempre	possuindo	um	ponto	de	origem	e	um	ou	mais	pontos	objetivos.
FIGURA 9
Pontos,	vértices	e	arestas
FONTE
Autor	(2020).
45
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
O que é uma máquina de estados
Como	vimos,um	grafo	é	uma	estrutura	formada	por	pontos	e	vértices,	assim,	podemos	
considerar	que	os	pontos	são	áreas	de	processamento	de	dados	e	os	vértices	o	modelo	
de	ligação	entre	as	interfaces	de	entrada	e	saída	dos	pontos.
Assim,	podemos	criar	modelos	e	regras	para	tratar	os	dados	que	estão	vendo	de	um	
ponto	qualquer	e	definir	qual	as	saídas	e	para	onde	estas	devem	ser	direcionadas.
Por	exemplo.	Se	definirmos	que	um	conjunto	de	cidades	é	interpretadas	como	pontos	e	
a	ligação	entre	elas	como	arestas,	é	possível	definir	rotas	entre	as	cidades	até	chegar	
ao	objetivo.
Não	apenas	traçar	uma	rota,	também	é	possível	traçar	qual	a	melhor	rota	com	base	na	
distância,	tampo	para	atravessar	a	cidade,	ou	seja,	de	acordo	com	os	modelos	e	regras	
de	custos.
Assim,	tanto	o	grafo,	como	suas	regras,	pode	ser	entendido	como	o	modelo	que	permite	
que	um	viajante	qualquer	saia	de	um	ponta	para	outro	e	identifique	o	menor	custo	de	
tempo	para	sua	viagem,	ou	seja,	é	um	tipo	de	raciocínio	prático	baseado	em	regras.
Desta	forma,	podemos	expandir	um	pouco	mais	a	ideia	geral	de	grafos	e	definir	um	outro	
conceito	computacional	que	utiliza	os	grafos	para	tomada	de	decisão	estratégicas.	As	
máquinas	de	estados.
De	 forma	 simples,	 podemos	 dizer	 que	 uma	 máquina	 de	 estados	 é	 uma	 estrutura	
condicional	que	permite	que	um	fluxo	de	dados	saía	de	uma	origem	até	um	destino	de	
forma	estruturada,	ou	seja,	através	de	estruturas	que	definem	como	os	dados	devem	
ser	tratados	e	para	qual	ponto	o	fluxo	deve	seguir.
A	Figura	3	apresenta	um	exemplo	curto	de	máquina	de	estado	que	avalia	a	idade	do	
usuário	e	diz	quais	os	conteúdos	podem	ser	acessados.
46
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Observe,	como	um	fluxo,	o	grafo	da	Figura	4	após	iniciar	coleta	a	idade	do	usuário	e	já	
trata	o	perfil	de	acesso.	
Em	seguida	direciona	para	a	área	específica	de	 tratamento	de	coleta	de	cada	 faixa	
etária	e	por	fim,	recupera	os	conteúdos	limitando	o	acesso	ou	não	com	base	na	idade,	
finalizando	o	grafo	em	seguida.
Perceba	que	a	estrutura	direciona	os	dados	e	as	saídas,	porém,	é	a	etapa	de	coleta	de	
dados	que	direciona	para	um	fluxo	específico,	finalizando	em	seguida	o	sistema.
Perceba	 também	 que	 a	 análise	 feita	 na	 coleta	 da	 idade	 não	 é	 demonstrada	
claramente,	apenas	citando	que	algum	processamento	foi	feito	para	esta	coleta	e	para	
o	direcionamento	da	saída.
Desta	forma,	se	pensarmos	um	agente	específico	para	limitar	o	acesso	por	faixa	etária,	
o	raciocínio	é	dado	nas	diferentes	possibilidades	e	em	suas	regras.
FIGURA 10
Exemplo	de	máquina	de	
estado
FONTE
Autor	(2020).
47
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Existem	 diferentes	 formas	 de	 estruturar	 um	 grafo,	 muitas	 delas	 documentadas	 em	
diferentes	literaturas,	sendo	a	usada	acima	baseada	em	estados	para	a	frente,	ou	seja,	
baseado	em	progressão.
Algo	importante	na	análise	dos	grafos	no	planejamento	estratégico,	é	que	nunca	mais	
de	um	estado	estará	ativo	ao	mesmo	tempo,	assim,	podemos	em	um	dado	período	de	
tempo,	avaliar	qual	estado	está	ativo	e	quais	as	possibilidades	de	fluxo	que	este	estado	
pode	ativar	em	seguida.
Grafos de planejamentos
Um	grafo	de	planejamento	é	uma	estrutura	de	dados	que	permite	um	planejamento	
que	apresente	estimativas	mais	precisas	sobre	as	saídas.	Estas	regras	de	planejamento	
podem	ser	entendidas	como	heurísticas	específicas.
Desta	forma,	a	heurística	pode	ser	aplicada	a	diferentes	métodos	de	busca	em	pró	da	
criação	do	modelo	de	procura	pela	melhor	solução,	ou	seja,	um	modelo	de	raciocínio	
computacional.
Importante
É	 importante	 citar	 que	 o	 uso	 de	 estruturas	 de	 dados	 como	 vetores,	
árvores,	 entre	 outros,	 auxiliam	 nas	 estratégias	 implementadas	 para	
processar	os	dados	e	na	forma	como	cada	elemento	se	relaciona.
Nota
Heurística	são	métodos	que	tem	por	objetivo	a	resolução	de	problemas	
por	aproximação,	ou	seja,	não	é	esperado	a	melhor	solução,	mas	uma	
solução	viável	(BUENO,	2009).
48
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Tipos de buscas computacionais em espaço de estados
Para	permitir	um	bom	planejamento,	a	estratégia	de	busca	deve	ser	antes	definida.	Nesta	
seção	abordaremos	de	 forma	conceitual	algumas	 formas	de	busca	computacionais	
para	espaço	de	estados.
A	progressão,	ou	busca	para	 frente,	 é	uma	 forma	de	busca	aplica	em	estruturas	de	
dados	similares	a	árvores,	ou	seja,	com	um	início	definido	e	com	fim	possível.
Esta	busca	parte	do	início	verificando	todas	as	possibilidades	para	ir	para	os	ativar	os	
próximos	estados	(nós)	até	alcançar	a	solução	pretendida.
Podemos	exemplificar	utilizando	a	Figura	4,	onde	a	partir	de	qualquer	nó	ativo,	podemos	
verificar	quais	as	possíveis	ramificações	que	podemos	ir	e	se	ela	é	o	objetivo	ou	fim	da	
execução.
Por	sua	vez,	outra	estratégia	é	a	busca	para	trás	(regressão),	onde,	a	partir	do	objetivo,	
é	 traçado	o	caminho	até	a	origem,	o	que	por	vezes,	 resultada	em	uma	análise	mais	
rápida	que	a	busca	para	frente,	uma	vez	que	um	estado	posterior	sempre	terá	apenas	
um	estado	anterior	caso	a	estrutura	seja	baseada	em	uma	árvore.
Porém,	se	a	estrutura	permitir	que	mais	de	um	estado	anterior	possam	ramificar	para	
um	estado	posterior,	o	custo	total	da	busca	para	trás	pode	se	tornar	igual	ao	da	busca	
para	frete.
Para	que	ambas	as	estratégias	possam	ser	implementadas	de	forma	eficiente,	é	preciso	
que	uma	boa	heurística	seja	desenvolvida,	procurando	tornar	as	buscas	admissível	em	
um	espaço	de	tempo.	Para	isto,	a	busca	em	grafos	de	planejamento,	aponta-se	como	
uma	solução	eficaz.
Planejamentos estratégicos com busca em espaço
Grafos	 de	 planejamento	 são	 indicados	 unicamente	 para	 problemas	 baseados	 no	
planejamento	proposicional,	apresentado	no	capítulo	3.
49
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Estes	grafos	são	chamados	de	grafo	direcionados,	ou	seja,	um	grafo	que	os	dados	fluem	
para	uma	dada	direção.
Sua	estrutura	é	baseada	em	níveis,	como	nível	S0,	progredindo	até	um	objetivo	G	definido.	
Porém,	o	algoritmo	não	define	a	existência	de	um	caminho	existente	entre	S0	e	G,	mas	
sim	uma	aproximação	polinomial	entre	os	dois,	estimando	o	número	de	passos.
Os	níveis	S	definem	o	fluxo	verdadeiro	que	cada	nó	S	contém.	Por	sua	vez,	cada	nível	S	
está	associado	a	um	nível	A,	que	representa	as	ações,	regras,	que	são	aplicadas	a	cada	
S.
Desta	forma,	em	um	tempo	i,	um	número	de	Si	níveis	podem	ser	acessados,	bem	como,	
uma	quantidade	Ai	de	processos	que	cada	S	pode	executar.
Um	exemplo	simples	de	aplicação	é	o	trivial	algoritmo	de	produção	de	um	bolo,	o	qual,	
pode	ser	demostrado	através	de	grafos	de	planejamento,	porém,	apresentaremos	o	
algoritmo	de	ter	e	comer	um	bolo,	apresentado	por	Russell	(2013),	apresentada	na	Figura	
4.
FIGURA 11
Algoritmo	ter	e	comer	bolo
FONTE
Russell	(2013).
Perceba	que	a	ação	estratégica	é	em	cada	linha	descrito	abaixo:	
50
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Linha	1:	no	início	é	preciso	ter	o	bolo.
Linha	2:	o	objetivo	é	comer	o	bolo,	para	isso,	é	preciso	ter	um	bolo	e	comê-lo.
Linha3:	é	referente	a	ação	de	comer	o	bolo
Linha	4:	é	a	pré-condição	da	ação,	ou	seja,	ter	o	bolo.
Linha	5:	o	efeito	da	ação	é	não	ter	o	bolo,	uma	vez	que	foi	comido,	e	a	própria	ação	de	
comido.
Linha	6:	é	a	ação	de	assar	um	bolo.
Linha	 7:	 a	 pré-condição	 é	 não	 ter	 um	 bolo.	 Note	 que	 o	 símbolo	 apresentado	 nesta	
condição	é	de	negação,	assim,	o	ato	de	ter	um	bolo	é	negado,	passando	ao	estado	de	
não	ter	um	bolo.
Linha	8:	é	o	efeito	de	assar,	passando	a	ter	um	bolo.
Perceba	que	este	algoritmo	simples	permite	é	composto	de	alguns	níveis	S	com	suas	
respectivas	regras	A.
Mesmo	simples,	essa	é	uma	estratégia	útil	para	criar	modelos	de	planejamento	para	dotar	
um	agente	da	capacidade	de	raciocinar,	os	aproximando	da	proposta	apresentada	no	
testede	Turing,	existir	uma	máquina	inteligente,	tal	que,	um	humano	entrevistador	não	é	
capaz	de	discernir	se	está	entrevistando	um	humano	ou	máquina.
51
Fundamentos da Inteligência Artificial Grafos para busca em espaço de estados Capitulo 4
Resumindo
Estudamos	 neste	 capítulo	 sobre	 os	 grafos	 e	 como	 podemos	 dotar	
sistemas	irracionais	com	grafos	e	permiti-los	apresentar	características	
de	raciocínio.	Para	isso,	primeiramente	apresentamos	uma	visão	geral	
de	o	que	são	grafos.	Em	seguida	passamos	a	falar	sobre	as	máquinas	
de	estado	e	seu	poder	ligado	a	escolha	e	fluxos	diferentes	de	dados	para	
uma	saída	com	base	em	sua	entrada.	Por	fim,	discutimos	sobre	o	uso	
de	grafos	no	planejamento	estratégico	da	racionalidade	dos	agentes.	
Assim,	 esperamos	 que	 este	 conteúdo	 o	 auxilie	 nas	 demais	 unidades,	
onde	exploraremos	de	forma	mais	profunda	e	objetiva	o	poder	da	IA.
52
Fundamentos da Inteligência Artificial
Referências
BUENO,		F.		Métodos		Heurísticos:		Teoria		e		Implementações.		IFSC.	Araranguá,	2009.	Disponível.
em:.	Acesso	em	5	maio	2020.
B.	NETTO,	P.	O.	Grafos:	Teoria,	Modelos,	Algaritmos.	5.	Ed.	São	Paulo:	Editora	Blucher,	2011.
BUENO,	S.	Minidicionário	da	língua	Portuguesa.	3	ed.	São	Paulo:FTD,	2016.
DANTE,	L.	R.	Matemática:	contexto	&	aplicações.	2	ed.	São	Paulo:	Ática,	2013.
DELGADO,	L.	F.	M.;	GOMES,	R.	S.	A	função	do	neuromarketing	no	jornalismo	online.	Scientia	
Alpha-Revista	Científica	Multidisciplinar	da	Faculdade	ALFA	Umuarama,	v.	1,	n.	1,	2019.
HAUGELAND,	J.	Artificial	Intelligence:	The	Very	Idea.	MIT	Press.	1985.
NILSSON,		N.		J.		Artificial		Intelligence:		A		New		Synthesis.		Morgan	Kaufmann.	1998.
POOLE,		D.		MACKWORTH,		A.		K.		e		GOEBEL,		R.		Computational	intelligence:	A	logical	approach.	
Oxford	University	Press.	1998.
RICH,	E.	e	KNIGHT,	K.	Artificial	Intelligence,	ed.	2.	McGraw-Hill.	1992.	
RUSSELL,	S.	Inteligência	artificial.	3.	ed.	Rio	de	Janeiro:	Editora	Elsevier,	2013.
STERNBERG,	R.	J.	Psicologia	cognitiva.	4.	ed.	Porto	Alegre:	Editora	Artmed,	2008.
TEC	 	 	 MUNDO.	 	 	 YOUTUBE,	 	 	 2018.	 	 	 Disponível	 	 	 em:	 	 	 .	Acesso	em:	10	de	maio	de	2020.
TURING,	A.	M.	Computing	machinery	and	intelligence.	Mind,	Volume	LIX,	Issue	236,	Pages	
433–460.	1950.
53
	Fundamentos da inteligência artificial e sua história
	Introdução as definições de Inteligência Artificial
	IA, um campo interdisciplinar
	Filosofia
	Matemática
	Economia
	Neurociência
	Psicologia
	Engenharia de computadores
	Teoria de controle e cibernética
	Linguística
	A história da IA
	Agentes inteligentes e o ambiente para a IA
	Definições introdutórias sobre os agentes e a IA
	O teste de Turing e os agentes inteligentes
	Tipos de agentes
	Agentes e sua relação com o ambiente
	Onde os agentes estão presentes em nossas vidas
	Lógica proporcional
	O que são agentes baseados em conhecimentos
	Introdução a lógica na computação
	A lógica proposicional e os sistemas inteligentes
	Grafos para busca em espaço de estados
	O que são grafos
	O que é uma máquina de estados
	Grafos de planejamentos
	Tipos de buscas computacionais em espaço de estados
	Planejamentos estratégicos com busca em espaço
	Referências