Prévia do material em texto

Questão Discursiva
Parte superior do formulário
Os problemas alvo da IA envolvem: grande complexidade (número, variedade e natureza das tarefas); não há “solução algorítmica”, mas existe conhecimento; e modelagem do comportamento de um ser inteligente (conhecimento, aprendizagem, iniciativa etc.). Estes problemas são tratados no contexto de determinados paradigmas de pesquisa. Quanto a estes últimos, podemos considerar que o paradigma   é aquele que envolve as Redes Neurais Artificiais e os Mapas Auto-organizáveis.
Outro paradigma importante de pesquisa na área de IA envolve os agentes que são capazes de perceber seu ambiente por meio de   e de agir sobre esse ambiente por intermédio de atuadores.
Os Sistemas Especialistas (SE) podem ser caracterizados como sistemas que reproduzem o conhecimento de um especialista adquirido ao longo dos anos de trabalho (KANDELL, 1992). São sistemas que solucionam problemas que são resolvíveis apenas por pessoas especialistas (que acumularam conhecimento exigido) na resolução destes problemas (FEI, 1977). são construídos a partir da experiência e do conhecimento de um especialista humano (adquirido ao longo dos anos), o qual fornecerá a base das informações necessárias. O construtor do sistema especialista é chamado de  .
Os algoritmos genéticos são um ramo da computação evolucionária e fazem parte do universo das técnicas de busca  . Formam um ramo da Inteligência Artificial chamada de Computação Evolutiva. Inspirados no processo genético e evolutivo de organismos vivos, simulam processos naturais e aplicando-os à solução de problemas reais, com base na ideia darwiniana de seleção.
O Aprendizado de Máquina (AM) é um subcampo da área de Inteligência Artificial, tem como intuito de criar sistemas que a partir do fornecimento de dados sejam capazes de tornar os mesmos aptos a aprender. O AM utiliza de algoritmos que são habilitados a executar a tomada de decisões. Dessa maneira, o AM irá desenvolver sistemas que serão treinados a partir do emprego de um grande volume de dados. Estes sistemas também são responsáveis por prever resultados, tendências e padrões de forma que, quanto maior for o volume de dados mais preciso os algoritmos. Um dos tipos de aprendizado, chamado de  envolve representações simbólicas, ou seja, por meio de números, letras, palavras e símbolos.
As Redes Bayesianas (RB’s) são uma representação qualitativa (teoria dos grafos) e quantitativa  de cenários que envolvam o processo decisório, prognóstico ou analítico, tendo em vista condições de incerteza, complexidade e falta de informações.
A lógica difusa objetiva fazer com que as decisões tomadas pela máquina se aproximem cada vez mais das decisões humanas, principalmente ao trabalhar com uma grande variedade de informações vagas e incertas, as quais podem ser traduzidas por expressões do tipo: a maioria, mais ou menos, talvez etc. O papel da  é o de transformar um dado numérico em uma variável linguística através de uma função de pertinência.
O processamento de linguagem natural, ou PLN, é compreendido como uma área da computação que tem como objetivo extrair representações e significados mais completos em linguagem natural, de maneira inteligente. Primeiramente, para realização da análise léxica do documento, se faz necessário um  dos textos recebidos, processo esse que analisa as entradas de cada palavra em uma oração, retirando todas as palavras que aparecem com determinada frequência.
Uma Rede Neural Artificial (RNA) é composta por várias unidades de unidades de processamento, que geralmente são conectadas por canais de comunicação que estão associados a determinado peso. O comportamento inteligente de uma RNA vem das interações entre as unidades de processamento de dados.Parte inferior do formulário
aleatórias guiadas
simbólico
probabilidade
fuzzificação
pré-processamento
conexionista
sensores
engenheiro do conhecimento