Neste artigo vou comentar brevemente sobre as diferenças entre as duas abordagens iniciais que a Inteligência Artificial foi categorizada: a simbólica e a conexionista.
A IA simbólica está relacionada com a forma que o ser humano raciocina e foi popularizada com o surgimento dos Sistemas Especialistas e principalmente pela influência da linguagem Prolog. Se você não conhece, o Prolog é uma linguagem de programação totalmente baseada em lógica de predicados que opera por meio de regras e símbolos (clique aqui para acessar uma playlist que gravei sobre o Prolog). John McCarthy (criador da linguagem Lisp) e Newell (criador do Solucionador Geral de Problemas) foram os principais personagens dessa abordagem, que em resumo, apresenta um conhecimento explícito de um determinado problema e que também possui uma explicação do processo que levou a resposta dada pelo sistema de IA. O exemplo clássico da IA simbólica são os sistemas especialistas, que necessitam que o conhecimento sobre o problema seja definido manualmente no sistema para que ele possa raciocinar e tomar as decisões. E se você quiser saber mais sobre esse assunto, clique aqui para você fazer o curso gratuito que eu gravei sobre sistemas especialistas com o Expert Sinta. Para saber mais um pouco sobre a história da IA Simbólica, leia este artigo também!
Por outro lado, a IA conexionista é baseada na simulação dos componentes do cérebro (modelagem da inteligência humana) e o principal exemplo são as redes neurais. Esse conceito surgiu em 1943 e foi criado por McCulloch e Pitts, que fizeram a proposta do primeiro modelo matemático de um neurônio. Mais tarde, Rosenblatt criou o que hoje chamamos de redes neurais por meio da definição do Perceptron, que é um assunto obrigatório para ser estudado quando iniciamos o estudo sobre as redes neurais. No início, essa linha de pesquisa da IA não teve muitas contribuições pelo fato de que eram necessários muitos recursos de hardware que não estavam disponíveis na época. Com o problema do hardware resolvido atualmente, temos as chamadas redes profundas (deep learning) que podem ser consideradas uma grande evolução das redes neurais e estão presentes em vários softwares famosos de IA, tal como o Watson da IBM. Hoje em dia esse é um dos principais padrões de aprendizagem, o que acabaram deixando os produtos da IA simbólica de certa forma obsoletos.
E para fechar o artigo vamos a um resumo simples: para construir softwares utilizando a IA simbólica é necessário alimentar o sistema com os dados específicos do problema, enquanto que na IA conexionista o software consegue inferir os padrões automaticamente por meio dos dados existentes.
Boa tarde,
Artigo muito bom, obrigado.
Você poderia me indicar um curso de desenvolvimento de software com IA conexionista? De preferência em python ou GO.
Obrigado!! Tente procurar cursos sobre redes neurais. Se você tiver facilidade com o inglês achará mais fácil, mas em português é mais complicado encontrar esse tipo de material
Artigo muito útil e atualizado, quase que fui na ideia de outro que dizia que a rede conexionista é pouco utilizada.
Obrigado pelo conteúdo!
Legal o seu texto, porém uma coisa que você não mencionou é que na IA conexionista, geralmente você precisa de um grande volume de dados para alimentar o aprendizado da rede, e nem sempre há esse cenário.
Obrigado, abraços.
Verdade Luiz, boa observação 🙂
Obriagada pelos artigos amigo.
Sempre acompanho seus vídeos e matérias. Tem me ajudado bastante.
Obrigada.
Valeu Raquel! 🙂
Oi Jones, muito obrigado por disponibilizar este tipo de conhecimento. Gostei muito do conteúdo do site.
Obrigado!
Que bom que gostou 🙂