Ttulo: Unidade 01

Autora: Luciana de Nardin

Captulo 01 Introduo a Inteligncia Artificial

Orientaes de Estudo

Nesta unidade, o objetivo principal contextualizar a rea de Inteligncia Artificial (IA) e apresentar problemas que podem ser resolvidos com a IA. Alm disso, sero apresentadas as categorias de IA e seus principais paradigmas. Ao trmino de seus estudos imprescindvel que voc seja capaz de formular um conceito formal de IA, identificar/diferenciar os trs paradigmas apresentados no texto e visualizar possveis aplicaes para IA.

1. Contextualizao

A inteligncia uma capacidade que os seres humanos cuja espcie denominada Homem Sbio possuem influenciados por todos os seus componentes ontolgicos. Inmeros autores formalizam o conceito de inteligncia de maneiras distintas. De acordo com o dicionrio Aurlio [Aurlio, 2009], inteligncia a faculdade ou capacidade de aprender, apreender, compreender ou adaptar-se; habilidade mental; perspiccia. Jean Piaget [Piaget, 1982] define como aquilo que voc usa quando no sabe o que fazer e de acordo com Humberto Maturana [Maturana, 1998] representa um atributo ou propriedade distintiva de alguns organismos. Formulados alguns conceitos de inteligncia possvel iniciar uma reflexo no sentido de quais caractersticas um determinado procedimento deve possuir para ser considerado inteligente. Neste contexto, cabe destacar: Aprendizado por experincia; Utilizao de conhecimento adquirido por experincia; Capacidade de solucionar problemas mesmo na ausncia de alguma informao; Reao imediata perante uma nova situao; Capacidade de determinar o que relevante e o que no ; Capacidade de raciocnio; Capacidade de entender imagens visuais e processar e manipular smbolos; Tem criatividade e imaginao; Fazer uso de heursticas, ou seja, saber identificar uma soluo como satisfatria mesmo que esta no seja a melhor de todas as solues possveis. A partir destas caractersticas pode-se levantar o seguinte questionamento: qual a possibilidade/dificuldade de se criar sistemas inteligentes? Uma porta que se abre quando algum se aproxima, um carro que avisa quando a porta est aberta ou quando o cinto de segurana no est colocado ou um computador que joga xadrez podem ser considerados procedimentos inteligentes?
PUC Minas Virtual 1

Partindo deste questionamento a prxima seo introduz o conceito de inteligncia artificial, suas aplicaes e outras informaes relevantes.

2. Inteligncia Artificial

interessante analisar a metfora existente no nome inteligncia artificial, uma vez que inteligncia uma capacidade exclusiva e natural do ser humano e, se torna contraditrio, pensar nessa caracterstica modelada artificialmente. A Tabela 1 ilustra as diferenas no tratamento de determinadas informaes entre a inteligncia natural e artificial, e atravs destas diferenas percebe-se o quo complexo se torna construir sistemas verdadeiramente ou naturalmente inteligentes.

Natural Facilidade em adquirir informao externa uma grande quantidade de Alto Alto Alto Alto Baixo Alto Alto Alto Baixo

Artificial Baixo Baixo Baixo Baixo Alto Baixo Baixo Baixo Alto

Utilizao de sensores para percepo (viso, audio, tato, cheiro) Capacidade de ser criativo e tem imaginativo Capacidade de aprender por experincia Capacidade de armazenar dados detalhados Capacidade de fazer clculos complexos Capacidade de adaptao Capacidade de utilizao de vrias fontes de informao Facilidade na transferncia de informao

Tabela 1 - Diferenas no Tratamento da Informao entre Inteligncia Natural e Artificial

2.1 Teste de Turing

Um dos primeiros testes a investigar questes de inteligncia de mquina foi escrito em 1950 por Alan Turing [Turing, 1950] e foi chamado de Teste de Turing. Em sua proposta, Turing sugeriu deixar de lado a maneira convencional de avaliar o conceito de inteligncia, que era utilizando uma longa lista de requisitos mnimos e, props um teste que medisse o desempenho de uma mquina supostamente inteligente em comparao ao desempenho de um ser humano. Este teste recebeu o nome de jogo de imitao e foi realizado da seguinte maneira: seleciona-se uma mquina A a ser avaliada e duas pessoas nomeadas B e C. A entidade C o interrogador e as entidades A e B so os interrogados. As trs entidades esto em locais distintos e distantes o suficiente para que no haja nenhum contato visual e se comunicam por meio de uma interface (computador). A tarefa do interrogador C distinguir o computador (A) do ser humano (B) utilizando como referncia apenas as respostas fornecidas s suas perguntas atravs do dispositivo

PUC Minas Virtual 2

de interface. Se o interrogador C no for capaz de distinguir a mquina do ser humano pode-se considerar que a mquina A inteligente. A Figura 1 ilustra esta situao fisicamente.

Figura 1 Ilustrao grfica do Teste de Turing

A situao proposta por Turing neste teste assegura que o interrogador no ser influenciado pela aparncia da mquina. Dessa forma, o interrogador est livre para perguntar qualquer coisa (direta ou indireta) que contribua para descobrir quem a mquina. Luger [Luger, 2004] sugere dois testes para identificar pontos estratgicos em cada uma das entidades. Primeiro, pode-se solicitar que as duas entidades realizem um determinado clculo aritmtico bastante complexo, fato que a mquina ser mais rpida e com probabilidade de acerto maior do que a do ser humano; em contrapartida, a mquina pode perceber que este seja um bom momento de deixar de obter a resposta correta com o intuito de se parecer com o ser humano. O segundo teste proposto de natureza emocional, pedindo, por exemplo, que ambas as entidades faam uma anlise sobre um determinado poema ou uma obra de arte, uma vez que esta estratgia ir requerer que o computador possua conhecimentos sobre sensaes emocionais inerentes aos seres humanos. Na prxima seo, sero apresentados uma srie de problemas que apresentam caractersticas bastante complexas. Sobre tais problemas sero levantados questionamentos que buscam destacar as dificuldades apresentadas por cada uma das situaes.

2.2 Problemas

a) Controle de robs: como obter navegao segura e eficiente, estabilidade, manipulao final e verstil? Como tratar o comportamento dos robs em ambientes dinmicos e imprevisveis? Exemplos: HAZBOT (rob para ambientes com atmosfera inflamvel), rob aspirador, etc. Como tratar questes referentes viso, raciocnio, planejamento, controle, comunicao e aprendizagem? Exemplo: RoboCup (futebol de robs). b) Jogos e histrias interativas: como modelar o ambiente fsico e o

comportamento/personalidade dos personagens? Como permitir boa interao com o usurio? Exemplos: The Sims 3 (2009), Fifa Soccer, etc.
PUC Minas Virtual 3

c) Automao de sistemas complexos: como modelar os componentes do sistema e lhes dar autonomia? Como assegurar uma boa comunicao e coordenao entre esses componentes? d) Busca de informaes na web: como localizar a informao relevante? e) Recomendao de produtos: como fazer recomendaes personalizadas de produtos? Como modelar os perfis dos compradores? f) Personalidades virtuais (verbots): como modelar indivduos que tenham capacidade de conversar e trocar informaes com humanos? Exemplo: Cybelle (www.cybelle.cjb.net) g) Previso: como prever o valor do dlar ou o clima de amanh? Quais dados so realmente relevantes? Existem comportamentos recorrentes? h) Deteco de intruso e filtragem de spams: como saber se uma mensagem lixo ou se ela realmente interessa? Como saber se um dado comportamento de um usurio suspeito e como lidar com isto? i) Sistemas de controle: como brecar o carro sem as rodas deslizarem em funo da velocidade, atrito, etc? Como focar a cmera fotogrfica em funo da luminosidade, distncia, etc.? Como ajustar a temperatura da gua da mquina de lavar em funo da quantidade de roupa, fluxo de gua, etc.? j) Interface: como dar ao usurio a ajuda de que ele realmente precise? Como interagir (e quem sabe at navegar) com celular sem ter de digitar nada (hands-free)? Todos os problemas levantados apresentam as seguintes caractersticas em comum: Grande complexidade devido ao grande nmero, a variedade e a natureza das tarefas; No possuem soluo algortmica, mas, tem-se grande conhecimento sobre o problema; Envolve a modelagem do comportamento de um ser inteligente que seja capaz de aprender, possuir iniciativa, etc. Utilizando estes problemas pode-se visualizar o quo importante se implementar um sistema supostamente inteligente, mesmo que se tenha uma certa dificuldade em pensar em um modelo que seja capaz de se comparar inteligncia dos humanos em toda sua amplitude; j que, para se dizer que um programa raciocina como um ser humano necessrio penetrar nos componentes reais que envolvem a inteligncia. Componentes como vontades, sentimentos, percepes, sensaes fatores que influenciam os seres humanos no processo de tomada de deciso. Muitas vezes, se est diante de situaes que colocam a emoo descrita por Pascal contra a razo defendida por Descartes. Sistemas artificialmente inteligentes possuem limitaes, mas, tambm podem apresentar inmeras vantagens. A partir dessas consideraes possvel contextualizar formalmente o conceito de inteligncia artificial, entretanto, vale destacar que cada autor exerce essa tarefa de maneira distinta. A Tabela 2 destaca algumas dessas definies.

PUC Minas Virtual 4

Ramo da cincia da computao dedicado automao de [Luger & Stubblefield, 1993] comportamento inteligente. Conjunto de tcnicas para a construo de mquinas [Nilsson, 1998] inteligentes capazes de resolver problemas que requerem inteligncia humana. Tecnologia de processamento de informao que envolve [Winston, 1992] processos de raciocnio, aprendizado e percepo. rea de pesquisa que investiga formas de habilitar o [Rich & Knight, 1994] computador a realizar tarefas nas quais, at o momento, o ser humano tem um melhor desempenho.

Tabela 2 Definio da IA de acordo com alguns autores

2.3 Categorias de IA

Os sistemas que usam IA podem ser categorizados em quatro grandes grupos. So eles: a) Sistemas que pensam como humanos: possuem uma abordagem cognitiva e tentam expressar a teoria da mente em um programa de computador. Nesta categoria, a automao das atividades est associada com o pensamento humano e no se preocupa em resolver problemas com preciso, mas, procura simular a forma com que os seres humanos resolvem seus problemas. Como exemplos pode-se citar: processo de tomada de deciso, soluo de problemas e aprendizagem [Simon & Newell, 1961]. b) Sistemas que pensam racionalmente: tais sistemas seguem as leis do pensamento utilizando silogismos, que so padres para estruturas de argumentos que sempre fornecem concluses corretas partindo do princpio que as premissas esto corretas. Neste contexto, esto as leis do pensamento que do origem lgica e que governam a mente. Porm, esse modelo apresenta algumas desvantagens tais como: - Dificuldade em representar o conhecimento informal em um modelo formal como a notao lgica exige; - Dificuldade em representar incerteza; - Mesmo em problemas descritos por poucos fatos torna-se impraticvel para resolver problemas. c) Sistemas que agem como humanos: o exemplo clssico de sistemas desta categoria o teste de Turing. Neste modelo procura-se fazer com que o computador se comporte como um ser humano realizando funes que requerem inteligncia quando realizadas por pessoas conforme visto anteriormente na seo 2.1. d) Sistemas que agem racionalmente: neste tipo de sistema se encaixam os agentes. Um agente uma entidade que percebe o meio atravs de sensores e age por meio de efetuadores. No entanto, espera-se que um agente no se comporte como um mero programa uma vez que deve possuir caractersticas mais evoludas que simples programas. Entre essas caractersticas podemos destacar: adaptar-se a mudanas, perceber o ambiente, raciocinar sobre o estado atual e o estado esperado, entre outras.
PUC Minas Virtual 5

2.4 reas de Apoio para a IA

Inmeras reas contriburam com idias, pontos de vista e tcnicas para a fundamentao da IA. A Figura 2 ilustra essas reas.

Lgica Matemtica

Cincia da Computao

Biologia

IA
Psicologia
Engenharia

Lingustica

Filosofia

Figura 2 reas de apoio para a IA

2.5 Subreas da IA

A Figura 3 mostrada a seguir e extrada de [Souto, 2009] mostra algumas das subreas da IA.

Figura 3 Subreas da IA (Fonte: [Souto, 2009])

2.6 Evoluo histrica da IA

No vero de 1956 no decorrer de dois meses foi realizado em Dartmouth um seminrio denominado Workshop Dartmouth College que contou com dez participantes de todo mundo incluindo
PUC Minas Virtual 6

representantes de Princeton, IBM e MIT. Deste seminrio, o fruto mais importante foi um acordo para adotar o nome sugerido por John McCarthy de Inteligncia Artificial para nominar a rea de pesquisa que tenta construir mquinas que funcionem de forma autnoma em ambientes complexos e, muitas vezes, variveis. Nas prximas sees sero descritos os principais acontecimentos histricos na rea de IA conforme perodos e fatos apresentados em [Russell & Norvig, 2004].

2.6.1 A gestao da IA (1943-1955)

O primeiro trabalho reconhecido na rea de IA foi um modelo de neurnios artificiais realizado por Warren McCulloch e Walter Pitt em 1943. No comeo dos anos 50 Marvin Minsky e Dean Edmonds construram o primeiro computador baseado em redes neurais. Ironicamente, posteriormente, Minsky provou teoremas importantes que levaram a descrena de redes neurais devido a algumas limitaes.

2.6.2 O entusiasmo inicial com a IA (1952-1969)

No incio da dcada de 50, Newell e Simon desenvolveram o General Problem Solver (GPS) cujo objetivo era imitar protocolos humanos de resolver problemas. Dessa forma, o GPS foi o primeiro modelo a incorporar a abordagem Pensar como Humanos descrita anteriormente na seo 2.3. Em 1952, Arthur Samuel escreveu um conjunto de programas que incorporavam o princpio do aprendizado para jogar damas e contrariou o que era senso comum na poca, o fato de que os programas s eram capazes de fazer aquilo para o qual tinham sido programados. Um fato interessante percebido foi que os programas rapidamente aprendiam a jogar melhor do que seus criadores. Em 1958 no MIT John McCarthy definiu a linguagem de alto nvel LISP que se tornaria a linguagem predominante em IA. Depois disso, em 1963 J. A. Robinson descobriu o mtodo de resoluo (um algoritmo completo para demonstrao de teoremas para a lgica de primeira ordem), a partir desta descoberta a linguagem PROLOG estava a caminho. Com Marvin Minsky no MIT as pesquisas na rea de redes neurais voltaram a florescer.

2.6.3 Uma dose de realidade (1966-1973)

A principal barreira que muitos projetos de IA encontraram foi o fato de que os mtodos eram eficientes para demonstrar um ou dois exemplos simples e falhavam terrivelmente quando foram testados com uma seleo maior de problemas ou problemas mais complexos. Outras trs dificuldades que podem ser destacadas so: Os primeiros programas tinham pouco ou nenhum conhecimento do assunto que eles tratavam e, tinham sucesso apenas atravs de manipulaes sintticas muito simples (exemplo: ELIZA em 1965). A intratabilidade de muitos problemas que estavam tentando ser resolvidos pela IA (problemas NP - Completos X hardwares mais rpidos). As limitaes das estruturas bsicas usadas para gerar comportamento inteligente.
PUC Minas Virtual 7

2.6.4 Sistemas Baseados em Conhecimento: a chave para o poder? (1969-1979)

O mtodo de resoluo de problemas usado na primeira dcada na IA foi o mecanismo de busca do propsito geral que buscava reunir passos bsicos de raciocnio com o intuito de encontrar solues completas. Este modelo foi tambm chamado de mtodo fraco, uma vez que usava pouca informao sobre o domnio do problema. Porm, apresentava desempenho pauprrimo quando o domnio do problema era mais amplo e complexo. Nesta poca, Ed Feigenbaum e outros em Stanford comearam a investigar uma nova metodologia de sistemas especialistas. Como resultado desta investigao foi desenvolvido o DENDRAL (1969) e seu objetivo era inferir a estrutura molecular a partir das informaes fornecidas atravs de um espectrmetro de massa. Com o crescimento das aplicaes inspiradas no mundo real cresceu a demanda por esquemas de representao de conhecimento alternativos tais como: programao lgica e frames.

2.6.5 A IA se torna comercial (1980-1988)

Com as pesquisas j voltadas para a rea comercial, o primeiro sistema especialista que apresentou sucesso comercial se chamava R1 e tinha por funo ajudar a configurar ordens para novos computadores e, em 1986, seu uso levava a uma economia de cerca de 40 milhes de dlares/ano. Em 1981, os japoneses anunciaram o projeto Quinta Gerao cujo objetivo era construir computadores inteligentes que rodavam Prolog. O crescimento da indstria de IA neste perodo saiu da casa dos milhes para a casa dos bilhes de dlares.

2.6.6 O retorno das Redes Neurais (de 1986 at a atualidade)

Aps a descrena das redes neurais do incio da dcada de 50, a cincia da computao negligenciou o campo das redes neurais, mas, as pesquisas continuaram em outros campos, especialmente na fsica. Ao mesmo tempo, algumas desiluses sobre a aplicabilidade de sistemas especialistas comearam a surgir. A partir de 1986 novas tcnicas surgiram (destacando: algoritmos genticos e sistemas nebulosos) e inmeras revolues ocorreram na rea de robtica, viso por computador, aprendizado de mquina, representao do conhecimento, reconhecimento de voz e outros.

PUC Minas Virtual 8

2.7 Paradigmas da IA

Um paradigma pode ser definido como um modelo, uma representao de um padro ou uma referncia inicial para estudos e pesquisas e, um paradigma se distingue de outro basicamente em trs aspectos. So eles: - a forma de adquirir o conhecimento; - a forma de representar o conhecimento: de entrada, de sada e interno; - a forma de raciocinar utilizando esse conhecimento. As pesquisas em IA se dividem em trs grandes linhas ou paradigmas. So eles: Paradigma Cognitivo ou simblico, Conexionista ou sub-simblico e Evolucionrio. Alm destes trs podemos utilizar ainda os chamados paradigmas hbridos que so aqueles que associam mais de um paradigma dos citados anteriormente. Nas prximas subsees sero descritos cada um deles detalhadamente.

2.7.1 Paradigma Cognitivo ou Simblico

Este paradigma se fundamenta na hiptese de que a inteligncia conseqncia de uma manipulao formal de smbolos. Basicamente, se inspira nos processos mentais de alto nvel para realizar a representao do conhecimento. Para isso preciso: Identificar o conhecimento do domnio; Represent-lo utilizando uma linguagem formal de raciocnio; Implementar um mecanismo de inferncia para raciocinar sobre este conhecimento e produzir novos. Este paradigma apresenta como principal vantagem a versatilidade; em contrapartida, inadequado para: Raciocnio para execuo de aes reflexas (por exemplo: controle dos motores

efetuadores de um rob); Raciocnio com conhecimento incerto ou que apresente muitos rudos; Raciocnio que envolva clculos ou probabilidades.

Algumas das tcnicas que fazem parte deste paradigma so: a lgica proposicional, a lgica de primeira ordem e sistemas baseados em regras. Estas trs tcnicas sero estudadas detalhadamente nas Unidades 05 e 06 desta disciplina.

2.7.2 Paradigma Conexionista ou Sub-Simblico

Este paradigma se fundamenta basicamente no funcionamento do crebro humano e tem como princpio que, a partir do momento em que for feito um modelo preciso do crebro humano, este modelo ser capaz de reproduzir a inteligncia que um crebro real possui. Neste contexto, o conhecimento representado como padres de atividades em um modelo de rede com pequenas unidades de processamento individual distribudo atravs de conjuntos ou camadas de neurnios. A soluo neste paradigma ser encontrada de maneira paralela uma vez

PUC Minas Virtual 9

que, todos os neurnios dentro de um conjunto ou de uma camada processam suas entradas de maneira simultnea e independente [Luger, 2004]. A grande vantagem apresentada por este paradigma que seus algoritmos geralmente so treinados, ao invs, de terem que ser pr-programados para todas as situaes. Entre as tarefas que o paradigma conexionista se mostra adequado [Luger, 2004] se destacam: Sistemas classificatrios: devem decidir a qual categoria ou grupo pertence um

determinado valor de entrada; Reconhecimento de padres: deve identificar uma estrutura ou padro em um conjunto

de dados; Predio: deve identificar, por exemplo, a partir de um grupo de sintomas qual a doena

em potencial; Otimizao: deve encontrar a melhor soluo dado um conjunto de restries; Filtragem de Rudos: deve identificar e separar o que realmente sinal do que rudo.

Para ilustrar o funcionamento de uma rede neural fundamental conhecer o funcionamento de um neurnio natural e como os neurnios esto interligados formando uma rede que fonte inspiradora para as redes neurais artificiais. A Figura 4 ilustra um neurnio natural.

Figura 4 Neurnio Natural

No neurnio mostrado na Figura 4 possvel visualizar as sinapses que so o ponto de ligao entre dois neurnios. Essa conexo no acontece fisicamente, pois h um espao denominado fenda sinptica, onde ocorre a ao dos neurotransmissores, que so substncias liberada pelos axnios, que por sua vez atravessam a fenda e estimulam os receptores pssinpticos. Atravs da ao dos neurotransmissores que acontece a transmisso de um impulso nervoso (ou informao) de um neurnio para outro. Uma rede neural busca representar em modelo de maneira artificial, assim, um neurnio artificial padro est representado na Figura 5.

PUC Minas Virtual 10

Figura 5 Neurnio Artificial

Neste neurnio pode-se destacar: Sinais de entrada (s1, sj, sn): so dados que podem vir do ambiente ou ainda da

ativao de outros neurnios. Geralmente, as entradas so discretas, do conjunto {0,1} ou {1,1} ou ainda, nmeros reais. Ligaes sinpticas (w1i, wji, wni): so as ligaes entre os neurnios. Cada ligao

deve ter associada a ela um valor (peso) que ir representar a sua fora de conexo, assim, os estmulos de entrada (s1, sj, sn) sero multiplicados pelos respectivos pesos da ligao correspondente de forma a gerar um sinal positivo (excitatrio) ou negativo (inibitrio). Combinador Linear (): realiza o somatrio dos sinais produzidos atravs do produto Funo de limiar (): a sada do neurnio (s(i)) ser definida atravs da funo de

entre os pesos sinpticos e as entradas fornecidas ao neurnio.

ativao que calcula o estado final do neurnio determinando quanto o nvel de ativao do neurnio est acima ou abaixo de um determinado valor. Dessa forma, que o objetivo principal desta funo produzir o estado de ligado/desligado dos neurnios reais [Luger, 2004]. Uma rede neural artificial possui inmeros neurnios conectados entre si e organizados em camadas. A camada de entrada e a camada de sada mostradas na Figura 6 so fundamentais. As camadas escondidas ou subcamadas sero definidas de acordo com a topologia que estabelece o padro de conexes entre os neurnios individuais. A Figura 6 ilustra essas informaes.

Figura 6 Modelo bsico de uma Rede Neural

PUC Minas Virtual 11

2.7.3 Paradigma Evolucionista

Neste paradigma no h nada de cognitivo para a soluo dos problemas. A fonte de inspirao o paradigma neodarwiniano da evoluo das espcies. Em seu livro a Origem das Espcies Charles Darwin faz a seguinte explanao: Que limites podemos impor a este poder, que age durante longas eras e escrutina rigidamente toda a constituio, estrutura e hbitos de cada criatura favorecendo o que bom e rejeitando o que ruim? No vejo limites a este poder de adaptar vagarosamente e maravilhosamente cada forma s mais complexas relaes de vida. Este o princpio bsico da teoria da evoluo das espcies no qual o paradigma evolucionista se inspira e que tem as seguintes caractersticas: A diversidade gerada atravs de cruzamentos entre indivduos e mutaes em indivduos; Os seres mais adaptados aos seus ambientes sobrevivem atravs da seleo natural das espcies; As caractersticas genticas de tais indivduos so herdadas pelas prximas geraes.

3. Bibliografia

[Aurlio, 2009] Dicionrio Aurlio. Disponvel em: <http://www.dicionariodoaurelio.com>. Acesso em: 25 jul 2009.

[Bello, 1995] Bello, J. L. P. A Teoria Bsica de Jean Piaget. Vitria, 1995. Disponvel em: <http://www.pedagogiaemfoco.pro.br/per09.htm>. Acesso em: 03 ago 2009.

[Luger, 2004] Luger, G. F. Inteligncia Artificial: estruturas e estratgias para a resoluo de problemas complexos. Porto Alegre: Bookman, 2004. 774 pgs.

[Luger & Stubblefield, 1993] Luger, G. F.; Stubblefield, W. A. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Benjamin/Cummings. Redwood City, Califrnia, 2 Ed., 1993.

[Lustosa & Alvarenga, 2004] Lustosa, V. G.; Alvarenga, R. O Estado da Arte em Inteligncia Artificial. Revista Digital da CVA-Ricesu. Braslia, 2004.

[Maturana, 1998] Maturana, H. R. Da Biologia Psicologia. Artmed Editora Ltda, 1998.

[Nilsson, 1998] Nilsson, N. J. Artificial Intelligence: a new synthesis. Morgan Kaufmann, 1998.

PUC Minas Virtual 12

[Piaget, 1982] Piaget, J. O Nascimento da Inteligncia na Criana. 4 Ed., Rio de Janeiro: Zahar, 1982.

[Rich & Knight, 1994] Rich, E.; Knight, K. Inteligncia Artificial. 2 Ed., So Paulo: McGraw-Hill, 1994.

[Russell & Norvig, 2004] Russell, S.; Norvig, Peter. Inteligncia Artificial. 2 Ed. 2003.

[Simon & Newell, 1961] Simon, H. A.; Newell, A. Computer simulation of human thinking and problem solving. Datamation, June/July, 35-37, 1961.

[Souto, 2009] Souto, M. C. P. Introduo Inteligncia Artificial. Notas de Aula. DIMAp/UFRN. Disponvel em: <http://www.dimap.ufrn.br/~marcilio/IA/IA2004.1/IA-aula-01-introducao.ppt>. Acesso em: 03 ago 2009.

[Turing, 1950] Computing machinery and intelligente. Mind, 59: pgs. 433-460.

[Winston, 1992] Winston, P. H. Artificial Intelligence. MA: Addison-Wesley, 1992.

PUC Minas Virtual 13