Resolução de Problemas, Aprendizado e Percepção no contexto da IA

Resolução de Problemas pode ser descrito como a capacidade de realizar tarefas corretas conforme algum critério de avaliação. Na matemática, por exemplo, a resolução consiste na obtenção da resposta correta através das regras matemáticas aplicáveis. 

Computadores, utilizando algoritmos e técnicas de programação, conseguem resolver problemas de maneira eficiente (matemáticos ou não), visto que a maioria dessas resoluções ocorre por meio da execução mecânica de procedimentos. Resolução de problema, por si só, não denota inteligência. 

Apesar da resolução de problemas ser um componente importante da inteligência artificial, é espera que a IA consiga mais do que apenas a execução mecânica de tarefas; espera-se que elatenha capacidade de aprendizado, adaptação e tomada de decisões complexas.

Aprendizado, no contexto da inteligência artificial, refere-se à capacidade dos algoritmos de melhorar seu desempenho através da experiência. Esse processo, conhecido como aprendizado de máquina (machine learning), permite que um algoritmo ajuste seus parâmetros internos com base em dados de execuções anteriores, aprimorando seus resultados ao longo do tempo.

O aprendizado de máquina é um elemento central na na IA, pois possibilita que sistemas aprendam e se adaptem autonomamente, sem a necessidade de intervenção contínua. Esse aprimoramento contínuo é fundamental para o desenvolvimento de soluções mais eficientes e precisas em diversas áreas, desde o reconhecimento de padrões até a tomada de decisões complexas.

Percepção abrange dois tipos de fenômenos (físicos e cibenétricos)

No âmbito físico, refere-se à capacidade de coletar dados sobre o ambiente ao nosso redor através de nossos cinco sentidos naturais.

No âmbito mental, é a habilidade de deduzir situações a partir da análise das informações recebidas, como identificar se uma pessoa está triste ou feliz com base em seu semblante, postura, palavras e entonação.

Nos sistemas cibernéticos, a percepção é baseada em sensores que coletam dados objetivamente sobre um problema específico. Pode ser desde a leitura de dados por um software, que interpreta informações armazenadas em arquivos, até sensores físicos que interagem diretamente com o ambiente, como acelerômetros, sensores de som, termômetros e medidores de intensidade luminosa.

Fonte: RUSSELL, S.; NORVIG, P. Inteligência Artificial. 3. ed. Rio de Janeiro: Campus, 2013.