UNIVERSIDADE FEDERAL DO CEARDEPARTAMENTO DE COMPUTAO

CURSO DE CINCIA DA COMPUTAO

CARLOS ROBERTO RODRIGUES FILHO

A EVOLUO DO PROJETO COMPUTACIONAL PARA UMAINTELIGNCIA ARTIFICIAL E AS NOVAS PERSPECTIVASOFERECIDAS PELOS AVANOS DA COGNIO ENATIVA

FORTALEZA, CEAR

2012

CARLOS ROBERTO RODRIGUES FILHO

A EVOLUO DO PROJETO COMPUTACIONAL PARA UMAINTELIGNCIA ARTIFICIAL E AS NOVAS PERSPECTIVASOFERECIDAS PELOS AVANOS DA COGNIO ENATIVA

Dissertao submetida Coordenao do Cursode Ps-Graduao em Cincia da Computaoda Universidade Federal do Cear, como requi-sito parcial para a obteno do grau de Mestreem Cincia da Computao.

rea de concentrao: Inteligncia Artificial

Orientador: Prof. Dr. Carlos Eduardo Fisch deBrito

FORTALEZA, CEAR

2012

A000z Rodrigues Filho, C. R..A Evoluo do Projeto Computacional para uma Inteli-

gncia Artificial e as Novas Perspectivas Oferecidas pelosAvanos da Cognio Enativa / Carlos Roberto RodriguesFilho. 2012.

67p.;il. color. enc.Orientador: Prof. Dr. Carlos Eduardo Fisch de BritoCo-Orientador:Dissertao(Cincia da Computao) - Universidade Federal

do Cear, Departamento de Computao, Fortaleza, 2012.1. 2. 3. I. Prof. Dr. Carlos Eduardo Fisch de

Brito(Orient.) II. Universidade Federal do Cear Cincia daComputao(Mestrado) III. Mestre

CDD:000.0

RESUMO

O desenvolvimento da rea de Inteligncia Artificial (IA) trouxe grandes avanospara a resoluo de problemas computacionalmente difceis. No entanto, a meta inicial da IA,de implementao de uma inteligncia genuna de forma artificial, ainda no foi alcanada. Porisso, a grande maioria dos pesquisadores da rea mudou o foco de suas pesquisas para resoluode problemas, em geral abandonando a meta de uma inteligncia artificial. Para continuarperseguindo essa meta, outros pesquisadores passaram a questionar os princpios filosficosda IA e tomar novos rumos. Alguns deles perceberam que o processo da inteligncia no puramente mental. De acordo com essa nova viso, o corpo tem um papel fundamental noprocesso cognitivo. A partir desse ponto de vista, visando superar obstculos tradicionais daIA, surgiu a IA Corporificada. Esta tem uma forte tendncia a implementao em robs, parase desenvolver um melhor projeto sobre o corpo.

Porm, apesar de ter obtido avanos em relao a problema da IA tradicional, a IACorporificada comeou a apresentar suas prprias limitaes. Surgiu ento a ideia de que umagente genuinamente inteligente deve formular seus prprios problemas a partir da percepoda realidade, construda em termo do seus aparato sensrio-motor. Em outras palavras, a inteli-gncia genuna est ligada autonomia do agente. A IA Enativa surgiu influenciada por estudosbiolgicos a respeito da autonomia. Nessa rea da IA a meta construir um agente artificialautnomo.

Este trabalho relata a trajetria da IA desde a sua fundao, passando pela vertenteda IA Corporificada, e apontando um possvel novo paradigma da IA Enativa. Alm disso, nsAnalisamos e discutimos os processos que levaram pesquisadores a questionar o embasamentofilosfico da IA e a formular novos conceitos a respeito do que inteligncia.

Palavras-chave: Inteligncia Artificial, Enao, IA Corporificada, Autonomia, Au-topoiese.

ABSTRACT

The development in the Artificial Intelligence (AI) field brought great improvementto the resolution of computationally hard problems. However, the early goal of AI, of imple-menting a genuine intelligence in an artificial way, was not achieved. Therefore most of thefields researchers changed their researchs focus to problem resolution, quitting the goal of anartificial intelligence. To keep pursuing that goal others researchers started questioning the phi-losophical principles of AI and they took new routes. Some of them realized that the process ofintelligence is not purely mental. According to this new view the body has a fundamental rolein the cognitive process. From this point of view, aiming to overcome traditional obstacles ofAI, the Embodied AI emerged. It has a strong tendency to implementation in robots, to developa better design of the body.

Despite having achieved improvements over the problem of traditional AI, Embo-died AI started to present its own limitations. Then came the idea that a genuinely intelligentagent must formulate its own problems from the perception of reality, constructed in terms oftheir sensory-motor apparatus. In other words, the genuine intelligence is linked to the agentsautonomy. The Enactive AI appeared influenced by biological studies about autonomy. In thisAI field the goal is to build an autonomous artificial agent.

This paper reports the trajectory of AI since its foundation, through strand of Em-bodied AI, and pointing to a possible new paradigm of Enactive AI. In addition, we analyseand discuss the processes that led researchers to question the philosophical basis of IA andformulate new concepts about what intelligence is.

Keywords: Artificial Intelligence, Enaction, Embodied AI, Autonomy, Autopoiesis.

LISTA DE FIGURAS

Figura 2.1 Pascaline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Figura 2.2 Mquina de Leibniz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Figura 2.3 GPS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

Figura 3.1 Mente-Corpo-Mundo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Figura 3.2 Allen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

Figura 3.3 Hebert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Figura 3.4 Genghis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Figura 3.5 Rob de Di Paolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

Figura 3.6 Fases do Experimento de Wood e Di Paolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

SUMRIO

1 INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.1 O Conceito de inteligncia na IA Tradicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.2 Mudanas de Paradigma na IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.3 Enao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.4 Organizao do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2 DESENVOLVIMENTO E CRTICA DA INTELIGNCIA ARTIFICIAL . . . . 21

2.1 Herana filosfica da Inteligncia Artificial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.2 Incio da Inteligncia Artificial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.2.1 Outros desenvolvimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.2.2 Desenvolvimentos posteriores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.3 A Inteligncia Artificial moderna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.4 Crtica da Inteligncia Artificial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.4.1 O Quarto Chins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.4.2 Frame Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.4.3 Symbol Grounding Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3 INTELIGNCIA ARTIFICIAL CORPORIFICADA . . . . . . . . . . . . . . . . . . . . . . . . 35

3.1 Inteligncia sem representao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.1.1 Os Robs de Brooks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.2 Cognio Corporificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.3 Inteligncia Artificial Corporificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

3.4 Experimentos em IA Corporificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.4.1 Di Paolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.4.2 Wood e Di Paolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

3.4.3 Izquierdo e Harvey . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.4.4 Crtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.5 Crticas IA Corporificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

4 INTELIGNCIA ARTIFICIAL ENATIVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4.1 Autopoiese: A forma de organizao dos seres vivos . . . . . . . . . . . . . . . . . . . . . . . 53

4.2 Biologia da intencionalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.3 Adaptatividade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

4.4 Inteligncia Artificial Enativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

5 CONCLUSO E TRABALHOS FUTUROS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

5.1 Trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

REFERNCIAS BIBLIOGRFICAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

11

1 INTRODUO

O fenmeno da cognio o objeto de estudo de muitas reas do conhecimentocomo a Cincia Cognitiva, a Filosofia, a Psicologia e a Inteligncia Artificial. A Cincia Cog-nitiva e parte da Filosofia tm a inteligncia como objeto de estudo em si mesma, no sentido deque elas buscam encontrar uma explicao para o advento da cognio. Por outro lado, a Psico-logia e a Inteligncia Artificial buscam encontrar no entendimento da cognio a possibilidadede entender o que essencial ao fenmeno, para a Psicologia, ou entender o funcionamentodo mesmo, para a Inteligncia Artificial. Essa diversidade de pontos de vista sobre o mesmotema levou a elaborao de diferentes concepes sobre o que seja cognio ou inteligncia, eno se pode dizer hoje em dia que exista um definio rigorosa e consensual para a noo deinteligncia. Esse fato claramente ilustrado por Legg e Hutter(LEGG; HUTTER, 2007), quereuniram um grande nmero de definies de inteligncia formuladas por pesquisadores de di-versas reas. Um fato que chama a ateno que mesmo quando nos restringimos ao escopo dainteligncia artificial, no encontramos consenso. Pesquisadores diferentes colocam nfase emaspectos diferentes do fenmeno da inteligncia. Por exemplo, Minsky identifica como carac-terstica essencial de um agente inteligente ... the ability to solve hard problems.1(MINSKY,1988) apud (LEGG; HUTTER, 2007). J Goertzel destaca o ambiente em que o agente estinserido ao dizer que o comportamento inteligente consiste em Achieving complex goals incomplex environments.2(GOERTZEL, 2006) apud (LEGG; HUTTER, 2007).

As diferenas entre as diversas concepes de inteligncia dentro da rea de Inteli-gncia Artificial (IA) se evidenciam na atual coexistncia de pelo menos trs vertentes distintasde pesquisa. A primeira vertente, que chamaremos de IA Tradicional ou IA Simblica e Repre-sentacionalista, est associada aos primeiros desenvolvimentos da rea e a vertente dominanteat hoje. Ela se caracteriza por afirmar que a inteligncia uma manifestao exclusiva damente, baseada na manipulao de representaes mentais da realidade. A segunda vertente chamada de IA Corporificada3 (Embodied Artificial Intelligence), e surgiu em contraponto IARepresentacionalista. Seu ponto de vista baseado em uma srie de estudos que evidenciam opapel fundamental do corpo no processo cognitivo(BATESON, 1979). A rea tem um carteressencialmente experimental, tendo encontrado na robtica os elementos necessrios para a ins-tanciao do corpo dos agentes artificiais. A terceira vertente, chamada IA Enativa(FROESE;ZIEMKE, 2009), ainda se encontra em seus primeiros desenvolvimentos e tem poucos trabalhosprticos, mas se distingue da anterior por uma forte caracterizao conceitual. A IA Enativa re-presenta um avano com relao IA Corporificada, ao exigir que o agente inteligente sejacapaz de gerar os seus objetivos a partir de uma perspectiva prpria sobre o mundo. A chavepara essa possibilidade estaria na ideia de que a identidade do agente precisa ser autonomamenteconstituda.

importante observar que a perspectiva enativa introduz um novo elemento con-

1... a habilidade de resolver problemas difceis.2Alcanar metas complexas em ambientes complexos.3O termo embodied, aplicado inteligncia artificial, no possui uma traduo para o portugus amplamente

estabelecida. Neste trabalho, optamos por usar o termo inteligncia artificial corporificada.

12

ceitual nas discusses sobre cognio e inteligncia artificial. Ela oferece o diagnstico de quea falta de autonomia dos seres artificiais compromete a meta de se conseguir uma intelignciaartificial genuna. A autonomia no um conceito simples, tendo significados especficos emreas diferentes. Por exemplo, no contexto dos dispositivos que utilizam bateria, ela se refere aotempo de atividade do dispositivo sem a necessidade de se conectar rede eltrica. No contextoda automao, o conceito de autonomia pode ser entendido como a capacidade que um meca-nismo possui de realizar uma tarefa sem o auxlio de um ser humano. A noo de autonomia daIA Enativa um pouco mais sutil, e diz respeito capacidade que um agente artificial deve terde gerar seus prprios objetivos. Essa ideia parece paradoxal primeira vista: como que umamquina (computacional) cujo comportamento estritamente especificado em termo de regraspr-definidas, pode gerar suas prprias regras e objetivos? Essa questo nunca foi colocada se-riamente nas discusses da IA. Apesar da ideia de agentes inteligentes autnomos estar semprepresente no imaginrio da rea, os projetos concretos da IA Tradicional sempre envolveram aconstruo de artefatos que alcanam objetivos definidos pelos seus construtores.

1.1 O Conceito de inteligncia na IA Tradicional

Tradicionalmente, o conceito de inteligncia para a IA sempre esteve ligado ideiade um agente ser capaz de resolver um problema. Alm disso, a alta capacidade humana deresoluo de problemas foi adotada como meta, de modo que um agente artificial deve sercapaz de resolver problemas com uma habilidade comparvel de um ser humano para queseja considerado inteligente. Por exemplo, um programa de xadrez que no consegue vencersequer uma criana no considerado inteligente. No entanto, essa impresso se modifica se oprograma pode vencer um bom jogador.

No difcil programar um computador para resolver problemas matemticos ouproblemas relacionados a jogos de tabuleiro. O que esses problemas tm em comum o fato depossurem uma definio formal e um escopo bem delimitado. No entanto, em princpio, a IAse prope a resolver problemas de todo tipo, baseada na observao de que a inteligncia umafaculdade genrica. A dificuldade em viabilizar esse projeto est no fato de que a maior partedos problemas resolvidos por um ser humano cotidianamente no possui uma especificaoexplcita. Por exemplo, uma pessoa que acorda e deseja ficar pronto para sair para ir ao trabalho,note que no existe uma maneira nica de se fazer isso, nem tampouco uma s soluo. Paraque esses problemas possam ser resolvidos por um computador, eles precisam passar por umprocesso de formalizao.

O primeiro passo no processo de formalizao consiste em abstrair do problematodos os seus aspectos irrelevantes do ponto de vista computacional. O resultado desse passo a identificao de um conjunto de propriedades que permitem descrever o problema em termosde um objetivo a ser alcanado pela execuo de aes bem definidas que modificam o estado domundo. Uma vez formalizado, o problema pode ser representado na forma de uma estrutura dedados adequada para a manipulao por um computador, e a sua soluo pode ser encontradapela execuo de um algoritmo. Continuando o exemplo acima, imagine algum que desejeir de casa para o trabalho, o primeiro passo para o computador resolver este problema seria

13

colocar uma restrio do tipo "utilizando o caminho mais curto", para se definir qual das vriassolues deve ser buscada. Em seguida preciso modelar as ruas atravs de um grafo, deve-setambm estabelecer as regras para "caminhar"nesse grafo e os pontos inicial e final.

Uma observao importante a ser feita nesse momento que, na IA Tradicional,o processo de formalizao no considerado como uma parte da resoluo do problema, nosentido de que ele apenas captura o que essencial em uma dada situao, e transforma um pro-blema real em um problema tratvel pelo computador. Mais precisamente, a IA Tradicional sebaseia no pressuposto de que a inteligncia pode ser reduzida resoluo de um ncleo lgicodo problema. McCarthy ilustra bem esse ponto, ao definir inteligncia da seguinte maneira: In-telligence is the computational part of the ability to achieve goals in the world.4(MCCARTHY,2007) apud (LEGG; HUTTER, 2007).

Esse esquema de formalizao de problemas e codificao da sua soluo na formade um algoritmo foi responsvel por um grande nmero de sucessos nos primeiros anos daIA5. No entanto, quando examinado mais de perto, esse esquema no parece oferecer umaestratgia satisfatria para o projeto da IA, pois o computador no participa da definio doproblema e nem tampouco da elaborao do algoritmo. Um mecanismo que se limita a realizaroperaes combinatrias predefinidas pelo programador sobre estruturas de dados desprovidasde significado, dificilmente poderia ser considerado como algo inteligente.

Alguns avanos posteriores da IA reduzem um pouco o impacto dessa crtica, aopermitirem que certos aspectos da definio do problema, e da sua soluo, no sejam pre-viamente especificados pelo programador. Por exemplo, a rea de meta-heursticas investigamtodos para a soluo de problemas de otimizao atravs de procedimentos iterativos, combase em uma funo de avaliao. O aspecto relevante aqui que esses mtodos no utilizamnenhuma informao estrutural do problema que est sendo resolvido, e podem ser aplicados auma larga classe de problemas. Outro exemplo importante fornecido pela rea de aprendizadoautomtico. Nas tcnicas de aprendizado por reforo o computador no possui uma descrioexplcita do objetivo que deve ser alcanado, e deve aprimorar a qualidade da soluo que eletem no momento atravs de um processo de tentativa e erro utilizando as aes que ele tem sua disposio. Essas ideias esto presentes na seguinte definio de inteligncia formulada porNakashima:

Intelligence is the ability to process information properly in a complex environ-ment. The criteria of properness are not predefined and hence not available befo-rehand. They are acquired as a result of the information processing.6(NAKASHIMA,1999) apud (LEGG; HUTTER, 2007)

Como o ser humano a referncia de inteligncia utilizada pela IA Tradicional, umaoutra maneira de avaliar o sucesso do projeto de implementar uma inteligncia artificial seria

4Inteligncia a parte computacional da habilidade de atingir metas no mundo.5Como mostraremos no Captulo 26Inteligncia a habilidade de processar informao corretamente em um ambiente complexo. Os critrios de

correo no so pr-definidos e portanto no esto disponveis antecipadamente. Eles so adquiridos como umresultado do processamento de informao.

14

comparar os modos pelos quais os seres humanos e o computador resolvem problemas. O serhumano plenamente capaz de lidar com a novidade, sendo capaz de resolver um problema quenunca foi encontrado antes com base na sua experincia passada. J o computador s conseguelidar com a novidade se ela tiver sido antecipada pelo programador. Por exemplo, considere ojogo de xadrez e um computador programado para jog-lo. Tanto o ser humano quanto o com-putador em questo so capazes de jogar xadrez. Agora imagine que se quer jogar uma variantedo xadrez onde o peo s se move no sentido diagonal. O ser humano plenamente capaz deaprender a jogar esse novo jogo. O computador, por sua vez, deve ser reprogramado para poderjogar. Mas, podemos imaginar um programa em que as regras sobre a movimentao das peassejam um dos parmetros do programa. Esse programa conseguiria jogar as variantes do xa-drez que utilizam o mesmo conjunto peas. No entanto, se for introduzida uma pea nova, estecomputador tambm ter que ser reprogramado. Se pensarmos em sucessivas modificaes nojogo, podemos perceber que no h limite para as possibilidades do computador, contanto queele sempre seja previamente programado. Qualquer modificao no antecipada requer umareprogramao. Ou seja, em princpio, no h limite para a variedade de comportamentos queum programa de computador pode apresentar. Mas, uma vez que o programa esteja definido,ele no pode adquirir um novo comportamento. Essa caracterstica de determinao prvia,que intrnseca aos programas de computador, chamada de anterioridade. Essa propriedade problemtica, pois ela estabelece um limite fundamental para a capacidade de resoluo deproblemas de qualquer programa. Se todas as possibilidades de ao do programa precisam serespecificadas a priori, ento sempre haver um limite para elas, e em face de um fato impre-visto o problema no ser resolvido. Esse limite parece no existir para os seres humanos, queaparentam estar sempre aptos para lidar com o novo e o desconhecido.

O problema da anterioridade surge como resultado do processo de formalizao. Aoidentificar os aspectos do problema que so relevantes para a sua soluo, a formalizao acabadeixando de lado tudo o que no est diretamente ligado resoluo do problema. Ou seja, emum certo sentido, todas as possibilidades de ao para a resoluo do problema j esto presentesno ato de formalizao. Podemos notar que a formalizao envolve um processo de escolhaentre as vrias solues possveis para um problema. O que fica claro a partir dessas observaes que a tarefa de formalizao de um problema tambm, ela prpria, um problema que precisaser resolvido. No esquema da IA Tradicional, essa tarefa sempre realizada por um ser humano.Isso significa que o computador implementa apenas uma etapa do processo de resoluo deproblemas. De fato, a etapa menos nobre: a manipulao mecnica de smbolos. Nesse sentido,os programas da IA Tradicional devem ser considerados como meros instrumentos acessriosdos seres humanos na sua atividade inteligente de resoluo de problemas.

importante observar que essa situao no se modifica de maneira essencial comos desenvolvimentos posteriores da IA mencionados acima. Podemos enxergar nas tcnicas demeta-heurstica, aprendizado automtico e outras, uma tentativa de eliminar, ou pelo menos di-minuir, o problema da anterioridade. No entanto, tudo o que se consegue com esses movimentos apenas mudar a dificuldade de lugar. Em todos esses casos, temos algoritmos especificadosem um nvel de abstrao mais alto, onde certos aspectos dos problemas que so resolvidos noaparecem explicitamente, mas que utilizam critrios de qualidade ou sucesso especificados peloprogramador ou usurio do programa.

15

A questo que permanece ento se possvel remover a anterioridade de fato. Anica soluo possvel parece consistir em fazer com que o prprio computador identifique oque relevante em uma dada situao. Alguns pesquisadores sugeriram que o corpo deve terum papel crucial nessa tarefa, uma vez que ele o elemento mediador entre o agente e a reali-dade. So as caractersticas fsicas e sensoriais do corpo que determinam as possibilidades deao do agente, e seria atravs de um processo de experimentao e avaliao que ele desco-briria os meios para chegar a soluo do problema. Essas observaes levaram a investigaopara o campo da robtica, onde possvel realizar experimentos com sistemas computacionaisconcretos (robs) que interagem com o ambiente atravs de sensores e motores.

1.2 Mudanas de Paradigma na IA

Se nos distanciarmos um pouco do movimento feito pela IA, podemos ter uma vi-so mais ampla dos caminhos que a rea seguiu e enxergar mudanas mais profundas ao longodo seu desenvolvimento. Tais mudanas se deram quando parte dos pesquisadores da rea sevoltaram para outro paradigma de inteligncia, iniciando uma nova vertente da IA. Apesar deapresentarmos agora essas mudanas de forma breve, elas foram fruto do prprio desenvolvi-mento de cada vertente que as antecedem. A discusso detalhada desse desenvolvimento oque constitui o corpo deste trabalho.

No incio, a IA era baseada no paradigma de que inteligncia igual a resoluo deproblemas formalizados. Como vimos, a formalizao um processo que reduz o problema aseu ncleo lgico, retirando o problema do seu contexto. No fim do processo de formalizao,o que resta so smbolos e regras para a manipulao desses smbolos, representado pelas aese seus pr-requisitos. A IA Tradicional, ou IA Simblica, deu origem IA Corporificada. Oparadigma da IA Corporificada que o corpo tem um papel importante no processo cognitivo.A ideia de que inteligncia resoluo de problemas ainda bastante presente na IA Corpo-rificada. Porm, traando um paralelo com a IA simblica, os problemas da IA Corporificadano so formalizados, no sentido de que o agente da IA Corporificada deve ser capaz de captarno seu ambiente a "configurao" do mundo em que se encontra, tambm de identificar se aspr-condies para a execuo de suas aes so satisfeitas. O objetivo, todavia, ainda ide-alizado pelo seu construtor. J para a IA Enativa, o agente genuinamente inteligente deve sercapaz de gerar seus prprios objetivos. Apesar de caracterizarmos a IA Enativa como vertentedistinta da IA Corporificada, o pouco tempo desde que ela surgiu no nos permite afirmar seir se confirmar essa distino. Atualmente todas as trs subreas da IA esto ativamente sendopesquisadas e discutidas entre seus pesquisadores. Podemos dizer que o que distingue as trs sua interpretao do que inteligncia e como ela se manifesta.

O estabelecimento da IA simblica se deu a partir da dcada de 1950, quandoMinsky e McCarthy organizaram a conferncia de Dartmouth de 1956, ao perceber que outrospesquisadores tambm estavam utilizando o computador na tentativa de automatizar as capaci-dades cognitivas. Apesar do esforo de organizao da rea, somente mais tarde, na dcada de1970, surgiu uma teoria abrangente da IA Simblica, quando Newell e Simon propuseram umahiptese forte a respeito da cognio. A Hiptese do Sistema Simblico Fsico, sobre a qual

16

discutiremos na Seo 2.2, diz que um sistema simblico fsico possui os meios necessrios esuficientes para a ao inteligente(NEWELL; SIMON, 1976). Segundo essa hiptese, ns dis-pomos de um sistema simblico interno que responsvel pela nossa capacidade cognitiva. Nacincia cognitiva, essa hiptese serviu de base para o estabelecimento do chamado paradigmacomputacional. A aceitao da hiptese de Newell e Simon fora da computao teve impactona IA, reforando a ideia de que a rea seguia o rumo correto, mesmo tendo recebido crticas,das quais falaremos a seguir.

A demora para o surgimento de uma teoria da IA Simblica foi efeito de uma reaque sempre se caracterizou por ser pragmtica. A ideia geral era que se era possvel reproduziro fenmeno da inteligncia no computador, ento o estabelecimento de teorias pode ficar emsegundo plano. Porm, importantes limitaes se apresentaram aos avanos da rea. Como adificuldade de resolver verses maiores de problemas cujas verses menores eram facilmenteresolvidas, como o problema da torre de hanoi, por exemplo. O crescimento exponencial dadificuldade de resoluo dos problemas, em relao ao tamanho da entrada, foi uma das limi-taes que se apresentou como empecilho para a IA. Esse tipo de limitao ganhou um reforoterico com o surgimento da Teoria da Complexidade. Outro tipo de problema que se apre-sentou como difcil para a IA foram os relacionados com linguagem natural. Alguns filsofos,como Searle, afirmaram a impossibilidade de entendimento de linguagem natural por parte deum computador, como discutiremos em detalhes na Seo 2.4.1. Todas essas limitaes e argu-mentos a respeito de impossibilidades para a IA fizeram com que alguns pesquisadores da IAse voltassem para discusses tericas sobre o embasamento da rea.

No incio da IA, alguns filsofos acusavam os pesquisadores da rea de estaremrefazendo o que a filosofia j havia feito, isto , de no aproveitarem a discusso filosfica jexistente a respeito da inteligncia. Porm, a discusso de inteligncia na filosofia, apesar deestar relacionada com a IA, est em outro nvel, no sentido de que aborda aspectos diferentesda inteligncia, e no tem, em princpio, implicao direta na IA. Por exemplo, Dreyfus fazsua crtica IA (DREYFUS, 1975) com base na filosofia de Heidegger, mas o texto original doautor alemo, no trata especificamente da noo de inteligncia. Portanto, era natural que ospesquisadores da IA no enxergassem na discusso filosfica, que foram acusados de ignorar,uma relao com os seus projetos. Depois de certo tempo, as crticas filosficas aumentarame alguns dos prprios cientistas da IA passaram a consider-las, a fim de compreender melhoras barreiras que impediam o desenvolvimento da IA. Nesse ponto, o conceito de representao,que uma noo fundamental para a IA Simblica, foi apontado como o grande empecilho parao desenvolvimento de uma inteligncia genuna.

Das discusses a respeito da representao surge uma nova vertente de IA, chamadade IA Corporificada. A IA Corporificada inicia como uma oposio ao aspectos representacio-nalista da IA Simblica. O corpo passa a ser entendido como parte do processo cognitivo, dao nome IA Corporificada. A inteligncia no mais entendida como um processo que aconteceisoladamente no crebro, mas que acontece de forma paralela no corpo todo. Dessa forma, ameta de inteligncia da IA Corporificada tambm diferente, no sentido de que, em princpio,no se busca a inteligncia humana como meta, mas a inteligncia de um animal. Este passa aser considerado tambm como referncia de inteligncia.

17

Com uma ideia de cognio descentralizada, essa rea da IA aproxima a percepoda ao, atravs da interao direta entre sensores e motores. Dessa forma o agente entra emcontato direto com o mundo. Como Brooks afirma It turns out to be better to use the worldas its own model.7(BROOKS, 1991), ao invs de um modelo mental. Brooks toma comoreferncia a teoria da evoluo e diz que a natureza demorou muito mais tempo para evoluirat seres da complexidade de insetos, do que desse nvel at seres humanos. Brooks pretende,ento, atravs de um projeto incremental de inteligncia, perseguir a meta da inteligncia nonvel de um inseto, para da chegar ao nvel dos seres humanos.

As implementaes de IA Corporificada so preferencialmente feitas com robs, ousimulao de robs. Por estarem embutidos no mundo, os robs superam algumas dificulda-des da IA Tradicional. Por exemplo, na IA Simblica o desenvolvedor deveria definir o nvelde detalhamento e os aspectos relevantes do mundo para resolver o problema, atravs da for-malizao. Como na IA Corporificada no h representao, todos os nveis de detalhes, emprincpio, esto disponveis para o agente, limitados pela capacidade de seus sensores. Mesmoem uma simulao implementada de acordo com a IA Corporificada, os robs so implementa-dos com sensores, que so a nica forma de eles adquirirem informaes sobre seu ambiente.Nesse caso, precisamos ser cautelosos para no confundirmos a representao que a simulaoem si , com uma possvel representao que o agente simulado teria do seu mundo. Uma simu-lao em um computador , sem dvidas, uma representao daquilo que simulado. Porm,um agente corporificado simulado no necessariamente programado para ter acesso a todasas informaes do seu ambiente, ele somente percebe os aspectos do ambiente com os quaisseus sensores entraram em contato. Por exemplo, considere uma simulao de um agente quedeve aprender a cruzar um labirinto. Todas as informaes a respeito do labirinto fazem parteda simulao, mas o agente no tem acesso a elas, ou seja, ele no pode consultar o mapa dolabirinto e fazer clculos em cima dele. O agente s tem acesso ao que est diretamente emcontato com seus sensores, e ter que utilizar seus motores para modificar as posies dos seusensores, a fim de conseguir mais informaes a respeito do seu ambiente.

A IA Corporificada surgiu como uma tentativa de superar as barreiras da IA Simb-lica. Note que o problema da anterioridade, na forma que estava presente na IA Simblica, noexiste na IA Corporificada. Isto , o problema que surge ao se tentar antecipar todas as possibi-lidades que o agente venha a se deparar, no est presente em um agente que tem acesso diretoao mundo, sem utilizar representaes. Ele deve ser capaz de aprender a lidar com as variaesdo problema a medida que elas surgem. Podemos perceber a anterioridade como um limitantes possibilidades do agente da IA. Ao tentar retirar anterioridade, tentamos dar mais "liber-dade" ao agente. Note que estabelecer um problema para o agente resolver , de certa forma,limit-lo. Ou seja, estabelecer sua finalidade, e constru-lo com um propsito pr-determinado,ainda caracteriza a presena da anterioridade. Todo o projeto do rob, desde aspectos fsicos ataspectos lgicos so pensados com o intuito de resolver um problema. Ao fazer isso, estamosainda antecipando o comportamento do agente.

A soluo para o problema da anterioridade na IA Corporificada seria produzir umagente completamente autnomo, capaz de gerar suas prprias metas. Com esse intuito surge

7Acontece que melhor usar o mundo como seu prprio modelo.

18

a vertente da IA Enativa. Antes de o conceito de enao chegar a IA, ele j existia no contextoda Cincia Cognitiva. Varela, Thompson e Rosch (VARELA; THOMPSON; ROSCH, 1992)puseram a pedra fundamental desse ramo da Cincia Cognitiva. Por se tratar de uma rearecente, ainda no possvel afirmar com clareza se a IA Enativa constitui uma vertente porsi s, que estabelecer um novo paradigma, ou se uma subrea da IA Corporificada. Nessetrabalho ns tratamos como reas distintas, pelo fato de a IA Enativa possuir uma caractersticabem distinta da IA Corporificada, conceitualmente falando.

1.3 Enao

O paradigma da enao est fundamentado sobre a ideia de que mesmo o nvelmais simples de cognio s pode se manifestar em um agente autnomo. A Teoria da Enaose sustenta sobre a teoria biolgica da autopoiese. De acordo com essa teoria, um ser vivo ca-racterizado por estar em constante processo de autoproduo. A autoproduo o procedimentoatravs do qual as partes do ser vivo produzem umas s outras em uma rede interdependente.Ao produzirem uma as outras, as partes delimitam o que faz parte do organismo e o que nofaz. Assim, a autoproduo constante do ser vivo garante uma identidade ao mesmo. Note queo processo de autoproduo executado pelo ser vivo e tem como produto o prprio ser vivo.Podemos dizer que esse processo possui em si mesmo o propsito intrnseco de continuidade daautoproduo. Outro modo de falar sobre esse propsito dizer que o ser vivo tem o propsitode continuar vivo. A gerao intrnseca de um propsito caracteriza o ser vivo como um agenteque segue suas prprias leis, ou seja, que autnomo. A partir do propsito de manutenoda autoproduo e da diferenciao entre dentro e fora do organismo vivo, o ser vivo gera umaperspectiva que lhe permite avaliar suas interaes com seu meio. Isto , uma interao como meio pode ser julgada como boa ou ruim para a auto-manuteno. Essa capacidade de dife-renciar as interaes a partir de um critrio, podemos chamar de cognio no seu modo maissimples.

Um aspecto importante do ponto de vista da enao a percepo de que o mundose apresenta para cada indivduo de forma diferente, dependendo do seu aparato sensrio-motor.Dessa forma, indivduos com aparatos sensoriais parecidos, como dois representantes de umamesma espcie, percebem o mundo de forma similar. Por outro lado, um indivduo com visopercebe o mundo de forma diferente de outro que no tenha essa capacidade. Por exemplo, doisseres humanos, em geral, possuem o mesmo espectro de percepo de cores, j o co possuium espectro mais limitado, por possuir um aparato sensorial diferente. O aparato motor doindivduo determina a forma como ele pode agir no seu meio. Da mesma forma que acontececom o aparato sensorial, indivduos com aparatos motores semelhantes podem agir no mundode maneiras semelhantes. A separao dos aparatos sensorial e motor s feita aqui parafins de explicao, na realidade os dois influenciam tanto na percepo como na ao. Esseentendimento do papel do aparato sensrio-motor na determinao do lao percepo-ao jse encontrava na IA Corporificada.

Voltando ideia do ser autnomo capaz de julgar suas interaes com o meio, omodo como ele interage com o meio determina a relevncia de aspectos externos a ele na rea-

19

lizao de seus objetivos. Assim, podemos perceber que apesar de o meio poder ser o mesmo,para indivduos autnomos diferentes, ele se apresenta de formas diferentes. Por isso, dizemosque o ser autnomo constri sua prpria percepo de mundo. A percepo de mundo cons-truda pelo agente autnomo subjetiva, no sentido de que cada aspecto depende do contextoem que o agente se encontrava no momento de sua interao. Assim, a percepo construdapelo agente autnomo no uma representao da realidade objetiva.

Na IA, o paradigma da Enao coloca a questo da construo da percepo comocentral na sntese de um agente artificial inteligente. Como essa percepo no pode ser cons-truda de fora do agente, pelo seu projetista por exemplo, o agente deve ser projetado de modoa ter condies de realizar tal construo da percepo. Portanto, a IA Enativa se volta para aquesto de como produzir um agente autnomo, capaz de ter uma percepo de mundo prpriae, desse modo, gerar tambm seus prprios objetivos. Para tanto nos voltamos para a discussoa respeito de autonomia em seres vivos, feita por Varela em (VARELA, 1991). Mas primeiro,precisamos discutir teoria da autopoiese, de Maturana e Varela, que caracteriza o ser vivo comoum ser que se autoproduz. Essa discusso ser aprofundada no Captulo 4

1.4 Organizao do Trabalho

O presente trabalho se prope a apresentar e a discutir as modificaes sofridas pelaIA no seu rumo a rea da Inteligncia Artificial Enativa. Para tanto, iniciaremos discutindo area da Inteligncia Artificial, como foi concebida, no Captulo 2, onde apresentaremos os fun-damentos filosficos e matemticos que ajudaram a formar a rea na Seo 2.1. Em seguida,na Seo 2.2, mostraremos o surgimento da rea propriamente dita e seus primeiros desenvol-vimentos. Posteriormente, na Seo 2.3, apresentaremos a mudana ocorrida na IA tradicionale como ela se encontra nos dias de hoje. Finalizando o captulo, discutiremos as crticas feitas rea na Seo 2.4.

No Captulo 3, apresentaremos a vertente de IA denominada IA Corporificada. Ini-cialmente, faremos uma discusso a respeito de como a IA Corporificada surge para contraporpontos da IA tradicional que dificultam a produo de inteligncia genuna em seres artificiaisbaseados em computador. Na Seo 3.1, mostraremos como Brooks iniciou a rea com suasideias de fazer IA sem representao. J na Seo 3.2, abordamos como as ideias de corpori-ficao da inteligncia influenciou a Cincia Cognitiva, e como isso influenciou de volta a IA.A IA Corporificada ser aprofundada na Seo 3.3, com alguns de seus trabalhos discutidos naSeo 3.4. Finalmente, apresentaremos as crticas IA Corporificada na Seo 3.5.

No Captulo 4, discutiremos as propostas que surgiram para superar as crticas IACorporificada e como isso nos leva ao estudo de teorias da biologia. Na Seo 4.1 apresenta-remos a teoria da autopoiese. Mostraremos algumas de suas implicaes filosficas, discutidaspelos prprios autores da teoria, na Seo 4.2. Na Seo 4.3 veremos a viso de Di Paolo arespeito das consequncias da autopoiese, apresentando mais uma caracterstica dos seres vivosque ele considera essencial para cognio: adaptatividade. Finalmente, na Seo 4.4 discutire-mos a respeito de todos esses conceitos que envolvem o paradigma da Enao no contexto da

20

Inteligncia Artificial. No Captulo 5 faremos as concluses do trabalho e falaremos a respeitodos trabalhos futuros.

21

2 DESENVOLVIMENTO E CRTICA DA INTELIGNCIA ARTIFICIAL

A Inteligncia Artificial, tradicionalmente, se fundamenta no pressuposto de que possvel compreender o mundo dividindo-o em partes e representando-as atravs de um sistemade smbolos. Segundo essa viso, ns pensamos atravs de uma representao do mundo. Ouseja, ns teramos, dentro da nossa mente, representaes dos fatos do mundo que manipula-mos e sobre as quais raciocinamos. O raciocnio apenas a manipulao de regras sobre asrepresentaes que fazemos do mundo. Apreender essas regras tem sido o objetivo dos cientis-tas da IA, que pretendem em seguida implement-las em uma mquina. As representaes domundo, juntamente com as regras do raciocnio, fariam da mquina uma entidade inteligente.Ela estaria preparada para agir nas situaes em que j dispusesse das devidas representaes.

Nesse captulo, apresentaremos as bases de pensamento que geraram os pressupos-tos assumidos pela IA, na Seo 2.1. Na Seo 2.2, falaremos do surgimento da IA como reaindependente, seus desenvolvimentos, suas dificuldades e a mudana de metas de alguns cien-tistas da IA. Na Seo 2.3, mostraremos os desdobramentos dessa mudana nas metas da IA.Finalmente, na Seo 2.4, apresentaremos as principais crticas feitas ao projeto da IntelignciaArtificial.

2.1 Herana filosfica da Inteligncia Artificial

Russell e Norvig(RUSSELL; NORVIG, 2010) fazem um resumo da histria da IAcomeando por Aristteles, que em seu Organon publicou as primeiras ideias sobre a lgica,ainda de maneira informal, e que foram a base para a atual rea de lgica. Ele tambm estavaprocurando identificar as regras bsicas para o raciocnio. Muito tempo depois veio ThomasHobbes, que em 1651 no livro Leviat sugeriu a possibilidade de um animal artificial, mec-nico. Hobbes acreditava que todo raciocnio apenas computao numrica. Nessa poca,Blaise Pascal j havia construdo a famosa Pascaline (Figura 2.1), uma mquina de calcular ca-paz de realizar as operaes de adio e subtrao. At ento muitos acreditavam que o clculoera uma faculdade exclusiva do pensamento humano, e que, portanto, somente seres inteligen-tes eram capazes de calcular. Isso fez com que Pascal imaginasse que sua mquina estava mais

Figura 2.1: Mquina da Calcular Produzida por Pascal.Fonte: http://en.wikipedia.org/wiki/File:Pascaline_calculator_front.png

22

Figura 2.2: Mquina da Calcular Produzida por Leibniz.Fonte: http://history-computer.com/MechanicalCalculators/Pioneers/Lebniz.html

prxima do pensamento do que um animal. Depois, Gottfried Leibniz construiu outra calcula-dora mecnica (Figura 2.2), esta capaz tambm de multiplicar, dividir e obter razes. Diversosaspectos do raciocnio estavam sendo reproduzidos em mquinas, o que j levava a crer queseria possvel fazer o mesmo com a inteligncia.

Russell e Norvig(RUSSELL; NORVIG, 2010) continuam, explicando que RenDescartes fez uma das primeiras discusses filosficas sobre mente e matria, distinguindo asduas. Descartes desenvolve sua filosofia ortogonalmente tendncia das mquinas de calcular.Descartes afirma que as coisas (res) mentais tm uma natureza distinta das coisas fsicas. ParaDescartes as coisas fsicas esto fadadas ao determinismo, por estarem sujeitas s leis da Fsica.Mas, para ele, colocar a mente na mesma condio tiraria o seu livre arbtrio. Por isso Descartessepara a coisa fsica (res extensa) da coisa mental ou pensante (res cogitans). Assim, o sujeito constitudo de duas partes de natureza distinta: uma pensante e outra fsica. Essa teoria, de quea nossa essncia est na mente e que o nosso corpo somente uma ferramenta que usamos parainteragir com o mundo, se tornou a viso dominante e natural na sociedade ocidental. Assim,ela tambm serviu de base para a IA formular seus pressupostos de que os aspectos fsicos domundo so representados na parte pensante do ser.

Finalmente, no sculo 20, surgiu a teoria da computao, um modelo terico demquina programvel capaz de computar funes que no estavam predeterminadas, funesarbitrrias. A possibilidade de programar uma mquina deu mais fora s ideias de Hobbes,que j estavam imersas na cultura popular atravs da fico cientfica (BUCHANAN, 2005). Acapacidade matemtica da mquina programvel remetia ideia de que a mesma era inteligente,ou seja, tinha uma capacidade mental compatvel com o ser humano, e assim poderia executartarefas compatveis com o intelecto humano. S seria necessrio, ento, representar o mundodentro da mquina, como se acreditava acontecer com os seres humanos. Essa comparaocom a inteligncia humana fez crescer a crena de que os seres humanos pensam como oscomputadores, ou seja, atravs de clculos, o que mais tarde fez surgir a hiptese de que um

23

sistema simblico suficiente para se obter inteligncia, da qual falaremos na Seo 2.2.

2.2 Incio da Inteligncia Artificial

A conferncia de Dartmouth em 1956, organizada por Marvin Minsky e John Mc-Carthy, tida como o marco que simboliza o incio da rea de Inteligncia Artificial. De fato, aque o nome da rea foi cunhado por McCarthy(CREVIER, 1993)(MCCARTHY et al., acessadoem 2012). Os dois cientistas tiveram a ideia de reunir pesquisadores que estivessem estudandoo desenvolvimento de tarefas inteligentes pelo computador. Estavam presentes cientistas que setornaram proeminentes pesquisadores da rea nas suas primeiras dcadas, como Ray Solomo-noff, Oliver Selfridge, Trenchard More, Arthur Samuel, Allen Newell e Herbert Simon. Con-forme podemos observar em (MCCARTHY et al., acessado em 2012), o otimismo era grandee perceptvel em afirmaes como The study is to proceed on the basis of the conjecture thatevery aspect of learning or any other feature of intelligence can in principle be so preciselydescribed that a machine can be made to simulate it.1 A proposta era que fossem discutidosna conferncia temas como a simulao de funes cerebrais, o uso de linguagem pelo com-putador, redes neurais, e a teoria da complexidade de funes. Esse ltimo tema tinha comofoco lidar com funes exponenciais. Ainda, entre os temas, estavam o autoaperfeioamentodas mquinas, a classificao de abstraes, aleatoriedade e criatividade.

Na poca da conferncia, Newell e Simon j trabalhavam em um programa de provaautomtica de teoremas, o Logic Theorist, que pouco depois j era capaz de provar a maioriados teoremas do segundo captulo do Principia Mathematica de Bertrand Russell e Alfred Whi-tehead. O programa foi implementado na primeira linguagem de programao desenvolvidapara a IA, a IPL (Information Processing Language) que utilizava os mesmos princpios deLisp. Mais tarde, Newell e Simon desenvolveram um outro programa, que seguiria protocoloshumanos para a resoluo de problemas, o General Problem Solver (GPS). O GPS talvez te-nha sido o primeiro programa explicitamente construdo com o intuito de pensar como os sereshumanos. O GPS deveria resolver qualquer problema formalizado simbolicamente, tendo con-seguido resolver problemas como a torre de Hanoi, mas esbarrando na exploso combinatriados problemas.

A figura 2.3 mostra um diagrama de estados do GPS. Seu funcionamento em altonvel relativamente simples. Ele avalia a distncia em que se encontra do seu objetivo. Seele ainda no tiver atingido o seu objetivo, ele encontra um meio de reduzir a distncia at oseu objetivo. Ento, verifica se ele tem as condies necessrias para utilizar esse meio. Seno tiver, resolve esse problema com uma chamada recursiva do GPS. Uma vez que ele tem ascondies para utilizar o meio, o faz e retorna para o ponto inicial, onde verifica se chegou aoseu objetivo.

O sucesso do GPS fez com que os autores, em 1976, formulassem a Hiptese doSistema Simblico Fsico (Physical Symbol System Hypothesis), que diz a physical symbol

1O estudo se dar com base na conjectura de que todo aspecto do aprendizado, ou qualquer outra caractersticada inteligncia, pode, em princpio, ser to precisamente descrito que uma mquina pode ser construda parasimul-lo.

24

Figura 2.3: Diagrama de estados do GPS

system has the necessary and sufficient means for general intelligent action 2(RUSSELL;NORVIG, 2010)(NEWELL; SIMON, 1976). Se essa hiptese for verdadeira, isso significaque o crebro tem a mesma estrutura lgica do computador e que ele tambm seria um sistemasimblico fsico. Apesar de muitas crticas, como mostraremos na Seo 2.4, essa hiptese setornou o fundamento conceitual para o desenvolvimento da IA da poca. A hiptese tambmfez com que essa vertente da IA ficasse conhecida como IA Simblica.

2.2.1 Outros desenvolvimentos

Desde 1952 Arthur Samuel j vinha trabalhando em um programa para o jogo dedamas, que conseguia jogar melhor que o seu criador usando heursticas. O programa chegoua ser apresentado em um programa de televiso em 1956, causando uma forte impresso napopulao americana. Em 1957 H. Simon afirmou que dentro de dez anos um computador se-ria capaz de vencer um grande mestre de xadrez3. No difcil ver que os jogos de tabuleiroconstituem uma boa classe de problemas para a IA simblica, j que, normalmente, eles tmregras bem definidas e possuem um escopo limitado. Uma estratgia simples para um jogadorautomtico consiste em verificar todas as possveis implicaes futuras de um determinado mo-vimento. Isso pode ser feito atravs da aplicao das regras do jogo. Por exemplo, no xadrez,o computador calcula os possveis movimentos do adversrio se ele prprio, computador, fi-zer determinado movimento. Se em todos os cenrios, ou a maioria, o computador sofrer uma

2Um sistema simblico fsico dispe dos meios necessrios e suficientes para ao inteligente.3Levou cerca de 40 anos para que ocorresse.

25

derrota, ele descarta aquela jogada como possvel. Porm, as possibilidades crescem exponen-cialmente, o que limita a previso do computador. Os jogos eletrnicos modernos normalmenteutilizam tcnicas de IA para interagir com os jogadores.

Em 1958, John McCarthy publicou sua linguagem de programao Lisp, que domi-nou a IA nos 30 anos subsequentes. Na poca, a linguagem dominante era o Fortran. McCarthyinovou com o Lisp ao introduzir a estrutura condicional if-then-else, em Fortran s havia con-dicionais com goto. O uso de funes em Fortran era obscuro, muito mais parecido com umcondicional. Em Lisp as funes tinham uma representao literal, ficando separadas do c-digo principal e tornando o cdigo mais claro. Alm disso, Lisp foi a primeira linguagem aimplementar a recurso. Em resumo, o Lisp modificou radicalmente a maneira de se progra-mar computadores e por isso se tornou to popular e ainda hoje utilizada, inclusive dentro deprogramas que no tem relao direta com programao, como programas de desenho assistidopor computador, por exemplo.

Ainda em 1958, McCarthy lanou um artigo no qual descrevia um programa hi-pottico, chamado Advice Taker, que seria um sistema completo de inteligncia artificial. Oprograma usaria o clculo de predicados para derivar concluses a partir de uma lista de pre-missas. Dessa vez ele no deveria chegar somente s concluses matemticas ou da prprialgica, como o Logic Theorist, mas acerca de qualquer assunto.

Enquanto isso, outros cientistas trabalhavam para que a inteligncia computacionalavanasse em outras direes. Um exemplo o trabalho de Terry Winograd Blocks World, queconsiste em um pequeno mundo virtual formado de blocos sobre uma mesa, que podem sermovidos atravs de um vocabulrio limitado de comandos em linguagem natural. O objetivooriginal de Winograd era o estudo da linguagem natural. Mas, o seu programa permitiu a outrospesquisadores elaborarem estudos a respeito de viso e aprendizado. Outros exemplos de traba-lhos em outras direes so os trabalhos sobre raciocnio, como o trabalho de Slagle(SLAGLE,1963) para resolver integrais e o de Evans(EVANS, 1964) que reconhecia padres em testes dequociente de inteligncia.

2.2.2 Desenvolvimentos posteriores

No final da dcada de 1960, surgiu um novo tipo de programa na IA. Um sistemaespecialista se propunha a reunir o conhecimento completo de um especialista em uma reapontual. Tentava-se, pela primeira vez, organizar as regras no formais utilizadas por um serhumanos na realizao de uma tarefa especfica, para permitir mquina imitar o comporta-mento humano de tomada de deciso. O mais famoso exemplo de sistema especialista oMyCin(YU et al., 1979), desenvolvido na linguagem de programao de McCarthy, o Lisp. Osistema MyCin era capaz de diagnosticar infeces por bactria e receitar tratamentos com an-tibiticos. Apesar do MyCin ter tido uma mdia de acertos acima da obtida pelos mdicos quese submeteram aos mesmos testes (YU et al., 1979), ele nunca foi usado na prtica por razesticas.

Na dcada de 1960, tambm, ganhou fora a vertente de IA que ficou conhecida

26

como conexionista. A IA conexionista se baseia na ideia de que um modelo suficientementecompleto e preciso do crebro humano apresentar comportamento inteligente. Para a constru-o de tal modelo do crebro, os cientistas utilizam modelos matemticos de neurnios. A partirdo modelo matemtico, construdo um neurnio artificial, computacionalmente ou atravs decircuitos eltricos. Estes devem ser interconectados, formando uma rede neural, da o nomeconexionista. Depois de formada a rede, esta deve ser treinada, para que as conexes entre osneurnios se ajustem e ela seja capaz de resolver o problema para o qual foi concebida.

A partir de 1966 grandes dificuldades comearam a se apresentar para a rea daIA, resultando em cortes de verbas governamentais(RUSSELL; NORVIG, 2010). Algumasdessas dificuldades estavam relacionadas com o fracasso da tentativa de traduo automtica dorusso para o ingls, e com os problemas encontrados para ampliar o escopo dos programas queantes eram limitados. Com o otimismo abalado, muitos pesquisadores comearam a mudar ofoco de seus trabalhos. As pesquisas de IA se mostravam promissoras para escopos restritos, eento alguns passaram a no almejar muito mais do que aquilo que seus programas j faziam.A IA ento ficaria focada em resolver problemas especficos. O desenvolvimento da teoriada complexidade tambm foi um fator importante nessa mudana, j que estabeleceu limitestericos que antes no eram vistos pelos cientistas.

2.3 A Inteligncia Artificial moderna

A partir da mudana de rumo da IA mencionada na seo anterior, a IA se apresen-tou indstria como a soluo para alguns problemas de otimizao de processos industriais ede distribuio. Tambm passou a ser aplicada para produzir pilotos automticos em veculos ena robtica. Nas aplicaes fora da pesquisa, a IA sempre esteve desvinculada da ideia de pro-duo de inteligncia de modo artificial. Isso tambm se refletiu na pesquisa da IA simblica econexionista, de modo geral.

Hoje, a IA est inserida em nosso cotidiano. No incio da dcada de 2000, muitosacreditavam no ser possvel criar uma ferramenta de busca eficiente para a internet (DREY-FUS, 2009), por causa da no organizao das pginas e do crescimento rpido da rede. Noentanto, Winograd, que j havia sido convencido pelas crticas que veremos na Seo 2.4, ori-entou um aluno de doutorado que conseguiu desenvolver uma ferramenta de busca eficientechamada Google.

Atualmente nos cursos de IA so apresentadas tcnicas de busca, que podem seraplicadas em otimizao. Algoritmos genticos, que utilizam a ideia da evoluo, o processopara chegar em uma soluo tima, ou prximo do timo, divididos em etapas chamadasgeraes. Cada gerao apresenta um conjunto de solues para o problema, seleciona-se asmelhores a partir de um critrio pr-determinado, probabilisticamente ou no. As soluesselecionadas so combinadas para formar as solues da gerao seguinte. Alm desses, outrotpico comum nos cursos de IA so as redes neurais, que comumente so combinadas com osalgoritmos genticos.

Na pesquisa, podemos destacar algumas reas de atuao da IA. A resoluo de

27

problemas, aplicada a jogos e sistemas especialistas. O raciocnio por senso comum, que utilizamecanismos de inferncia e base de dados de conhecimento de senso comum. Tais bases de da-dos so preenchidas por pessoas comuns. Reconhecimentos de viso e fala, como mecanismosde reconhecimento biomtrico. Processamento de linguagem natural, que produz regras paraa automatizao do entendimento da linguagem natural, podendo servir tambm para traduoautomtica.

Como podemos ver, a IA se modificou bastante. Em grande parte, deixou de ladopropsito de produo de mquinas inteligentes e passou a se concentrar na resoluo de pro-blemas que no so triviais para os computadores. Com isso, ampliou bastante sua atuao epassou a servir como uma ferramenta essencial para o desenvolvimento tecnolgico.

2.4 Crtica da Inteligncia Artificial

Apesar do avano da IA no desenvolvimento de tcnicas para a resoluo de pro-blemas difceis para a computao, seu projeto inicial, de implementar a inteligncia de formaartificial, nunca chegou a ter xito pleno, somente pontual. Os primrdios da IA foram caracte-rizados por um pragmatismo muito forte, seus sucessos pareciam no necessitar de discussesconceituais, pelo menos na viso dos prprios pesquisadores de IA. Com o surgimento dasdificuldades que mostramos na Seo 2.2, os prprios cientistas da IA comearam a se questi-onar sobre que teorias a respeito da inteligncia embasavam suas pesquisas. Eles se voltarampara crticas que j existiam. Estas feitas por filsofos, que viam na IA uma rea promissorapara se testar teses filosficas que at ento eram s tericas (DREYFUS, 1975). Porm, ospressupostos que embasavam a pesquisa de IA foram duramente criticados.

A filosofia da Inteligncia Artificial no se ocupa em analisar sucessos ou fracassosespecficos, mas se interessa em analisar quais os pressupostos filosficos/conceituais que estopor trs dos projetos da IA. Toda teoria cientfica est embasada em alguma teoria filosfica,mesmo que o cientista que a produziu no se d conta disso. A seguir, vamos identificar a teoriafilosfica que suporta a pesquisa de IA, para poder analisar se o projeto de produzir intelignciade modo artificial vivel ou no.

Hubert Dreyfus um dos maiores crticos da IA. Desde a dcada de 1960 ele dialogacom os pesquisadores da rea, questionando as bases filosficas que sustentam os projetos daIA. Em 1972, Dreyfus escreveu um livro sobre os limites da IA intitulado "What computerscant do"(DREYFUS, 1975). Esse livro foi lanado em 1975 no Brasil com o ttulo "O queos computadores no podem fazer: Crtica da Razo Artificial", em referncia s obras deImmanuel Kant.

Dreyfus afirma que a IA, com o objetivo de reproduzir em computador a inteli-gncia humana, foi construda em cima de pressupostos que foram admitidos sem nenhumtipo de questionamento. Alguns deles acabaram se revelando evidentemente falsos, enquantooutros passaram desapercebidos e so objeto de discusso por alguns pesquisadores at hoje.Dreyfus(DREYFUS, 1975) identifica quatro pressupostos, que ele nomeia como: biolgico,psicolgico, epistemolgico e ontolgico.

28

A seguir, apresentaremos esses quatro pressupostos e a crtica feita a eles.

O pressuposto biolgico - O crebro funciona como um computador digital, ou seja, osneurnios transmitem informaes como flip-flops.

Acreditava-se que o crebro funcionava com seus neurnios transmitindo informaesem binrio. Isso levou as pessoas a imaginarem que seria uma questo de tempo paraos circuitos eletrnicos atingirem a frequncia do neurnio e o computador se igualar aocrebro. O modelo de neurnio mais utilizado atualmente em redes neurais artificiais nospermite descartar esse pressuposto.

O pressuposto psicolgico - A mente funciona como um computador digital, processainformaes simblicas tal qual um computador.

De acordo com aqueles que se utilizam desse pressuposto, existe uma equivalncia l-gica entre o funcionamento da mente e de um computador. Ou seja, a mente funcionade forma algortmica, ou ainda, pensamos de forma descontnua atravs de regras pr-estabelecidas. Na verdade, no existe evidncia para tal afirmao. Se o pressupostopsicolgico fosse verdadeiro, poderamos afirmar que ao observar uma cor, ns calcu-lamos os nveis de azul, vermelho e verde ali presentes, o que no parece ser o caso.Isso equivalente a afirmar que ao arremessar um objeto, ele far os clculos para poderdescrever uma trajetria curvilnea at atingir o cho.

Note que essas afirmaes invertem a ordem entre o mundo e a teoria que fala a respeitodele. Ou seja, colocam nossos modelos cientficos a respeito do mundo como absoluta-mente corretos e prvios ao fenmeno que ele explica.

Se a mente funciona como um computador, ento deve ser possvel produzir teorias psi-colgicas com base em programas de computador. De acordo com Dreyfus(DREYFUS,1975), Simon, em 1957, afirmou que algo semelhante ocorreria dentro de dez anos. In-felizmente, o computador no ajudou o avano da Psicologia como objeto de estudo,somente como ferramenta auxiliar, como ocorreu em inmeras outras reas do conheci-mento.

O pressuposto epistemolgico - Deve existir uma teoria sobre o comportamento humanoe a mesma pode ser reproduzida em computador.

Este pressuposto encontra apoio em duas reas da cincia: a Fsica e a Lingustica. AFsica oferece uma teoria que tenta explicar os fundamentos do comportamento de todosos corpos fsicos (inanimados). A ideia ento seria estender essa teoria para abarcar osanimais e os seres humanos, obtendo-se uma teoria que, de alguma forma, explicasseo comportamento inteligente. Uma tal teoria fsica do comportamento seria capaz deexplicar, a partir das leis da mecnica, seja ela a newtoniana ou a quntica, as causasque fazem as pessoas agirem do modo que agem. Mas, ainda que essa teoria existisse,para que ela fosse til Inteligncia Artificial, seria necessrio realizar uma simulaoenvolvendo um nmero incrivelmente grande de objetos. Esse nmero possivelmenteultrapassaria o limite de Bremermann, que estabelece que nenhum sistema fsico capazde processar mais de 2x1047 bits por segundo por grama de sua massa.

29

Na Lingustica, h uma corrente que tenta formalizar a linguagem natural. Tal formaliza-o tornaria possvel o entendimento da linguagem natural por parte dos computadores.A ideia que se a linguagem pode ser reduzida a regras, estas podem ser implementa-das em um computador. Mas, apesar de a linguagem possuir regras gramaticais, ns sas utilizamos dentro de um contexto. Mesmo quando as regras so mal aplicadas e herro, ns conseguimos compreend-las, graas ao contexto em que a frase foi formulada.Um entusiasta da ideia da formalizao da linguagem poderia argumentar que, ento, s uma questo de se formalizar as regras para o contexto, ou seja, um conjunto de re-gras para se estabelecer em que situaes se aplicaria determinada regra. Porm, mesmoque fosse possvel fazer regras para um contexto, ns utilizaramos essas regras tambmdentro de um contexto, o que tornaria necessrio, para o computador, um outro nvel deregras. Note que ns no necessitamos desses vrios nveis de regras, mas o computadorsim. Para a aplicao de regras gramaticais pelo computador, ou camos em uma regres-so infinita de nveis de regras, ou deve existir um nvel fundamental que no dependa docontexto e esteja diretamente ligado realidade. A existncia de tal nvel , no mnimo,estranha, j que ela d a impresso de que o sentido das expresses lingusticas nico,o que obviamente no verdade. Ademais, esse nvel fundamental de regras exigiria queo mundo pudesse ser decomposto em tomos de fatos, que corresponderiam s regras in-dependente de contexto. Essa possibilidade constitui o pressuposto ontolgico. Na Seo2.4.1 veremos que ainda que o computador fosse capaz de aplicar as regras da linguagemnatural, o entendimento por parte do computador ainda pode ser questionado.

O pressuposto ontolgico - possvel analisar o mundo em termos de dados determina-dos ou tomos de fatos.

Um computador funciona de forma discreta, com informaes discretas e em etapas dis-cretas, as entradas de seus dados tambm devem ser discretas. Portanto, se um programaexiste para analisar fatos do mundo, estes devem ser divididos de forma discreta. Nesseponto entra o pressuposto ontolgico. Os pesquisadores que o aceitam, acreditam queos fatos do mundo podem ser analisados de forma isolada. Esse um pressuposto queparece to autoevidente, que dificilmente questionado.

Os fatos do mundo no esto isolados uns dos outros. No h meios para se analisarfatos do mundo de modo que se consiga distingui-los em fatos mais simples, at se che-gar em uma base indivisvel. Essa ideia da decomposio atomstica, segundo Drey-fus(DREYFUS, 1975), vem desde Plato e ganhou fora ao decorrer da histria comGalileu, na diviso dos fatos fsicos em leis, chegando ao pice com o primeiro livrode Wittgenstein, que divide o mundo em fatos para fazer uma correspondncia com alinguagem. Uma vez que essas ideias foram explicitadas na filosofia, outros filsofoscomearam a critic-las, o prprio Wittgenstein tornou-se seu principal crtico. Ele refor-mulou sua concepo de linguagem como algo fluido, em que seus conceitos esto emconstante processo de ressignificao, dependendo do contexto em que sejam aplicados.

Uma teoria sobre todos os fatos do mundo pretende apresentar os fatos do mundo emtermo de fatos cada vez mais simples. Porm, o que possvel ser feito uma teoria quese assemelha mais a um dicionrio. Um fato explicado em termos de outros fatos, que

30

no necessariamente so mais simples, estes agora devem ser explicados em termos deoutros fatos. Por exemplo, ao tentar explicar o conceito de cadeira, teremos que recorrera outros conceitos bastante complexo, como o de pessoas, o ato de sentar, o nmero depernas que possivelmente possa ter uma cadeira, a forma do corpo humano que determinao formato da cadeira e tantos outros. Cada conceito desse no necessariamente maissimples do que o conceito de cadeira. E cada um deles necessita de outros tantos conceitoscomplexos para serem explicados. Ou seja, no existe uma necessria simplificao aose tentar definir fatos do mundo em termos de outros fatos. Nunca chegaremos a fatosatmicos, mais simples que todos os outros, pois eles no existem.

Ao passar dos anos, outros filsofos passaram a criticar as tentativas de intelign-cia artificial. Vamos analisar trs crticas de grande impacto na comunidade cientfica que temcorrespondncia com a de Dreyfus. So elas: o argumento do quarto chins de John Searle (SE-ARLE, 1980), o Frame Problem de Daniel Dennett (DENNETT, 1984) e o Symbol GroundingProblem do psiclogo Stevan Harnad (HARNAD, 1990).

Em 1990 Rodney Brooks, pesquisador da rea de IA, fez crtica assuno da hip-tese do sistema simblico fsico e apresentou robs que j no sofreriam do mesmo problema,pois estes eram physically grounded4(BROOKS, 1990). No ano seguinte Brooks publicouum artigo (BROOKS, 1991) que tido por muitos como o pioneiro da nova IA, onde mudouum pouco sua crtica IA, focando na crtica representao do mundo. De acordo com ele,esse o grande entrave para o desenvolvimento de sistemas artificiais realmente inteligentes.Apesar de concordar com Dreyfus nesse ponto, Brooks faz questo de afirmar que seu artigo fruto de uma observao independente das discusses anteriores acerca da representao.

2.4.1 O Quarto Chins

Em 1980, John Searle publicou um artigo(SEARLE, 1980) para rebater as afirma-es de pesquisadores que diziam ter produzido programas capazes de compreender textos emingls. O artigo de Searle inicia com um exemplo simples de texto em linguagem natural. Noexemplo, uma pessoa vai a um restaurante, pede um prato, depois que o prato chega, a pessoareclama e vai embora sem pagar. Ento, Searle questiona se a pessoa comeu ou no o prato.Ele tambm d o exemplo em que a pessoa elogia e d uma gorjeta, Searle faz o mesmo questi-onamento a respeito do consumo ou no do prato.Apesar da dificuldade de se automatizar umaresposta para o exemplo, Searle em nenhum momento questiona a capacidade de se produziralgoritmos capazes de responder perguntas em linguagem natural. O ponto central de seus ar-gumentos a respeito do entendimento do texto por parte da mquina, ou seja, Searle acha quemesmo que um computador seja capaz de interagir com um ser humano atravs de linguagemnatural, ele no ser capaz de compreender a linguagem. Searle tambm no explicita o queseria compreender linguagem, mas se utiliza da noo comum que se tem, sem formalismos.

Para desenvolver seu argumento, o autor prope um experimento mental em que elese coloca dentro de um quarto, onde o nico contato que tem com o mundo exterior atravs

4aterrados fisicamente

31

de pilhas de papel com escritas em uma lngua que ele no entende, no caso chins, e que no capaz nem de afirmar se tratar de uma lngua especfica e distinguir de japons, por exemplo.Alguns desses papis contm tambm instrues em ingls, sua lngua nativa. No caso do ex-perimento, o idioma chins faz o papel da linguagem natural e o idioma ingls da linguagem demquina, j que Searle se pe no lugar da mquina. Alm das pilhas com instrues, ele recebeoutras pilhas de papel, que contm somente caracteres em chins e, atravs das instrues, ele capaz de escrever smbolos em chins e devolver para fora do quarto. Para quem est do ladode fora, o quarto recebe uma histria e perguntas e devolve respostas, para quem est dentro elerecebe pilhas de smbolos com instrues para combinar outros smbolos e devolv-los.

Searle pede para que se imagine que os programadores do quarto ficam to bons emprogramar, e a pessoa do quarto fica to boa em combinar os smbolos de forma correta, que oschineses que esto fora do quarto no conseguem distinguir entre as respostas do quarto ou deoutra pessoa que tenha chins como lngua nativa. Ou seja, o quarto equivale a um computadorque responde perfeitamente perguntas sobre uma histria em chins. Ele ainda pede para quese imagine que tambm so feitas perguntas para ele em ingls, sobre um texto em ingls, queele responde to bem quanto um falante nativo de ingls que ele . Nesse caso, sem a utilizaode regras determinadas.

Agora vem o ponto do argumento de Searle: apesar de conseguir responder pergun-tas em chins to bem quanto um chins, a pessoa que est dentro do quarto no entende nadade chins, tudo o que ela faz manipulao simblica, em contraste s perguntas em ingls,onde ele no tem regras para seguir e responde to bem quanto em chins. Ele entende ingls,mas no entende chins, sua concluso que mesmo que existam computadores que interajamcom humanos usando-se de linguagem natural, eles no compreendero a linguagem.

Searle ainda considera possveis contra-argumentos, que foram apresentadas a eleem suas palestras, antes da publicao do artigo. Vamos expor alguns dos contra-argumentos euma resposta a cada um, compatvel com as respostas dadas por Searle.

I. Apesar de a pessoa no entender chins, o sistema como um todo, ou seja, pessoae sala, compreende chins.

Suponha que a pessoa que est dentro do quarto internalize todos os elementos dosistema. Suponha que ela decore as regras e no esteja mais dentro de um quarto. Se algumpergunta para ela algo em chins, ela ainda pode seguir as regras e responder em chins. Porm,note que ela, apesar de agora constituir todo o sistema, no compreende chins, s capaz defazer a manipulao simblica por regras.

II. Considere um rob que anda, consegue ver atravs de uma cmera, se move,come, bebe, mas com um crebro computacional, este rob seria capaz de entender.

Esse argumento considera que h alguma necessidade de uma relao com o mundopara haver cognio. Porm, no ncleo do "pensamento" ainda est um computador, ou seja, oprocessamento simblico persiste. Como se no caso do experimento do quarto, a pessoa que seencontra l dentro passasse a receber mais smbolos em chins. Esse novos smbolos provindosde uma cmera e de sensores externos, mas a pessoa no est ciente disso, ela s recebe os

32

smbolos. Para quem est dentro do quarto, nada muda.

III. Considere a simulao do crebro de um chins nativo, com todas as suas sinap-ses, disparos de neurnios. Negar que tal simulao entende chins seria negar que o prprionativo entende chins.

Suponha que ao invs de combinar smbolos, a pessoa no quarto opere interrup-tores, onde cada interruptor corresponde a uma sinapse neural. A pessoa receber um smboloem chins, segue as regras programadas, ligando e desligando as sinapses corretas, na ordemcorreta, e isso gera um smbolo na sada. A pessoa continua sem compreender chins, nemos interruptores. Como j vimos, nem a combinao da pessoa com os interruptores entendechins.

IV. Uma combinao dos trs anteriores. Um rob, com uma simulao de crebroe comportamento indistinguvel do comportamento humano, seria capaz de entender chins.

De fato, se fosse um rob com o comportamento e corpo igual ao de um ser humano,certamente todos concordariam que ele seria inteligente. Porm o argumento da IA de que possvel reproduzir inteligncia atravs de um sistema simblico fsico.

O argumento central de Searle que sistemas computacionais baseados em mani-pulao de smbolos no tm intencionalidade, somente a "mquinas" parecidas em todos osaspectos, fisiolgicos inclusive, pode ser atribudo intencionalidade.

2.4.2 Frame Problem

O frame problem foi primeiro descrito por McCarthy e Hayes(MCCARTHY; HAYES,1969) como o problema de descrever em lgica todos os efeitos que uma ao no acarreta. Porexemplo, encher uma garrafa com gua no ir mudar a composio da garrafa, nem sua massa,nem sua cor. Existem muitos efeitos no acarretados por uma ao; conseguir perceber o que e o que no relevante em uma ao inato ao ser humano e crucial para se tomar decises arespeito do novo cenrio em que se est inserido ps ao. Daniel Dennett, filsofo da mente,reavivou esse problema em 1984 (DENNETT, 1984), dando a ele um carter muito mais abran-gente; tornando um problema da Filosofia da Mente, independente da IA. Essencialmente esse o problema de se estabelecer o conjunto de crenas a respeito do mundo que mudam quandouma ao executada. De outra forma, quais so todas as consequncias de uma ao.

Dennett d uma descrio de trs robs que "sofrem" do frame problem; o primeiro,chamado apenas de "robot", no consegue reconhecer os efeitos colaterais de sua ao. Osegundo, "robot-deducer", perde todo seu tempo deduzindo fatos irrelevantes a respeito de suafutura ao, como por exemplo que a quantidade de gua em ml necessria para encher umagarrafa maior que o nmero de garrafas que ele deve encher. O terceiro, "robot-relevant-deducer", programado para classificar as suas concluses como relevante ou irrelevante, oque tambm toma todo seu tempo. Os dois ltimos robs no chegam a executar ao alguma,tomados por seus clculos.

Dennett diz que os filsofos nunca conseguiram perceber o Frame Problem como

33

um problema, porque as teorias filosficas a respeito de como pensamos para agir nunca seaprofundaram muito. Ele compara com um nmero de mgica onde o mgico serra a mulherao meio, e a explicao dos filsofos seria que bvio que ele no a serra ao meio, ele sfaz parecer que sim. A explicao no iria mais longe que isso, porque muita coisa se passafora do alcance da viso, como na mente. A anlise filosfica acaba passando por cima deproblemas banais. Na IA, por outro lado, tm-se que fazer tudo a partir do zero, o que tornaperceptvel problemas como o Frame Problem ou outros sobre aprendizado que sejam inatos aoser humano. Dennett diz que talvez seja inato ao ser humano o modus ponens, terceiro excludoou ainda algum sentido de causalidade.

Segundo o autor, a dificuldade est em fazer algo que no tem conhecimento ne-nhum sobre o mundo possa ter toda a informao necessria para fazer alteraes no mundo.Humanos aprendem pela experincia, mas sistemas de IA so feitos para j saberem muito so-bre o mundo a priori. Como observamos antes, o problema surge do que Dreyfus chama depressuposto ontolgico(DREYFUS, 1975). Achar que o mundo pode ser analisado com umconjunto de fatos independentes, quando na verdade esses fatos so interdependentes, gera adificuldade de se computar novamente as dependncias.

2.4.3 Symbol Grounding Problem

Stevan Harnad faz uma crtica ao modelo simblico de cognio(HARNAD, 1990),que toma a mente como sendo um sistema puramente simblico que segue regras definidas.Como o modelo se baseia em um computador, a crtica se estende Inteligncia Artificial. OSymbol Grounding Problem tem esse nome porque em um sistema feito s de smbolos, essesficam "flutuando" uns sobre os outros, sem significado, que dado por ns, seres humanos,quando "aterramos" os smbolos s nossas experincias sensoriais. Como a IA Tradicional sebaseia na hiptese do sistema simblico fsico, seus programas no so capazes de fundamentaro significado, de acordo com Harnad.

Harnad apresenta o primeiro exemplo do Symbol Grounding Problem como sendo oquarto chins de Searle. Logo depois d mais dois exemplos; um que ele classifica como difcil eoutro como impossvel. O primeiro exemplo o de uma pessoa que deve aprender chins comosegunda lngua, e cuja nica fonte de informao um dicionrio chins/chins. A pessoa ficariadando voltas no dicionrio, sem nunca parar, esse o exemplo difcil. O segundo exemplo de uma pessoa em uma situao similar, s que dessa vez ela tem que aprender chins comoprimeira lngua, este o exemplo impossvel. Segundo o autor, os criptologistas s conseguemdecifrar lnguas antigas por j terem uma linguagem "aterrada"(grounded). Mas como aprenderuma primeira lngua somente atravs de smbolos que so associados a smbolos? Esse oSymbol Grounding Problem.

Harnad tenta resolver o problema dando um modelo de representao na mente, emque parte das representaes esto "aterradas" s percepes sensoriais e outras representaespodem ser construdas em cima das que j existem, sendo que as construdas ficam "aterradas"atravs das outras que serviram como base para elas. Ele d um exemplo da construo da repre-sentao de zebra, que seria uma combinao da representao de cavalo com a representao

34

de listras. O objetivo de Harnad no seu artigo criticar o modelo computacional da mente,que Dreyfus percebeu como um pressuposto psicolgico. A soluo apresentada por Harnadno resolve o problema para a IA, j que o "aterramento" das representaes esto ligadas spercepes sensoriais. Como veremos no Captulo 3, alguns pesquisadores compreenderam aspercepes do mundo como necessrias para a inteligncia, o que poderia fazer com que a teoriade Harnad tambm se aplicasse IA.

35

3 INTELIGNCIA ARTIFICIAL CORPORIFICADA

A Inteligncia Artificial tradicional toma como referncia a mente humana, e as-sume, algumas vezes de modo implcito, o seguinte paralelo com os computadores: a mente o software e o crebro o hardware(RUSSELL; NORVIG, 2010), sendo hipoteticamente pos-svel que uma mesma mente funcione em dois crebros diferentes, como um programa que instalado em dois computadores. Nesse modelo, a mente, o corpo e o mundo so trs entidadescompletamente distintas e separadas, que se comunicam por meio de interfaces sintticas. Amente controla o corpo, que por sua vez est inserido no mundo. Mais uma vez h a possi-bilidade, dessa vez no to hipottica, de que uma mente controlando um corpo seja capaz desobreviver em dois mundos completamente distintos, da mesma maneira que um computadorque mudado de lugar e de tomada. Ainda de acordo com o modelo, o mundo compostode objetos e fatos que esto previamente definidos, por exemplo, uma garrafa um objeto domundo, e ela ser vermelha um fato.

A Figura 3.1 ilustra as relaes das entidades do modelo utilizado pela IA Simb-lica, que chamamos de Modelo Mente-Corpo-Mundo. A mente recebe informaes sintticas arespeito do mundo e cria um modelo dele dentro de si mesma. Esse modelo possui todos os de-talhes que possvel mente captar. A mente s consegue entender e raciocinar, de fato, sobreo modelo que ela monta do mundo. Para se locomover, por exemplo, a mente cria um mapa dolocal onde se encontra. Atravs desse mapa, ela se guia, calculando distncias e velocidades.Em seguida a mente d ordens para o corpo para que se movimente em determinada direo.O corpo s se movimenta a partir das ordens recebidas da mente. O corpo um instrumentoda mente. Ela o utiliza para realizar suas aes e poder interagir com os objetos do mundo.Assim, a mente pode atualizar seu modelo do mundo. Portanto, percebemos que, nesse modelo,a mente a responsvel isolada pela inteligncia; todo pensamento e raciocnio acontece dentroda mente. A ideia central do modelo que a mente trabalha sobre as representaes que faz domundo.

Um exemplo dos problemas que o modelo Mente-Corpo-Mundo sofre: se um robrepresentacionalista programado para andar em uma sala com uma mesa no centro, ele teras dimenses da sala e da mesa armazenadas dentro dele. Quando receber a instruo de ir ata mesa, ele far um clculo interno levando em considerao essas dimenses e a sua posioatual, ento saber quantos metros ter de se deslocar, passando a instruo para seu corpo.Se algum muda a mesa para um canto da sala e d a instruo para o rob ir at a mesa,ele far o mesmo clculo para a posio anterior da mesa, se deslocando at o centro da sala,possivelmente para longe da mesa, a soluo seria reprogramar o rob com a mesa no novolocal. Porm, ainda no modelo representacionalista, o rob poderia identificar a posio dosobjetos, que esto representados nele dentro da sala; assim resolveria o problema de se mudaro lugar da mesa. Ainda assim, digamos que sua representao de mesa tenha quatro pernas eum tampo, se uma das pernas da mesa quebrasse e a colocassem no canto da sala, com a parteda perna quebrada apoiada nas paredes, o rob poderia no reconhecer mais a mesa quebradacomo mesa.

Nesse captulo, falaremos a respeito de um novo paradigma: a IA Corporificada,

36

Figura 3.1: Representao do Modelo Mente-Corpo-MundoFonte: Elaborada pelo autor.

que surgiu da negao da representao, colocando o corpo como parte do processo cognitivo.Na Seo 3.1, mostraremos as ideias de Brooks a respeito de uma IA sem representao e suaarquitetura de camadas de inteligncia. Na Seo 3.2, abordaremos como o no representaci-onalismo se deu na rea da cincia cognitiva. O desenvolvimento desse paradigma dentro daprpria IA ser apresentado na Seo 3.3, com alguns experimentos discutidos na Seo 3.4.Finalmente, apresentaremos as crticas ao paradigma na Seo 3.5.

3.1 Inteligncia sem representao

No final da dcada de 1980, a maior parte dos pesquisadores da IA j havia aban-donado suas pretenses de reproduzir ou simular o raciocnio humano. A IA tinha se tornadouma rea de pesquisa dedicada resoluo de problemas pontuais. A partir de uma diviso dascapacidades cognitivas humanas, cada subrea da IA tentava resolver um problema diferente,como o processamento de linguagem natural, o reconhecimento de padres e o aprendizadoautomtico. Em cada uma dessas reas o ser humano era o parmetro, no sentido de que eleoferecia o termo de comparao, mas no necessariamente era a inspirao, por no se impor arestrio de se realizar cada uma dessas tarefas como um ser humano realiza.

Nesse contexto, em 1991, Brooks inicia uma nova vertente na pesquisa em Inteli-gncia Artificial(BROOKS, 1991), interessada novamente em perseguir a meta de intelignciahumana. Ele lana a ideia de que a inteligncia deve ser construda incrementalmente. Brooksentende que existem vrios nveis de inteligncia desde de uma forma de vida simples comoum inseto at o ser humano. Tomando como base a teoria evolucionria, Brooks acredita que ainteligncia das formas de vida mais simples a base para o desenvolvimento das capacidadescognitivas mais complexas.

37

Brooks se inspirou no funcionamento do crebro, que se subdivide em reas relati-vamente independentes, e criou o que chamou de subsumption architecture, ou arquitetura desubsuno. Tal arquitetura composta por partes que, como o nome sugere, vo sendo includasno sistema j existente. Essas partes so como mdulos, onde cada um independente dos de-mais e s includo em um sistema j testado e robusto. O novo sistema, composto do sistemaantigo mais o mdulo includo, ento testado e avaliado, podendo o mdulo ser modificado nocaso de possveis conflitos com os mdulos mais antigos. Quando o novo sistema est robustoo suficiente, ele est pronto para receber um possvel novo mdulo. Por exemplo, em geralo primeiro mdulo dos testes de Brooks faz como que o sistema, no caso o rob, evite baternos obstculos. Essa a nica tarefa do mdulo, ele testado e, uma vez considerado robusto,o sistema considerado pronto para receber um novo mdulo. Um segundo mdulo comumnos robs de Brooks faz o rob andar aleatoriamente quando no est ocupado desviando deobjetos. O rob com os dois mdulos capaz de andar por a sem colidir com outros objetos,mas isso no feito de forma centralizada. Cada mdulo tem seu prprio processador e elesdisputam o controle dos motores do rob, podendo haver uma ordem de prioridade entre eles.No caso, mais importante no bater em outros objetos do que continuar vagando.

Outra diretriz para o desenvolvimentos dos robs de Brooks consiste em usar poucoprocessamento a respeito das decises que o rob toma para agir, isto , pouco processamentoem cada camada. Deve haver, tambm, uma interao mais prxima entre os sensores e os mo-tores do rob, sem que tudo seja algoritmicamente computado por uma entidade central. Essarelao prxima de sensores e motores recebeu o nome de laos sensrio-motores (sensorimo-tor loops). Estes compem um sistema de retroalimentao direta, ou seja, aquilo que captadopor um sensor influencia os motores sem ter que passar por uma unidade central. Em resumo,a arquitetura desenvolvida por Brooks o permite utilizar unidades de processamento descentra-lizadas, que requerem baixo poder de processamento e promovem uma interao mais diretaentre os sensores e motores.

A grande contribuio de Brooks foi ter proposto um modelo para a intelignciaque no utiliza uma representao do mundo. Brooks afirma que em um nvel de intelignciasimples, representations and models of the world simply get in the way. It turns out to be betterto use the world as its own model.1(BROOKS, 1991). Por esse motivo, Brooks trabalha comrobs e no com softwares, para que estes possam interagir com o mundo real. Segundo ele,treinar robs em mundos mais simples antes de solt-los no mundo real seria prejudicial porcondicion-los a reagir a formas que no mundo real no existiriam. A arquitetura de subsunofoi desenvolvida por Brooks com o propsito de incorporar suas metas de no representao,atravs da ligao feita com o lao sensrio-motor. Note que esse forma um ciclo que passapor fora do agente. Analisando esse ciclo comeando pelos sensores, esses captam informaesdo mundo, enviam para as unidades de processamento, que influenciam os motores. O ciclo sefecha quando a ao dos motores altera o ponto de vista da percepo do rob sobre o mundo,pela mudana de posies dos sensores, ou do prprio rob. Esse ciclo, passando por fora dorob, mostra que nesse modelo o ambiente tambm influencia no processo cognitivo.

1Representaes e modelos do mundo simplesmente atrapalham. Acontece que melhor usar o mundo comoseu prprio modelo.

38

Figura 3.2: AllenFonte: http://alife.tuke.sk/kapitola/1153/index.html

Note que a falta de uma unidade central nos robs de Brooks impede a existnciade uma representao nos moldes da IA Tradicional. Para haver representao nesses moldes,deveria haver uma representao em cada mdulo, o que no o caso. Alm disso, a interaoentre sensores e motores, do modo como feita, incompatvel com uma representao internado mundo. Porm, ainda podemos observar nas implementaes de Brooks a pr-interpretaodo mundo por parte do programador. Ou seja, ao projetar o rob, Brooks diz qual o propsito dorob; com isso o constri de modo a ter aquele comportamento especfico. Isso ainda caracterizaa presena da anterioridade, que falam