Inteligência artificial (frequentemente abreviada por IA ou AI, do inglês artificial intelligence) é, de forma genérica, a capacidade de máquinas demonstrarem inteligência, raciocínio e aprendizado de forma semelhante ao pensamento humano. O campo busca desenvolver máquinas autónomas ou sistemas especialistas capazes de simular o comportamento humano e realizar tarefas complexas de forma independente. Trata-se de um sistema que permite aos computadores executar funções avançadas, como a análise de dados em grande escala e a formulação de previsões ou recomendações. Como campo de pesquisa na ciência da computação, dedica-se ao estudo e desenvolvimento de métodos e softwares que capacitam as máquinas a perceberem o seu ambiente e a utilizarem o aprendizado para tomar ações que maximizem as hipóteses de atingir objetivos definidos.
A história da IA remonta à década de 1950, fundamentada em conceitos que remontam ao filósofo grego Aristóteles. Em 1950, o matemático inglês Alan Turing teorizou sobre a possibilidade de uma máquina pensar e imitar o comportamento humano inteligente, esboçando uma proposta de pesquisa pioneira para tornar este objetivo viável, uma visão partilhada por pesquisadores contemporâneos como Herbert Simon. Fundada oficialmente como disciplina académica em 1956,Dartmouth workshop: , , , a inteligência artificial passou por múltiplos ciclos de otimismo ao longo de sua história,Successful programs of the 1960s: , , , intercalados por períodos de estagnação e perda de financiamento ("invernos da IA"). O interesse e os recursos aumentaram substancialmente a partir de 2012, quando a aprendizagem profunda superou os modelos tecnológicos anteriores. Este crescimento acelerou após 2017 e, no início da década de 2020, o setor recebeu investimentos de milhares de milhões de dólares, consolidando um rápido progresso conhecido como o boom da IA. Contudo, o surgimento da IA generativa avançada trouxe consigo debates sobre consequências não intencionais no presente e preocupações quanto aos riscos da IA no futuro, impulsionando discussões globais acerca de políticas regulatórias voltadas para a segurança e os benefícios da tecnologia.
As aplicações de IA modernas incluem mecanismos avançados de busca na web (como o Google Search); sistemas de recomendação (utilizados por plataformas como YouTube, Amazon e Netflix); assistentes virtuais (como Google Assistant, Siri e Alexa); veículos autónomos (como os da Waymo); ferramentas generativas e criativas (como ChatGPT, DeepSeek e AI art); além de análises e desempenhos sobre-humanos em jogos de estratégia como xadrez e Go. No entanto, muitas destas tecnologias deixam de ser percebidas como IA à medida que se tornam comuns no quotidiano. Exemplos disto incluem o reconhecimento ótico de caracteres (OCR) para extração de texto em imagens, a transformação de conteúdos não estruturados em dados legíveis e os sistemas automáticos de tradução de texto e de voz.
Por ser uma área multidisciplinar, a IA abrange campos como a ciência da computação, estatística, engenharia de hardware e de software, linguística, neurociência e filosofia. Os seus subcampos focam-se em objetivos e ferramentas específicas. As metas tradicionais da investigação em IA englobam o raciocínio, a representação de conhecimento, o planeamento, a aprendizagem, o processamento de linguagem natural, a perceção e o suporte à robótica. A longo prazo, destaca-se o desenvolvimento da inteligência geral — a capacidade de uma máquina realizar qualquer tarefa humana com um nível de eficiência pelo menos equivalente.Artificial general intelligence: , , , , Para alcançar tais propósitos, os investigadores integram técnicas de otimização matemática, lógica formal, redes neurais artificiais e métodos baseados em estatística, pesquisa operacional, economia e psicologia..
História
miniaturadaimagem|Kismet, robô desenvolvido na década de 1990 capaz de reconhecer e simular reações emocionais humanas.
O interesse no desenvolvimento de máquinas autônomas capazes de simular o pensamento humano e de realizar diversas tarefas cresceu vertiginosamente nas últimas décadas do século XX. Esse avanço direcionou os primeiros estudos sobre inteligência artificial (IA) a um propósito comum, a partir de iniciativas de cientistas de áreas distintas como a psicologia, a ciência cognitiva, a ciência da computação e a robótica. O foco concentrou-se na criação de ferramentas eficientes para analisar problemas, oferecer soluções, estruturar planejamentos (tomada de decisão) e automatizar tarefas no cotidiano das pessoas.
Apesar de os estudos práticos serem modernos, o conceito de inteligência artificial não é contemporâneo. Aristóteles (professor de Alexandre, o Grande) idealizava a substituição da mão de obra escrava por ferramentas autônomas, sendo esta possivelmente a primeira manifestação teórica de inteligência artificial relatada, que ciência da computação exploraria muito tempo depois. O desenvolvimento pleno dessa ideia ocorreu no século XX, principalmente na década de 1950, com pensadores como Alan Turing, Herbert Simon e John McCarthy. Turing publicou o artigo "Computing Machinery and Intelligence", no qual debatia a possibilidade de uma máquina pensar e imitar o comportamento inteligente humano com tal perfeição que seria capaz de confundir até mesmo um juiz humano. O matemático também esboçou uma proposta de pesquisa para tornar esse cenário viável. Inicialmente, os testes em IA foram repletos de sucessos — embora limitados pelo desempenho reduzido dos primeiros computadores —, causando surpresa o fato de uma máquina conseguir realizar de forma remota qualquer atividade considerada inteligente.
O sucesso inicial prosseguiu em 1957 com o General Problem Solver (GPS, Solucionador de Problemas Gerais), desenvolvido por Herbert Simon e Allen Newell. O programa foi projetado para imitar os protocolos humanos de resolução de problemas. Dentro da classe limitada de quebra-cabeças com que conseguia lidar, o programa reproduzia a mesma ordem de abordagem que os seres humanos utilizavam. Desse modo, o GPS tornou-se o primeiro software a incorporar a premissa de “pensar de forma humana”.
Em 1961, as teses de Turing foram retomadas por Herbert Simon e Allen Newell no artigo "The Simulation of Human Thought", que abordava o teste de uma teoria de resolução de problemas por parte de seres humanos. Esta teoria procurava explicar os aspectos dos processos mentais responsáveis pela inteligência humana, integrando um projeto de estudos conhecido como Projeto de Simulação Cognitiva.
Atualmente, a IA abrange uma enorme variedade de subcampos, dentre os quais se destaca o estudo de modelos conexionistas ou redes neurais. Uma rede neural consiste em um modelo matemático simplificado que simula a estrutura e o funcionamento do cérebro humano.
Investigação na IA experimental A inteligência artificial consolidou-se como campo experimental na década de 1950, por intermédio de pioneiros como Allen Newell, Herbert Simon, John McCarthy e Marvin Minsky. Newell e Simon estiveram associados aos primeiros trabalhos em inteligência artificial na Universidade Carnegie Mellon, enquanto McCarthy e Minsky participaram da criação do laboratório de inteligência artificial do Instituto de Tecnologia de Massachusetts em 1959. Esses pesquisadores também integraram o workshop de verão realizado em 1956 no Dartmouth College, frequentemente apontado como o marco definitivo na fundação da inteligência artificial como área autônoma de pesquisa.
Abordagens principais
Existem duas abordagens principais para a criação de sistemas de inteligência artificial: o simbolismo e o conexionismo.
O Simbolismo, ou IA Simbólica, propõe a representação do conhecimento por meio da manipulação de símbolos, isto é, através de estruturas construídas por seres humanos e normalmente baseadas em noções de Lógica. Essa vertente teve grande impulso durante o período de desenvolvimento dos Sistemas Especialistas, em sua maioria estruturados em Lógica de Primeira Ordem e implementados em Prolog ou em linguagens de programação derivadas e especializadas, como o CLIPS. Como os programas desse tipo têm o conhecimento programado diretamente por especialistas humanos, a prática exigia um intenso trabalho de elicitação de conhecimento. Apesar do sucesso inicial, a grande dificuldade de mapear e registrar o conhecimento humano, somada ao avanço dos processos de aprendizado de máquina a partir de dados, levou à diminuição da importância dessa vertente.
O Conexionismo, ou IA Conexionista, baseia-se em um modelo matemático inspirado no funcionamento dos neurônios e depende do aprendizado de máquina alimentado por grandes massas de dados para calibrar o seu modelo, que inicialmente opera com parâmetros aleatórios. Essa abordagem, embora proposta nos primórdios da computação, enfrentou limitações históricas pela falta de computadores potentes o suficiente para modelar problemas complexos, restringindo-se inicialmente ao sucesso no reconhecimento de padrões específicos. Esse cenário mudou drasticamente a partir da década de 2010, com resultados extremamente expressivos no final daquele período e no início da década de 2020. O salto tecnológico foi impulsionado por modelos baseados em bilhões de parâmetros, como o GPT-3, e pela consolidação de conceitos como Redes Neurais Profundas, Transformers e mecanismos de Atenção.
Campo de estudo
Os principais pesquisadores e livros didáticos definem a área como "o estudo e o projeto de agentes inteligentes", em que um agente inteligente é caracterizado como um sistema que percebe seu ambiente e toma atitudes que maximizam suas chances de sucesso. Andreas Kaplan e Michael Haenlein definem a inteligência artificial como "a capacidade de um sistema para interpretar corretamente dados externos, aprender a partir desses dados e utilizar esses aprendizados para atingir objetivos e tarefas específicas por meio de uma adaptação flexível". Por sua vez, John McCarthy, que cunhou o termo em 1956 durante o workshop de Dartmouth,Gubern, Román. *O Eros Eletrônico*. define-a como "a ciência e a engenharia de produzir sistemas inteligentes". Trata-se de um campo de pesquisa da computação dedicado ao desenvolvimento de métodos ou dispositivos computacionais que possuam ou ampliem a capacidade racional do ser humano para resolver problemas, pensar ou, de forma abrangente, demonstrar inteligência.
Nas últimas décadas, o campo expandiu-se para incluir subáreas como o aprendizado de máquina, as redes neurais artificiais, o processamento de linguagem natural e a visão computacional. Atualmente, observa-se uma ênfase crescente em técnicas estatísticas, métodos conexionistas e abordagens híbridas que combinam modelos simbólicos e aprendizagem profunda (*deep learning*). O ramo também pode ser definido como a vertente da ciência da computação que se ocupa do comportamento inteligente ou, complementarmente, como o estudo de como fazer os computadores realizarem tarefas que, no momento, os seres humanos fazem melhor.
Abordagens filosóficas Não existe uma teoria ou paradigma unificador que oriente a investigação em inteligência artificial, e os investigadores divergem sobre várias questões fundamentais. Historicamente, os debates filosóficos em torno da inteligência artificial têm procurado determinar a natureza da inteligência e compreender de que modo poderiam ser construídas máquinas inteligentes. Outro tema central tem sido a questão de saber se as máquinas podem ser conscientes e as implicações éticas daí decorrentes. Diversos outros temas filosóficos são relevantes para a inteligência artificial, nomeadamente a epistemologia e o livre-arbítrio. Os rápidos avanços no domínio da inteligência artificial intensificaram o debate público sobre a filosofia e a ética da inteligência artificial.
Entre as interrogações históricas que permanecem em aberto, destacam-se as seguintes: