The roots of modern Artificial Intelligence, or AI, can be traced back to the classical philosophers of Greece, and their efforts to model human thinking as a system of symbols. Mais recentemente, na década de 1940, uma escola de pensamento chamada “Connectionismo” foi desenvolvida para estudar o processo de pensamento. Em 1950, um homem chamado Alan Turing escreveu um artigo sugerindo como testar uma máquina “pensante”. Ele acreditava que se uma máquina pudesse continuar uma conversa através de um teleprinter, imitando um humano sem diferenças perceptíveis, a máquina poderia ser descrita como pensamento. Seu trabalho foi seguido em 1952 pelo modelo Hodgkin-Huxley do cérebro como neurônios formando uma rede elétrica, com neurônios individuais disparando em pulsos de tudo ou nada (on/off). Estes eventos, em uma conferência patrocinada pelo Dartmouth College em 1956, ajudaram a despertar o conceito de Inteligência Artificial.Jonathan Crane é o CCO da Ipsoft, os criadores da assistente virtual chamada Amelia. Ele tinha isso a dizer sobre o estado atual da Inteligência Artificial:
“AI está impulsionando uma grande mudança na forma como podemos atingir o nosso marketing e Publicidade, mesmo para empresas menores. Isto significa que as empresas são capazes de direccionar os seus “gastos e aumentar o ROI” e permitir que a publicidade faça o que deve, dando às pessoas anúncios que querem ver.Crane refere-se ao uso de grandes dados por AI. A inteligência Artificial pode ser combinada com grandes dados para lidar com tarefas complexas, e pode processar a informação a velocidades muito mais rápidas do que qualquer sistema anterior.
O desenvolvimento da IA não foi racionalizado e eficiente. Começando como um conceito emocionante e imaginativo em 1956, o financiamento de pesquisa de Inteligência Artificial foi cortado na década de 1970, depois de vários relatórios criticaram a falta de progresso. Esforços para imitar o cérebro humano, chamado de “redes neurais”, foram experimentados, e descartados. Os programas mais impressionantes e funcionais só foram capazes de lidar com problemas simplistas, e foram descritos como brinquedos pelos não impressionados. Os pesquisadores de IA tinham sido excessivamente otimistas em estabelecer seus objetivos, e tinham feito suposições ingênuas sobre os problemas que eles iriam encontrar. Quando os resultados que prometeram nunca se materializaram, não deve ser surpresa que o seu financiamento tenha sido cortado.
the First AI Winter
AI researchers had to deal with two very basic limitations, not enough memory, and processing speeds that would seem abismal by today’s standards. Assim como a pesquisa de gravidade na época, a pesquisa de Inteligência Artificial teve seu financiamento do governo cortado, e os juros caíram. No entanto, ao contrário da gravidade, a AI research foi retomada na década de 1980, com os EUA e Grã-Bretanha fornecendo financiamento para competir com o novo projeto de computador “quinta geração” do Japão, e seu objetivo de se tornar o líder mundial em tecnologia de computadores. O período de tempo entre 1974 e 1980 tornou-se conhecido como “o primeiro inverno AI”.o primeiro inverno de IA terminou com a introdução de” Expert Systems”, que foram desenvolvidos e rapidamente adotados por corporações competitivas em todo o mundo. O foco principal da pesquisa de IA foi agora sobre o tema da acumulação de conhecimento de vários especialistas. AI também se beneficiou do renascimento do Conectismo na década de 1980.
cibernética e Redes Neurais
a cibernética estuda sistemas de controle automático. Dois exemplos são o cérebro e o sistema nervoso, e os sistemas de comunicação usados pelos computadores. A cibernética tem sido usada para treinar a versão moderna das redes neurais. No entanto, as redes neurais não se tornariam financeiramente bem sucedidas até a década de 1990, quando começaram a ser usadas para operar programas ópticos de reconhecimento de caracteres e programas de reconhecimento de padrões de fala.sistemas periciais representam uma abordagem na pesquisa de Inteligência Artificial que se tornou popular ao longo da década de 1970. um sistema Pericial usa o conhecimento de especialistas para criar um programa. Os sistemas especialistas podem responder a perguntas e resolver problemas dentro de uma área claramente definida de conhecimento, e usa “regras” de lógica. Seu design simplista tornou razoavelmente fácil para os programas serem projetados, construídos e modificados. Os programas de triagem de empréstimos bancários fornecem um bom exemplo de um sistema de especialistas a partir do início da década de 1980, mas também havia aplicações médicas e de vendas usando sistemas de especialistas. De um modo geral, estes programas simples tornaram-se bastante úteis, e começaram a poupar grandes quantidades de dinheiro às empresas.
Por exemplo, em 1980, a Digital Equipment Corporation começou a exigir que a sua equipa de vendas usasse um sistema especializado chamado XCON quando fazia encomendas de clientes. DEC vendeu uma ampla gama de componentes de computador, mas a força de vendas não era especialmente conhecedor sobre o que eles estavam vendendo. Algumas ordens combinavam componentes que não funcionavam em conjunto e algumas ordens faltavam componentes necessários. Antes da XCON, os consultores técnicos examinariam as ordens, identificariam combinações não funcionais e forneceriam instruções para a montagem do sistema. Uma vez que este processo (incluindo comunicações com o cliente) causou um estrangulamento na DEC, e muitos esforços para automatizá-lo tinha falhado, a DEC estava disposta a tentar uma tecnologia que era relativamente nova para este tipo de situação. Em 1986, o sistema estava economizando US $40 milhões anualmente.
XCON (algumas vezes referido como R1) era um grande sistema com aproximadamente 750 regras, e mesmo que ele pudesse processar várias ordens, ele ainda precisava ser ajustado e ajustado antes que DEC pudesse usá-lo de forma eficiente. DEC aprendeu que o sistema não poderia ser usado como originalmente projetado, e que eles não tinham a experiência para mantê-lo. O” conhecimento ” no sistema precisava ser coletado e adicionado por pessoas treinadas em sistemas especializados, e na aquisição de conhecimento. Muitos de seus consultores técnicos foram os engenheiros, mas eles não estavam AI especialistas, e a equipe de engenheiros da DEC, finalmente, organizados foram “familiarizado” com o AI, mas os membros do grupo não foram escolhidos por sua Inteligência Artificial especialização (simplesmente não eram muitos especialistas disponíveis), e ninguém no grupo estava familiarizado com o idioma em que foi escrito, a OPS-4. Depois de cerca de um ano, com uma enorme quantidade de assistência de Carnegie-Mellon (os escritores originais do programa), e tendo crescido para quase 1000 regras, DEC foi capaz de assumir a programação e manutenção do XCON. Integrar XCON na cultura DEC foi uma experiência difícil, mas bem sucedida. A gerência aprendeu que um sistema de especialistas requer pessoal especialmente treinado, e eles assumiram a responsabilidade pela formação e contratação de pessoas para atender a essas necessidades.
no seu pico, XCON tem 2.500 regras e evoluiu significativamente (embora atualmente sua popularidade tenha diminuído, já que se tornou um pouco de um dinossauro). XCON foi o primeiro sistema de computador a usar técnicas de IA na resolução de problemas do mundo real dentro de um ambiente industrial. Em 1985, empresas de todo o mundo começaram a usar sistemas de especialistas, e um novo campo de carreira se desenvolveu para apoiá-los. XCON poderia configurar as ordens de vendas para todos os sistemas de computador VAX-11 fabricados nos Estados Unidos, mas o sistema precisava ser continuamente ajustado e atualizado, e precisava de uma equipe de TI em tempo integral.o segundo inverno da IA o campo da IA experimentou outro grande inverno de 1987 a 1993. Esta segunda desaceleração na pesquisa de IA coincidiu com o XCON, e outros computadores de Sistema de especialistas, sendo vistos como lentos e desajeitados. Computadores de mesa estavam se tornando muito populares e deslocando os bancos de computador mais velhos, volumosos, muito menos user-friendly. Eventualmente, os sistemas especializados tornaram-se simplesmente demasiado caros para manter, quando comparados com os computadores de secretária. Eles eram difíceis de atualizar, e não podiam ” aprender.”Estes eram problemas que os computadores de mesa não tinham. Ao mesmo tempo, a DARPA (Defense Advanced Research Projects Agency) concluiu que a IA não seria “a próxima onda” e redirecionou seus fundos para projetos considerados mais propensos a fornecer resultados rápidos. Como consequência, no final da década de 1980, o financiamento para a pesquisa de IA foi cortado profundamente, criando o segundo inverno de IA.conversação com computadores torna-se uma realidade no início da década de 1990, a pesquisa de Inteligência Artificial deslocou seu foco para algo chamado agente inteligente. Estes agentes inteligentes podem ser usados para serviços de recuperação de notícias, compras on-line, e navegar na web. Agentes inteligentes também são chamados de agentes ou robôs. Com o uso de grandes programas de dados, eles gradualmente evoluíram para assistentes pessoais digitais, ou assistentes virtuais.atualmente, empresas gigantes como Google, Facebook, IBM e Microsoft estão pesquisando uma série de projetos de Inteligência Artificial, incluindo assistentes virtuais. Todos eles estão competindo para criar assistentes como M do Facebook, Cortana da Microsoft, ou Siri da Apple.O objetivo da inteligência Artificial já não é criar uma máquina inteligente capaz de imitar a conversa humana com um teletipo. O uso de grandes dados permitiu a ia dar o próximo passo evolutivo. Agora, os objetivos são desenvolver programas de software capazes de falar em uma língua natural, como o inglês, e atuar como seu assistente virtual. Esses assistentes virtuais representam o futuro da pesquisa de IA, e podem assumir a forma de robôs para ajuda física, ou podem ser alojados em laptops e ajudar na tomada de decisões empresariais, ou podem ser integrados no programa de atendimento ao cliente de uma empresa e atender o telefone. A inteligência Artificial ainda está evoluindo e encontrando novos usos.