inteligencia artificial
Post on 02-Jul-2015
596 Views
Preview:
TRANSCRIPT
InteligênciaInteligência ArtificialArtificial
Pedro Paulo Balbi de OliveiraPedro Paulo Balbi de Oliveirapedrob@mackenzie.brpedrob@mackenzie.br
22oo Semestre 2008Semestre 2008
� Prover um panorama geral da evolução da inteligência artificial até o presente, e avaliar suas tendências futuras.
�� Prover um panorama geral da evoluProver um panorama geral da evoluçção da ão da inteligência artificial atinteligência artificial atéé o presente, e avaliar suas o presente, e avaliar suas tendências futuras.tendências futuras.
O B J E T I V O SO B J E T I V O S
� Apresentar uma visão geral das técnicas usuais de inteligência artificial para solução de problemas.�� Apresentar uma visão geral das tApresentar uma visão geral das téécnicas usuais de cnicas usuais de inteligência artificial para soluinteligência artificial para soluçção de problemas.ão de problemas.
� Dar elementos sobre algumas ferramentas computacionais apropriadas à Inteligência Artificial.�� Dar elementos sobre algumas ferramentas Dar elementos sobre algumas ferramentas computacionais apropriadas computacionais apropriadas àà Inteligência Artificial.Inteligência Artificial.
� Distinguir os métodos da programação por inteligência artificial da programação convencional.�� Distinguir os mDistinguir os méétodos da programatodos da programaçção por ão por inteligência artificial da programainteligência artificial da programaçção convencional.ão convencional.
�� AULAS EXPOSITIVASAULAS EXPOSITIVAS
�� EXERCEXERCÍÍCIOS TECIOS TEÓÓRICOS E/OU DERICOS E/OU DEPROGRAMAPROGRAMAÇÇÃO DE TÃO DE TÉÉCNICAS DE IACNICAS DE IA
�� TRABALHOTRABALHO
�� AVALIAAVALIAÇÇÃOÃO
METODOLOGIAMETODOLOGIA
BIBLIOGRAFIA
� Bittencourt, Guilherme. Inteligência Artificial: Ferramentas e Teorias, 3a edição, Editora da UFSC, 2006.
� Rich, E. Knight Inteligência Artificial, 2a. edição, McGraw-Hill, 1988.
� Russel, S. and Norvig, P. Inteligência Artificial, Ed. Campus, Tradução da 2a. ed. original , 2004.
� Winston, P. H. Artificial Intelligence, 2. ed. Readings: Addison-Wesley, 1984.
� Turban, E. Expert Systems and Applied Artificial Intelligence, 1992.
� Nilsson, Nils J. Artificial Intelligence: A New Synthesis, Morgan Kaufmann, 1998.
BIBLIOGRAFIA (cont.)
� Adeli, H. and Hung, S. Machine Learning, John Wileyand Sons, 1995.
� Adeli, H. Knowledge Engineering, Vol. II, Applicattions, McGraw Hill, 1988.
� Waterman, D.A. A Guide to Expert Systems, Addison-Wesley, 1984.
� Bratko, I. PROLOG - Programming for A.I., Addison-Wesley, 1990.
� Bowen, K. Prolog and Expert Systems, McGraw Hill, 1991.
� Penrose, R. A Mente Nova do Rei, 1989.� Gardner, H. A Nova Ciência da Mente, EDUSP, 1995.
BIBLIOGRAFIA (cont.)
� T. Bäck. Evolutionary Algorithms in Theory and Practice. 1st ed, New York: Oxford University Press, 1996.
� T. Bäck, D.B. Fogel and Z. Michalewicz. Handbook of Evolutionary Computation. Institute of Phyics Publishing. Bristol, 1997.
� D.B. Fogel. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence, 2nd edition, John Wiley & Sons, 1999.
� D.E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. 1st ed, Reading, Massachussets: Addison Wesley Publishing Company, 1989.
� M. Mitchell. An Introduction to Genetic Algorithms. Bradford Book, Reprint edition, 1998.
� C. Jacob. Illustrating Evolutionary Computation with Mathematica. Morgan Kauffman, 2001.
Capítulo 1
INTRODUÇÃO
à
INTELIGÊNCIA
ARTIFICIAL
O que é Inteligência Artificial?
O que é Inteligência?
Qualidades e Atributos da Inteligência HumanaDouglas Hofstadter, 1979
� Responder a perguntas com flexibilidade.
� Reconhecer importâncias relativas.
� Encontrar semelhanças entre situações.
� Definir distinções entre situações.
� Sintetizar novos conceitos.
M. Fischler & O. Firschein, 1987� Atitudes mentais de crenças, desejos e intenções.
� Habilidade de aprender.
� Habilidade de transformar problemas grandes em pequenos.
� Conhecimento dos próprios limites.
� Habilidade de perceber e modelar o mundo.
� Uso de linguagem simbólica.
1. VISÕES DA I.A.1. VISÕES DA I.A.
Máquinas que pensam e aprendem.São programas exóticos puramente experimentais, sem nenhum resultado prático ou comercial.
MMááquinas que pensam e aprendem.quinas que pensam e aprendem.São programas exSão programas exóóticos puramente experimentais, ticos puramente experimentais, sem nenhum resultado prsem nenhum resultado práático ou comercial.tico ou comercial.
É uma questão combinatória (Ex: Xadrez).Enumere todas as soluções e escolha a melhor.
EXPLOSÃO COMBINATÓRIAProblemas complexos exigem o uso de mais conhecimento de
modo a evitar a computação de TODAS as combinações.
ÉÉ uma questão combinatuma questão combinatóória (Ex: Xadrez).ria (Ex: Xadrez).Enumere todas as soluEnumere todas as soluçções e escolha a melhor.ões e escolha a melhor.
EXPLOSÃO COMBINATEXPLOSÃO COMBINATÓÓRIARIAProblemas complexos exigem o uso de mais conhecimento de Problemas complexos exigem o uso de mais conhecimento de
modo a evitar a computamodo a evitar a computaçção de TODAS as combinaão de TODAS as combinaçções.ões.
Conjunto de técnicas para:- Representação do conhecimento.
- Pesquisar soluções.Técnicas para processar informação simbólica.
Conjunto de tConjunto de téécnicas para:cnicas para:-- RepresentaRepresentaçção do conhecimento.ão do conhecimento.
-- Pesquisar soluPesquisar soluçções.ões.TTéécnicas para processar informacnicas para processar informaçção simbão simbóólica.lica.
Visão dominante: A I.A. estuda técnicas que auxiliam o computador a resolver tarefas que normalmente o ser humano resolve. Estas técnicas são baseadas em CONHECIMENTO, enquanto as técnicas convencionais são normalmente baseadas em DADOS e INFORMAÇÕES.
Fato inegável: O desconhecimento dos princípios que fundamentam a inteligência, por um lado, e dos limites práticos da capacidade de processamento dos computadores, por outro, levou periodicamente a promessas exageradas e a correspondentes decepções.
Visões
2. Algumas definições operacionais
• “Uma máquina é inteligente se ela é capaz de solucionar uma classe de problemas que requerem inteligência para serem solucionados por seres humanos”. (McCarthy e Hayes, 1969).
• “Inteligência Artificial é a parte da ciência da computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento humano, à inteligência”. (Handbook of AI, 1981).
• “Inteligência Artificial é o estudo das faculdades mentais através do uso de modelos computacionais”. (Charniak e McDermott, 1985).
• “É o estudo de como fazer os computadores realizarem tarefas em que, no momento, as pessoas são melhores”. (Elaine Rich, 1988).
Definições
3. HIST3. HISTÓÓRICORICO
Precursores (McCorduck, P. Machines Who Think, 1979):
•••• Jacques de Vaucauson (1738): Pato mecânico•••• Barão von Kempelen (1769 ... 1854):
Autômato jogador de xadrês•••• Mary Shelley (1818): Frankenstein•••• Leibniz (1646-1716): Calculus Ratiocinator•••• Charles Babbage (1835): Analytical Engine•••• Boole, Frege e Russel (século XIX):
Ferramentas matemáticas necessárias à lógica
3. HIST3. HISTÓÓRICORICO
•••• Quine, Carnap e Tarski (século XX): Formalização do raciocínio e do conhecimento, lógica moderna.• McCulloch and Pitts (1943): primeiro modelo matemático de neurônio artificial• Alan Turing (“Computing Machinery and Intelligence”, 1950): Máquinas podem pensar? Introdução do Teste de Turing.• Claude E. Shannon (“Automatic Chess Player”, 1950): Em 1960 o campeão mundial de xadrez será um computador.
3. HIST3. HISTÓÓRICORICO
•••• John McCarthy, Marvin Minsky, Herbert Simon e Allen Newell (1956): Nascimento oficial da IA, com uma conferência de verão no Dartmouth College, NH, USA. Na proposta da conferência, escrita por John McCarthy (Dartmouth), Marvin Minsky (Harvard), Nathaniel Rochester (IBM) e Claude Shannon (Bell Labs) e submetida à fundação Rockfeller, consta a intenção dos autores de realizar “um estudo durante dois meses, por dez homens, sobre o tópico inteligência
artificial”.
Fase Romântica Fase Romântica �������� de 56 a 70de 56 a 70
Fase ClFase Cláássica ssica �������� ddéécada de 70cada de 70
Fase Moderna Fase Moderna �������� ddéécada de 80cada de 80
3. HIST3. HIST3. HIST3. HIST3. HIST3. HIST3. HIST3. HISTÓÓÓÓÓÓÓÓRICORICORICORICORICORICORICORICO
Fase PFase Póóss--Moderna Moderna �������� a partir de 90a partir de 90
Romântica (1956-1970)
• Objetivo: simular a inteligência humana.• Métodos: solucionadores gerais de
problemas e lógica.
• Motivo do fracasso: subestimação da complexidade computacional dos problemas (lógica de primeira ordem leva a uma explosão combinatória; conhecimento é incompleto e impreciso. Conseqüências: métodos formais de inferência mais fracos, e métodos heurísticos e lógicas não-convencionais).
Clássica (1970-1980)
• Objetivo: simular a inteligência humana em situações pré-determinadas.
• Métodos: formalismos de representação de conhecimento adaptados ao tipo de problema, mecanismos de ligação procedural visando maior eficiência computacional (amadurecimento da disciplina).
• Motivo do fracasso: subestimação da quantidade de conhecimento necessária para tratar mesmo os problemas mais banais de senso comum.
Moderna (1980-1990)
• Objetivo: simular o comportamento de um especialista humano ao resolver problemas em um domínio específico (presença na vida real).
• Métodos: Sistemas de regras, representação da incerteza, conexionismo.
• Motivo do fracasso: subestimação da complexidade do problema de aquisição de conhecimento.
Pós-Moderna (a partir de 1990)
• Objetivo: simular a inteligência humana em situações pré-determinadas, procurando-se preservar sua origem biológica.
• Métodos: Sistemas híbridos e multi-agentes, incorporando elementos simbólicos, conexionistas e evolutivos.
• Motivo do fracasso: ??????????
4. PROBLEMAS ABORDADOS PELA I.A.4. PROBLEMAS ABORDADOS PELA I.A.
4.1 Caracter4.1 Caracteríísticas dos problemas adequados sticas dos problemas adequados àà I.A.I.A.
• São muito variados e têm pouco em comum.• São difíceis.• Exigem armazenamento de volumes imensos de conhecimento.• Conhecimento:
− Difícil de caracterizar.− Impreciso.− Muda constantemente.
4.2 Classes de Problemas
• Diagnóstico: médico, mecânico, hardware.• Análise: crédito, composição química, sinais (radar, sonar) e ameaças militares.• Monitoramento: plantas industriais, transações.• Interfaces Inteligentes: help inteligente, ensino e treinamento (ITS).• Planejamento: produção, admin. de portfólio.• Conversação: interpretação, tradução.• Robótica: montagem de peças, locomoção.• Modelagem: cognitiva, sistemas físicos.
4.3 4.3 ÁÁREAS DE APLICAREAS DE APLICAÇÇÃOÃO
MedicinaMedicinaMedicina Ex: Mycin ( infecEx: Mycin ( infecçções bacteriolões bacteriolóógicas )gicas )
GovernamentalGovernamentalGovernamental
Ex.: triagem dos beneficiEx.: triagem dos beneficiáários da Previd. rios da Previd. Social; reconhecimento de destinatSocial; reconhecimento de destinatáários rios de cartasde cartas
Tecnologia EspacialTecnologia EspacialTecnologia Espacial Ex.: navegaEx.: navegaçção de robôs autônomosão de robôs autônomos
Automação IndustrialAutomaAutomaçção Industrialão Industrial Ex.: planejamento da produEx.: planejamento da produççãoão
FinanceiraFinanceiraFinanceira Ex.: anEx.: anáálise de crlise de créédito; de sinistrosdito; de sinistros
Inteligência Artificial Sistemas Convencionais
•• ManipulaManipulaçção do ão do conhecimento.conhecimento.
•• Processamento simbProcessamento simbóólicolico
•• SoluSoluçções ões heurheuríísticas sticas
(baseadas na experiência).(baseadas na experiência).
•• Controle separado do Controle separado do conhecimento (flexibilizaconhecimento (flexibilizaçção).ão).
•• ManipulaManipulaçção de dados eão de dados einformainformaçções.ões.
•• Processamento numProcessamento numéérico.rico.
•• SoluSoluçções algorões algoríítmicas tmicas (exatas).(exatas).
•• Controle e conhecimento Controle e conhecimento integrados.integrados.
5. Programa5. Programaçção Convencional x I.A.ão Convencional x I.A.
Uma heurUma heuríística stica éé um conjunto de informaum conjunto de informaçções ões não exatas, normalmente adquiridas atravnão exatas, normalmente adquiridas atravéés da s da experiência e da sensatez, que auxiliam na busca experiência e da sensatez, que auxiliam na busca
de uma solude uma soluçção.ão.
Ex: Diagnose de Problemas MecânicosEx: Diagnose de Problemas Mecânicos
HeurHeuríística: carros velhos são mais sujeitos a stica: carros velhos são mais sujeitos a curtocurto--circuito na parte elcircuito na parte eléétrica, descarregando a trica, descarregando a
bateria.bateria.
““HeurHeuríísticastica”” vem do grego vem do grego heuriskein heuriskein que significa que significa achar (achar (heureca!,heureca!, de Arquimedes). de Arquimedes).
5.1 Heur5.1 Heuríísticastica
5.2 MODELO DE HIERARQUIA DE 5.2 MODELO DE HIERARQUIA DE INFORMAINFORMAÇÇÕESÕES
BOMBOM--SENSOSENSO
CONHECIMENTOCONHECIMENTO
INFORMAINFORMAÇÇÕESÕES
D A D O SD A D O S
Desafio da pesquisaDesafio da pesquisa
Inteligência ArtificialInteligência Artificial
Sistemas tradicionaisSistemas tradicionais
EXEMPLOEXEMPLO
HIERARQUIA DE INFORMAHIERARQUIA DE INFORMAÇÇÕESÕES
Deve ser pela mudanDeve ser pela mudançça de climaa de clima
RecomendaRecomendaçção: Aspirina e camaão: Aspirina e cama
EstEstáá com febrecom febre
Temperatura = 39Temperatura = 39ooCC
BOMBOM--SENSOSENSO
CONHECIMENTOCONHECIMENTO
INFORMAINFORMAÇÇÕESÕES
D A D O SD A D O S
6. SUBDIVISÕES DA I.A.6. SUBDIVISÕES DA I.A.
I.A. Simbólica• Conhecimento explícito• Ciência Cognitiva• Ex: Estados, Lógica, Regras, Casos.
I.A. SimbI.A. Simbóólicalica•• Conhecimento explConhecimento explíícitocito•• Ciência CognitivaCiência Cognitiva•• Ex: Estados, LEx: Estados, Lóógica, Regras, Casos.gica, Regras, Casos.
I.A. Conexionista• Conhecimento implícito• Neurociências• Ex: Redes Neuronais/Neurais.
I.A. ConexionistaI.A. Conexionista•• Conhecimento implConhecimento implíícitocito•• NeurociênciasNeurociências•• Ex: Redes Neuronais/Neurais.Ex: Redes Neuronais/Neurais.
I.A. Evolutiva• Representação de soluções candidatas• Ciência Biológica (em particular, Teoria da Evolução)
• Ex: Algoritmos Genéticos.
I.A. EvolutivaI.A. Evolutiva•• RepresentaRepresentaçção de soluão de soluçções candidatasões candidatas•• Ciência BiolCiência Biolóógica gica (em particular, Teoria da Evolu(em particular, Teoria da Evoluçção)ão)
•• Ex: Algoritmos GenEx: Algoritmos Genééticos.ticos.
6.1 Ciência Cognitiva
� É o campo de estudos que procura entender e imitar os processos mentais (mais tradicionalmente dos) humanos.
� No contexto da I.A.:� Tenta modelar a aquisição de informações feita pelo
homem na busca do entendimento do mundo.
� O entendimento do mundo é subjetivo e depende:
� Experiências conscientes e inconscientes.
� Estímulos sensoriais externos.
�Contexto sócio-cultural.
� ...
�� Estados e Busca HeurEstados e Busca Heuríísticastica
�� RegrasRegras
�� LLóógicagica
�� CasosCasos
�� Frames e ScriptsFrames e Scripts
�� Redes SemânticasRedes Semânticas
�� ComputaComputaçção Evolutivaão Evolutiva
�� Redes NeuraisRedes Neurais
7. PRINCIPAIS T7. PRINCIPAIS TÉÉCNICASCNICAS
7.1 ESTADOS e BUSCA HEUR7.1 ESTADOS e BUSCA HEURÍÍSTICASTICAProblema do Carteiro ViajanteProblema do Carteiro ViajanteProblema do Carteiro Viajante
ITUITU
CAMPCAMP
SPSP
SJCSJC
SANTSANTUBAUBA
130130
8080
160160
9090
150150
180180
180180
100100230230
110110
ITUITU
SPSPCAMPCAMP SANTSANT
SANTSANT SJCSJC CAMPCAMP UBAUBASJCSJC
SANTSANT UBAUBA
XX
XX XX
XX
XX
SoluSoluçção:ão:ITU ITU -- SP SP -- SJC SJC -- UBAUBA
Custo: 320 KmCusto: 320 Km
Qual Qual éé o melhoro melhorpercursopercurso
ITU ITU −−>> UBA ?UBA ?
130130
9090
8080160160
180180100100 110110 230230
230230 150150
SPSP
100100
XXCusto: 340Custo: 340
Custo: 320Custo: 320
7.2 L7.2 LÓÓGICAGICA
•Provar um teorema a partir de um conjunto de premissas.
• Exemplo:
Provar o teorema herbívoro(zebra), a partir das premissas:
animal(zebra).vegetal(grama).come(zebra, grama).∀∀∀∀x∀∀∀∀y[animal(x) E come(x, y) E vegetal(y)=> herbívoro(x)].
SISTEMAS BASEADOS
EM REGRAS
SISTEMAS SISTEMAS BASEADOS BASEADOS
EM EM REGRASREGRAS
Conhecimento representado em regras do tipo:SE
<Condição 1><Condição 2>
ENTÃO<Conclusão 1><Conclusão 2>
EX: Análise de restritivos (em inst. bancária)
SEtipo - restritivo = Ação de BuscaE pessoa analisada = Jurídica E quantidade de ocorrências < 2
ENTÃOAnálise Restritivo = Não Relevante
Conhecimento representado em regras do tipo:Conhecimento representado em regras do tipo:SESE
<Condi<Condiçção 1>ão 1><Condi<Condiçção 2>ão 2>
ENTÃOENTÃO<Conclusão 1><Conclusão 1><Conclusão 2><Conclusão 2>
EX: AnEX: Anáálise de restritivos (em inst. banclise de restritivos (em inst. bancáária)ria)
SESEtipo tipo -- restritivo = Arestritivo = Açção de Buscaão de BuscaE pessoa analisada = JurE pessoa analisada = Juríídica dica E quantidade de ocorrências E quantidade de ocorrências << 22
ENTÃOENTÃOAnAnáálise Restritivo = Não Relevantelise Restritivo = Não Relevante
7.3 REGRAS7.3 REGRAS
SISTEMAS BASEADOS EM CASOS
SISTEMAS SISTEMAS BASEADOS BASEADOS EM EM CASOSCASOS
� Simulação de Raciocínio:
Problemas atuais são resolvidos através da analogia com casos do
passado, onde problemas semelhantes foram
solucionados.
Ex. Diagnose Médica.
�� SimulaSimulaçção de Raciocão de Raciocíínio:nio:
Problemas atuais são Problemas atuais são resolvidos atravresolvidos atravéés da s da analogia com casos do analogia com casos do
passado, onde problemas passado, onde problemas semelhantes foram semelhantes foram
solucionados.solucionados.
Ex. Diagnose MEx. Diagnose Méédica.dica.
7.4 CASOS7.4 CASOS
SISTEMAS BASEADOS EM CASOSSISTEMAS BASEADOS EM SISTEMAS BASEADOS EM CASOSCASOS
Principais Elementos:Principais Elementos:BASE DE CASOSBASE DE CASOS
ACESSO POR ANALOGIAACESSO POR ANALOGIA
NOVO NOVO CASOCASO
ACESSO POR ACESSO POR ANALOGIAANALOGIA
BASE DE BASE DE CASOSCASOS
CASOS CASOS ANANÁÁLOGOSLOGOS
NOVO NOVO PROCESSOPROCESSO
BASE COM BASE COM DADOS DE DADOS DE PROCESSOS PROCESSOS
ANTERIORESANTERIORES
POSSÍVEIS SOLUÇÕESPOSSPOSSÍÍVEIS SOLUVEIS SOLUÇÇÕESÕES
SISTEMAS BASEADOS EM CASOSSISTEMAS BASEADOS EM SISTEMAS BASEADOS EM CASOSCASOS
SISTEMA APOIO JURSISTEMA APOIO JURÍÍDICODICO
7.5 Redes Neurais7.5 Redes Neurais
Utiliza um modelo do processamento paralelo do cérebro humano.
Utiliza um modelo do processamento Utiliza um modelo do processamento paralelo do cparalelo do céérebro humano.rebro humano.
Cada neurônio tem ligações múltiplas com vários outros.
Cada neurônio tem ligaCada neurônio tem ligaçções mões múúltiplas ltiplas com vcom váários outros.rios outros.
Cada ligação tem um peso.Cada ligaCada ligaçção tem um peso.ão tem um peso.
É treinada para “aprender” vários exemplos (configuração de pesos).
ÉÉ treinada para treinada para ““aprenderaprender”” vváários rios exemplos (configuraexemplos (configuraçção de pesos).ão de pesos).
EENNTTRRAADDAA
SSAAÍÍDDAA
REDES NEURAISREDES NEURAISREDES NEURAIS
......
7.6 COMPUTA7.6 COMPUTAÇÇÃO EVOLUTIVAÃO EVOLUTIVA
PIDPID ProcessoProcesso
Ajuste do PID:Ajuste do PID:KKpp,T,Tii e Te Tdd
0,00 > K,Ti,Td < 200,000,00 > K,Ti,Td < 200,00
EspaEspaçço: (20.000)o: (20.000)33
= 8 x 10= 8 x 101212
PID (IndivPID (Indivííduo): duo): KpKp TiTi TdTd
PopulaPopulaçção Inicial (100 indiv.):ão Inicial (100 indiv.):KKpp TiTi TdTd KKpp TiTi TdTd KKpp TiTi TdTd
KKpp TiTi TdTd KKpp TiTi TdTd KKpp TiTi TdTd
Crossover:Crossover:
KKpp TiTi TdTd
KKpp TiTi TdTd
KKpp TiTi TdTd
KKpp TiTi TdTd
MutaMutaçção:ão:KKpp TiTi TdTd
KKpp TiTi TdTd
SeleSeleçção Adaptativa:ão Adaptativa:
os melhores indivos melhores indivííduosduossobrevivemsobrevivem
7.6 COMPUTA7.6 COMPUTAÇÇÃO EVOLUTIVAÃO EVOLUTIVA
Is there asatisfactorycandidatesolution?
Aplication of Genetic Operators(Reproduction, Crossover, Mutation...)
Scoring of each individualby means of a Fitness function
Selection of thebest ones
Population
Selectedsub-population
No
Yes
End
Start
8. Conclusão:da GOFAI à Nouvelle AI
Francisco Varela (89), comentando sobre a perspectiva Enactiva, em Ciência Cognitiva:
“…assim como o conexionismo se desvinculou do cognitivismo inspirado por uma maior contato com o cérebro, a perspectiva enactiva dá um passo além, na mesma direção, de forma a abranger também a temporalidade do ser vivo, seja ele visto como uma espécie (evolução), como um indivíduo (ontogenia), ou como um padrão social (cultura).”
Cognitivism
Emergence
Enaction
Artificial Intelligence
Linguistics
Epistemology
Neurosciences
Cognitive
Psychology
• Freeman
• Maturana
• Hofstadter
• Searle
• Lakoff
• Feldman
• Winograd & Flores
• Ballard
• Smolensky
• Rosch
• Pylyshin• Dennet
• Dreyfus
• Rorty
• Fodor
• Chomsky
• Simon & Newell
• Rummelhart
• McClelland
• Piaget
• Hubel & Wiesel
• Barlow
• Neisser
• Grossberg
• Holland
• Hinton
• McCarthy• Abeles• Arbib
• Marr & Poggio• Varela
• John
Varela, Rosch & Evans: The Embodied Mind, MIT Press, 1991.
• Brooks
top related