PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC-SP

TÉRCIO ONOFRE DE LIRA

A INTELIGÊNCIA ARTIFICIAL NO CONTEXTO

DAS CIÊNCIAS COGNITIVAS

MESTRADO EM TECNOLOGIAS DA

INTELIGÊNCIA E DESIGN DIGITAL

SÃO PAULO

2011

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC-SP

TÉRCIO ONOFRE DE LIRA

A INTELIGÊNCIA ARTIFICIAL NO CONTEXTO

DAS CIÊNCIAS COGNITIVAS

MESTRADO EM TECNOLOGIAS DA

INTELIGÊNCIA E DESIGN DIGITAL

Dissertação apresentada à Banca

Examinadora como exigência parcial para a

obtenção do título de Mestre em

Tecnologias da Inteligência e Design

Digital pela Pontifícia Universidade

Católica de São Paulo, sob a orientação do

professor Doutor Nelson Brissac Peixoto.

SÃO PAULO

2011

iii

BANCA EXAMINADORA

_____________________________________

_____________________________________

_____________________________________

iv

DEDICATÓRIA

Dedico esta dissertação a minha mãe,

minha filha, minhas irmãs, meus

familiares e meus amigos, devido a todo

o apoio incondicional, e aos professores

(as) envolvidos (as) os (as) quais me

possibilitaram realizar mais este

objetivo.

v

AGRADECIMENTOS

Agradeço a minha mãe Sueli, pelo amor e por sempre me apoiar em todos os

desafios que enfrento. A minha filha Manoela (Bigurinha) que com sua graça me

cativa e estimula cada dia mais a perseguir meus objetivos. Minhas irmãs Tatiana e

Jandira, por me fazerem entender e sentir o contexto família. Agradeço (em memória)

com muito carinho a minha avó Rosa, que forjou parte substancial do meu caráter.

Agradeço aos professores doutores: Nelson Brissac, Lucia Santaella, Winfred

Nöth e Sergio Basbaum pelo empenho, dedicação, críticas e pelo voto de confiança no

desafio. Agradeço muito a Edna Conti e aos professores do TIDD: Alexandre Campos,

Jorge Vieira e Demi Getsko, por iluminarem meu caminho.

Agradeço a meus familiares, por me fornecerem alegria e paz de saber que

existem: Laura, Zezinho, Manoel, Celma, Danilo (PD), Amanda, Zezo, Mônica, Gilda,

Paulinho, Felipe, Marcelo, Glauciana, Lucas, Nádia (madrinha), Odette, Salete, Israel,

Rodrigo, Ronaldo, Silvio, Alex, Junior, Nádia, Jihad, assim como os familiares mais

distantes e familiares de meus familiares.

Agradeço ao companheirismo e amizade das pessoas especiais: Luis Roberto e

família Moratti, Marcos e família Bravo, Ligia e família Zotini, Daniel e família

Gabrilli, Stephanie e família Slepicka Lattanzi, Raphael e família Cordon, Diego e

família Rodrigues Perin, Marcio e família Godoy, Luciana e família Medeiros, Thiago

e família Rocha Dias, Henrique e família Melo Cunha, Cesar e família Fornacialli,

Fabio e família Fujita, Gustavo e família Benetti, Ana Paula e família Pereira Gomes,

Tatiana e família Albuquerque, Ursula e família Sandor, Mariana Kakuichi, Renato

Carvalho, Alex de Sousa, Murilo Morales, Rafael Yamashiro, Renata Sesaki, Fabio

Cabral, Priscila Luque, Alessandra Greiner, Mariana Pollini, Ragner Vianna, Carina

Andrade, Milena Pardini, Roberta Tosin, entre outros queridos (as).

Não poderia deixar de agradecer, aos meus amigos e colegas de trabalho na

TAM Linhas Aéreas, assim como aos demais que participaram mesmo que minimante

da minha história neste projeto.

vi

“Somos no mundo, estamos no mundo, mas nosso acesso sensível ao mundo é sempre como que vedado por uma crosta sígnica que, embora nos forneça os meios de compreender, transformar, programar o mundo, ao mesmo tempo usurpa de nós uma existência direta, imediata, palpável, corpo a corpo e sensual com o sensível.”

Maria Lúcia Santaella Braga

vii

RESUMO

Atualmente existe uma vasta gama de aplicações na área da Inteligência

Artificial, porém os progressos caminham a passos curtos no que diz respeito ao

desenvolvimento de uma inteligência artificial forte. Esta dissertação busca elucidar

a multidisciplinaridade das ciências cognitivas, à qual os estudos da inteligência

artificial estão atrelados, por meio da apresentação sucinta, porém panorâmica, do

histórico de cada especialidade ou área: neurociência cognitiva, filosofia da mente,

psicologia cognitiva, a própria inteligência artificial, entre outras. Visa também

levantar os principais questionamentos e entraves existentes nas pesquisas atuais.

Focado nos objetivos das ciências cognitivas, o esforço maior deste projeto é deixar

explícito o estado da arte da inteligência artificial e seu propósito de

desenvolvimento de uma inteligência artificial forte. Portanto esta dissertação

contempla a bibliografia evolutiva dos conceitos implicados, assim como o papel das

diversas disciplinas envolvidas nos desenvolvimentos atuais da inteligência artificial

forte. Será também destacada a grande contribuição que está sendo dada às ciências

cognitivas com o estudo da semiótica cognitiva. Por mais que a área esteja

evoluindo, nota-se a necessidade de uma nova doutrina para a questão de se

desenvolver um “ser artificial”, de modo que questões algorítmicas, novos arranjos

arquitetônicos de máquina e interpretações dos signos / símbolos poderiam ser úteis

para atingir esse objetivo.

Palavras-chave: ciências cognitivas, cognição, inteligência artificial, inteligência

artificial forte.

viii

ABSTRACT

Currently there is a wide range of applications in Artificial Intelligence, but

progress goes in short steps regarding the development of a strong artificial

intelligence. This thesis aims to elucidate the multidisciplinary character of cognitive

science to which the studies of artificial intelligence are linked. The objective is to

describe succinctly, but panoramically, the history of each area such as cognitive

neuroscience, philosophy of mind, cognitive psychology, artificial intelligence,

among others) as well as to describe the main questions and barriers of actual

researches. The major effort of this project is to make explicit the state of the art of

artificial intelligence focusing on the goals of cognitive science towards strong

artificial intelligence. Therefore, this dissertation includes a bibliography of

evolutionary concepts, and the role of the various disciplines involved in current

developments of strong artificial intelligence. It will also highlight the great

contribution that is being given in cognitive sciences to the study of cognitive

semiotics. As much as the area is evolving, it is noted the need for a new doctrine to

develop an "artificial being". Algorithmic issues, new architectural arrangements of

machine and interpretations of signs / symbols could be useful to achieve this goal.

Keywords: cognitive sciences, cognition, artificial intelligence, strong artificial intelligence.

ix

SUMÁRIO

INTRODUÇÃO .......................................................................................................... 1�1. Questões da pesquisa............................................................................................ 2�

2. Objetivos .............................................................................................................. 5�

3. Estrutura da dissertação........................................................................................ 6�

CAPÍTULO I: DEFININDO CIÊNCIAS COGNITIVAS ..................................... 8�1. Áreas de Estudos nas Ciências Cognitivas ......................................................... 15�

1.1 Filosofia da Mente ...................................................................................... 16�

1.2 Psicologia Cognitiva ................................................................................... 32�

1.3 Neurociência Cognitiva .............................................................................. 47�

2 Alguns conceitos das Ciências Cognitivas ......................................................... 57�

CAPÍTULO II: Inteligência Artificial .................................................................... 63�1. Histórico e Evoluções ........................................................................................ 66�

1.1 Teste de Turing ........................................................................................... 68�

1.2 Projeto de Dartmouth ................................................................................ 71�

1.3 Inteligência Artificial e “Golden Years” ................................................... 72�

1.4 Primeira decepção “First AI Winter” ....................................................... 76�

1.5 O Quarto Chinês ........................................................................................ 79�

1.6 A retomada dos investimentos nos estudos .............................................. 84�

1.7 A Segunda parada “Second AI Winter” ................................................... 88�

1.8 Atualidades na Inteligência Artificial ...................................................... 91�

2 Desafios na Artificialização ................................................................................ 96�

CONSIDERAÇÕES FINAIS ................................................................................ 101�1.Hipóteses para Futuras Pesquisas ..................................................................... 104�

x

LISTA DE FIGURAS

Figura 1 Modelo interdisciplinar ciências cognitivas de George Miller ...................... 9�

Figura 2 Modelo em percepção de De-La-Torre e Hayward ..................................... 60�

Figura 3 Modelo conceitual do Teste de Turing ........................................................ 68�

Figura 4 Representação de uma Rede Neural ............................................................ 75�

Figura 5 Representação da Teoria do Quarto Chinês................................................. 80�

Figura 6 Representação da Lei de Moore em Desempenho de Processador.............. 92�

1

INTRODUÇÃO

Desde muito tempo existe a ambição em artificializar a mente humana por

completo, tendo hoje inclusive uma área de estudo dedicada para tal. A área da

inteligência artificial tem como objetivo e ambição desenvolver cada vez mais

máquinas inteligentes, porém para o desenvolvimento deste objeto de pesquisa serão

necessárias conceituações de alguns termos fundamentais, seus históricos e suas

evoluções.

Nos dias atuais, o mundo encontra-se repleto de dispositivos chamados

inteligentes. Os estudos na área de inteligência artificial já passam de meio século e

podem ser observados nessa absorção tecnológica global atual. Contudo, apesar de

tal progresso, sempre persistem alguns questionamentos essenciais com relação à

área. A área de estudos em inteligência artificial pertence às ciências cognitivas.

As ciências cognitivas são os estudos interdisciplinares da mente e da

inteligência, englobando a filosofia, a psicologia, a neurologia, a inteligência

artificial, assim como outras áreas. Seria um tanto utópico conseguir resultados

expressivos em inteligência artificial ignorando esta nova ciência da cognição.

Atualmente, analisando a história das áreas envolvidas, tem-se uma noção da

evolução dos conceitos e paradigmas da área.

2

1. QUESTÕES DA PESQUISA

Uma pesquisa no campo das ciências cognitivas pode ser muito esclarecedora,

porém ao mesmo tempo muito complexa e por vezes conflitante. Apesar das ciências

cognitivas terem uma fundação recente, seus questionamentos são de datas e épocas

muitas vezes remotas.

O conceito de cognição vem da antiga Grécia, com origem nos manuscritos

Platônicos e Aristotélicos. Cognição significa ato ou processo de conhecer, que

envolve atenção, percepção, memória, raciocínio, juízo, imaginação, pensamento e

linguagem. Mas a cognição é mais do que simplesmente a aquisição de

conhecimento e, conseqüentemente, a nossa melhor adaptação ao meio, mas é

também um mecanismo de conversão do que é captado para o nosso modo de ser

interno. Ela é um processo pelo qual o ser humano interage com os seus semelhantes

e com o meio em que vive, sem perder a sua identidade existencial. Ela começa com

a captação dos sentidos e, logo em seguida, ocorre a percepção. Portanto, é um

processo de conhecimento que tem como material a informação do meio em que

vivemos e o que já está registrado na nossa memória (Nöth, 2011).

Para se ter a profundidade das questões das ciências cognitivas, um dos primeiros

questionamentos da área, antes mesmo de ser fundada, foram os embates entre

dualismo e monismo que fomentavam as teorias e suposições dos filósofos da mente

e que até os dias atuais são merecedores de discussões. No dualismo, mente é

contrastada com o corpo, mas em tempos distintos, os aspectos diferentes da mente

foram o centro das atenções (Howard, 2009).

3

O dualismo foi se derivando com o tempo de uma porção de suposições e teorias,

assim também ocorreu com o monismo. As fundamentações basicamente criaram

toda uma seqüência nas idéias filosóficas, até surgirem questões particulares da

mente que seriam tratadas e desenvolvidas por outras especialidades científicas,

como a psicologia cognitiva, a neurociência cognitiva e a inteligência artificial.

A psicologia cognitiva tem o desafio de explorar os processos mentais, os quais

são processadores ativos das informações. Partindo do behaviorismo, a psicologia

cognitiva evoluiu e se ramificou em várias teorias com base em outras especialidades

relacionadas. Foi o caso da Teoria da Informação (Shannon, 1948), que criou em

outra área de atuação uma possibilidade de estudo na psicologia cognitiva.

Desde então, teve início um emaranhado de campos de estudo relacionados para

o desenvolvimento e tentativa de compreensão de como funciona a mente. Dentre os

principais estudos na psicologia cognitiva está o processamento da informação, que

utilizava modelos computacionais para simulações. A evolução deste levou à teoria

do conexionismo na qual definitivamente a área se aliava com a inteligência

artificial.

Apesar de todos os esforços, a psicologia cognitiva precisava de mais detalhes de

funcionamento das conexões cerebrais, buscando então essas respostas nas

neurociências cognitivas.

A Neurociência cognitiva cuida de pesquisar sobre os mecanismos biológicos

ligados à cognição. Com fundação recente e teorias também de épocas remotas, as

4

primeiras observações e experiências foram infinitamente simples se comparadas às

pesquisas atuais da área.

No principio de sua história suspeitava-se do formato da cabeça como diferencial

para o comportamento humano. Realizaram-se também alguns experimentos de

estimulações elétricas, até que se conseguiu dividir o cérebro humano. Na sequência

os esforços foram direcionados para a estrutura do neurônio, estimulando assim o

desenvolvimento de ferramentas que substanciassem as pesquisas. Foram criados

então os aparelhos de imagens cerebrais: fMRI, EEG, MEG, PET e SPECT.

A questão da multidisciplinaridade nas ciências cognitivas faz com que os

assuntos sejam tratados de maneiras diferentes por cada especialidade, o que provoca

pontos de vista distintos. O ideal nesse tipo de desafio seria ter o conhecimento sobre

o tratamento dado por cada área.

As questões relacionadas à inteligência artificial também ficam dependentes dos

assuntos tratados nas especialidades diversas da ciência cognitiva, o que torna a

complexidade do campo cada vez maior devido às especialidade se desenvolverem

em paralelo e sem sincronismo entre as mesmas. Soma-se a isso o fato de que o

desenvolvimento da própria área como fomentador em vários projetos e análises

acadêmicas e de mercado.

5

2. OBJETIVOS

A Inteligência Artificial Forte possui diversos tipos de abordagens, porém sempre

associada à inteligência humana ou superior a tal. A problemática atual em

inteligência artificial gira em torno justamente do desafio de se desenvolver essa

inteligência artificial forte, ou seja, desenvolver artificialmente fatores relacionados à

criação de uma mente artificial. Para apresentar o estado da arte de tal problemática,

serão desenvolvidos capítulos explanatórios sobre as disciplinas fundamentalmente

ligadas a esse campo.

As ciências cognitivas mesclam muitas disciplinas para estudos e supostas

integrações, assim a inteligência artificial faz parte de seus desenvolvimentos, tendo

como foco a simulação de processos buscando provas de validações das suposições e

teorias dos pesquisadores em ciências cognitivas.

Esta dissertação tem como objetivo fundamental, portanto, a pesquisa do estado

da arte e dos conceitos relevantes, envolvidos nos estudo das ciências cognitivas e

inteligência artificial, buscando assim montar uma base preparatória para qualquer

estudo ou desenvolvimento posterior focado na inteligência artificial forte e/ou

similares. Os temas explorados possuem ligações diretas filosóficas a serem

apresentadas por meio de hipóteses ou interpretações sugestivas, estimulando a

análise, as considerações e conclusões acerca desse objeto de estudo.

6

3. ESTRUTURA DA DISSERTAÇÃO

Para cumprir com a proposta deste projeto, a dissertação se inicia traçando, na

introdução, um olhar geral sobre o tema e descrevendo o cenário do desafio em que

as ciências cognitivas e inteligência artificial estão inseridas. A divisão dos capítulos

foi definida da seguinte forma:

Capítulo I: apresenta a definição e os conceitos das ciências cognitivas, com

ênfase na sua multidisciplinaridade. Continua com um breve histórico sobre a área de

pesquisa e seus principais pesquisadores. O capítulo será desenvolvido por meio da

definição de três áreas de especialização das ciências cognitivas, são elas: a filosofia

da mente, a psicologia cognitiva e a neurociência cognitiva. Essas especialidades

serão igualmente exploradas neste capítulo, com relação a seus conceitos gerais,

histórias e evoluções. Também serão abordadas de modo breve as tendências dos

desenvolvimentos das ciências cognitivas, nas quais aparecem as análises simbólicas

e de linguagem da mente, sempre em conexão com a filosofia, psicologia, neurologia

e inteligência artificial.

Capítulo II: apresenta a definição de inteligência artificial, conceituando sua

fundação, história e evoluções. O capítulo será dividido de acordo com a cronologia

dos principais eventos que ocorreram nas respectivas épocas, como: teste de Turing,

o projeto de Dartmouth, inteligência artificial e “Golden Years”, a primeira decepção

“First AI winter”, o quarto chinês, a retomada dos investimentos nos estudos, a

segunda parada “Second AI winter” e atualidades na inteligência artificial. Todas as

divisões do capítulo terão uma visão distinta da área e retratarão as principais

7

tecnologias descobertas e as teorias solidificadas. Nesse capítulo ainda serão

apresentados os desafios atuais para artificializar a mente.

Com isso concluído, serão então apresentadas as considerações finais da

dissertação como um todo.

8

CAPÍTULO I: DEFININDO CIÊNCIAS COGNITIVAS

Este capítulo apresentará a definição e o histórico amplamente aceitos no

campo das ciências cognitivas, de forma a situar o tema Inteligência Artificial que

será discutido no próximo capítulo desta pesquisa. Assim serão retratados os temas

mais relevantes das ciências cognitivas. Estas demonstram ser extremamente vastas e

extensas na sua multidisciplinaridade.

... realizar uma descrição completa do desenvolvimento das ciências

cognitivas constituiria hoje uma tarefa monumental, pois é estarrecedora

a quantidade de literatura sobre o assunto de que dispõe.

(SANTAELLA, 2004, p. 73)

A ciência cognitiva é o estudo científico interdisciplinar que tem como foco

pesquisar como a informação sobre tais faculdades como percepção, linguagem /

símbolos, raciocínio, pensamento, cognição e emoção, está representada e traduzida

para um sistema natural animal, humano ou mesmo visando artificializar a mesma

(computadores ou máquinas). Ela consiste no estudo de múltiplas disciplinas,

abrangendo: a psicologia, inteligência artificial, filosofia, neurociência, a

aprendizagem das ciências, a lingüística / semiótica, antropologia, sociologia e

educação. Um dos eixos centrais da ciência cognitiva é buscar uma compreensão

completa da mente / cérebro e seus processos cognitivos, pois se acredita que estes

não podem ser alcançados através do estudo apenas em um único nível ou disciplina.

Tanto a inteligência natural nos seres humanos e inteligência artificial em

computadores são temas centrais exploradas por estudiosos na área.

9

FIGURA 1

MODELO INTERDISCIPLINAR CIÊNCIAS COGNITIVAS DE GEORGE MILLER

FONTE: TRENDS in Cognitive Sciences Vol.7 No.3 March, 2003a, p.143

A ciência cognitiva envolve aspectos complexos da cognição, modelos

computacionais de processos de pensamento, representação do conhecimento e do

comportamento emergente de interação entre sistemas de grande escala. No nível

mais básico, a ciência cognitiva busca uma melhor compreensão da mente, os

processos e ferramentas de ensino e aprendizagem, das habilidades mentais e do

desenvolvimento de dispositivos inteligentes que possam ampliar as capacidades

humanas de maneira construtiva.

Uma vez que a palavra cognição se refere a perceber e conhecer,

basicamente, os cognitivistas vêem a mente como um sistema que recebe,

arquiva, recupera, transforma, transmite e comunica informação. Eles

estão interessados nos aspectos universais dos processos de informação,

buscando descobrir princípios fundamentais altamente gerais e

explanatórios do processo de informação. (SANTAELLA, 2001, p. 62)

10

Estipula-se que as tentativas de entender a mente e o seu funcionamento

tiveram inicio na Grécia antiga, quando filósofos como Platão e Aristóteles tentaram

explicar a natureza do conhecimento humano. Certamente devem ser considerados

importantes autores no decorrer dos anos, os quais se aventuraram e deram grande

contribuição para o estudo da natureza do conhecimento, como: René Descartes,

Immanuel Kant, Nicolas Malebranche, Leibniz e John Locke. Embora esses

primeiros escritores muito tenham contribuído para a descoberta filosófica da mente,

isso acabaria por levar evolutivamente ao desenvolvimento da psicologia, área que

trabalha com um conjunto completamente diferente de ferramentas e conceitos

fundamentais.

Assim, o estudo da mente permaneceu na província de filosofia até o século

XIX, quando encontrou sua expansão na psicologia experimental. Iniciaram-se então

métodos laboratoriais para o estudo de operações mentais de forma mais sistemática.

Foi criado assim por Wilhelm Maximilian Wundt o primeiro laboratório

experimental de psicologia na Universidade de Leipzig.

Dentro de algumas décadas, no entanto, a psicologia experimental foi

dominada pelo behaviorismo, que designa o comportamento como objeto mais

adequado de estudo da psicologia, usualmente definido por unidades analíticas a

respostas de estímulos. Segundo os behavioristas, a psicologia deveria se restringir a

examinar a relação entre estímulos observáveis e respostas comportamentais

observáveis. Falar de consciência e de representações mentais no contexto

behaviorista foi banido das discussões científicas respeitáveis da época.

11

Especialmente na América do Norte, o behaviorismo dominava o cenário psicológico

especialmente na década de 1950.

The history of psychology is informative. It began, 100 years ago, with an

introspective search for mind. Watson attacked introspection in his

behaviorist manifesto of 1913, and for that or other reasons introspection

was essentially abandoned. Behaviorists turned to the study of behavior

for its own sake, and nonbehavioristic psychologists turned to the

behavior of teachers, students, therapists, clients, children growing older

year by year, people in groups, and so on. (SKINNER, 1990, p.1209)

Por volta de 1956, o cenário intelectual começou a mudar dramaticamente.

George Armitage Miller constatou em sua obra The Magical Number Seven, Plus or

Minus Two (1956) que a capacidade do pensamento humano tem limites, com

memória de curto prazo, por exemplo, limitada a cerca de sete itens com tolerância

de dois para mais ou para menos. Foi proposto que as limitações de memória

poderiam ser superadas por recodificar a informação em blocos, as representações

mentais que necessitam de procedimentos mentais para codificação e decodificação

das informações.

First, the span of absolute judgment and the span of immediate memory

impose severe limitations on the amount of information that we are able

to receive, process, and remember. By organizing the stimulus input

simultaneously into several dimensions and successively into a sequence

or chunks, we manage to break (or at least stretch) this informational

bottleneck. (MILLER, 1955, p. 351)

A ciência cognitiva tenta unificar idéias teóricas, porém observa-se uma

diversidade de perspectivas e métodos que os pesquisadores em diferentes áreas

12

trazem para o estudo da mente e da inteligência. Embora os psicólogos cognitivos

hoje freqüentemente se engajem na teorização e modelagem computacional, o seu

método principal é a experimentação com seres humanos. Para que as pessoas,

geralmente estudantes, satisfaçam os requisitos desses estudos, são trazidos para o

laboratório, para o estudo de diferentes tipos de pensamento sob condições

controladas. Por exemplo, os psicólogos têm experimentalmente examinado os tipos

de erros que as pessoas fazem no raciocínio dedutivo, as maneiras como as pessoas

fazem e aplicam conceitos, a velocidade das pessoas que pensam com imagens

mentais, e o desempenho das pessoas resolverem problemas usando analogias. As

conclusões sobre como funciona a mente deve ser baseada em mais do que apenas o

"senso comum" e a introspecção, uma vez que estes podem dar uma imagem

enganosa de operações mentais, muitas das quais não estão acessíveis

conscientemente. Experimentos psicológicos que cuidadosamente abordam

operações mentais a partir de diversas direções são cruciais para que a ciência

cognitiva seja científica.

Embora a teoria sem experiência seja vazia, experiência sem teoria é cega.

Para abordar questões cruciais sobre a natureza da mente, os experimentos

psicológicos precisam ser interpretáveis dentro de um referencial teórico que postula

representações mentais e procedimentos. Como já mencionado, uma das melhores

formas de desenvolver quadros teóricos é formar e testar modelos computacionais

destinados a serem análogos às operações mentais. Para complementar as

experiências psicológicas sobre o raciocínio dedutivo, formação de conceitos,

imagens mentais e resolver problemas analógicos, os pesquisadores desenvolvem

modelos computacionais que simulam aspectos do desempenho humano.

13

Portanto, projetar, construir e experimentar modelos computacionais é o

método central de inteligência artificial (IA), o ramo da ciência da computação

preocupada com sistemas inteligentes. Idealmente, a ciência cognitiva, modelos

computacionais e de experimentação psicológica caminham lado a lado, mas

importantes trabalhos no campo da inteligência artificial (IA) analisaram o poder de

diferentes abordagens de representação do conhecimento em relativo isolamento da

psicologia experimental.

Nesse mesmo momento cronológico, os computadores primitivos começaram

a existir em torno de apenas alguns anos, mas pioneiros tais como John McCarthy,

Marvin Minsky, Newell de Allen, e Herbert Simon estavam fundando o campo da

inteligência artificial. Suas origens intelectuais estão em meados dos anos 1950,

quando os pesquisadores em vários campos começaram a desenvolver teorias de

mente baseados em representações complexas e procedimentos computacionais.

It seems to me that the ingredients of most theories both in Artificial

Intelligence and in Psychology have been on the whole too minute, local,

and unstructured to account–either practically or phenomenologically–

for the effectiveness of common-sense thought. The "chunks" of

reasoning, language, memory, and "perception" ought to be larger and

more structured; their factual and procedural contents must be more

intimately connected in order to explain the apparent power and speed of

mental activities. (MINSKY, 1974, p. 1)

A hipótese central da ciência cognitiva é que o pensamento pode ser mais

bem compreendido em termos de estruturas representacionais da mente e

procedimentos computacionais que operam estas estruturas. Embora haja muitas

14

divergências sobre a natureza das representações e computações que constituem o

pensamento, a hipótese central é suficientemente geral para englobar a gama de

correntes de pensamento na ciência cognitiva. A maioria dos trabalhos em ciência

cognitiva assume que a mente tem representações mentais similares às estruturas de

dados de computador e procedimentos computacionais semelhantes a algoritmos

computacionais. Os teóricos da cognição têm proposto que a mente contém como

representações mentais proposições lógicas, regras, conceitos, imagens e analogias, e

que usa processos mentais, tais como a dedução, pesquisa, seleção, rotação e

recuperação.

Após esta pequena introdução e definição de ciências cognitivas, serão

aprofundadas a seguir questões pontuais assim como os principais desenvolvimentos

e paradigmas no estudo da mente relevante no campo de inteligência artificial.

Dentro das áreas de atuação, existem especialidades de grande destaque que

aprofundam os desenvolvimentos das ciências cognitivas. Estas são: filosofia da

mente, psicologia cognitiva, neurociências cognitiva e será destacado um capítulo

apenas para a inteligência artificial.

15

1. ÁREAS DE ESTUDOS NAS CIÊNCIAS COGNITIVAS

Conforme destacado acima, serão apresentadas as especialidades nas quais as

ciências cognitivas se dividem. Não necessariamente essa divisão se dedica apenas à

área “mater” de atuação, ou seja, na maioria das vezes, as áreas misturam-se para

fundamentar o estudo de seu objeto. Serão destacados neste capítulo os aspectos

conceituais e históricos das especialidades fundamentais das ciências cognitivas em

suas próprias projeções.

16

1.1 Filosofia da Mente

Pode ser considerada como base da ciência cognitiva a filosofia. O campo da

filosofia é vasto, muito abrangente e bem antigo. Devido a desafios e estudos

filosóficos milenares sobre a mente humana, foi criada uma divisão da filosofia para

estudar e analisar tal objeto, a mente humana. Essa divisão foi batizada de filosofia da

mente. Esta, apesar de ser fundada por volta de 1949, envolve estudos metafísicos

sobre o modo de ser da mente, sobre a natureza dos estados mentais e sobre a

consciência. Envolve estudos epistemológicos sobre o modo como a mente conhece a

si mesma e sobre a relação entre os estados mentais e os estados de coisas que os

mesmos representam (intencionalidade), incluindo estudos sobre a percepção e outros

modos de aquisição de informação, como a memória, o testemunho e a introspecção.

Os filósofos da mente sempre tiveram por objetivo esclarecer questões

fundamentais, tais como: O que distingue a mente de outros objetos que

estão no universo? Qual a natureza do pensamento? Será o pensamento

algo imortal e eterno? Serão mente e cérebro uma só e mesma coisa?

Será distinção entre espírito e matéria apenas uma ilusão produzida pela

nossa linguagem ou pela nossa cultura? (TEIXEIRA, 1994, p.3)

Basicamente os questionamentos sobre a mente se iniciaram de uma forma

bem distinta, conceituando a questão mente-corpo. Com a obra de Platão chamada

Fédon, começou a ser caracterizado algo no ser além do corpo. Em Fédon, Platão

apresentou uma variedade de argumentos a favor da imortalidade da alma, mas o que

foi realmente relevante é que o intelecto era considerado irrelevante, porque as

formas seriam imateriais e a inteligência deveria ter uma afinidade com as formas

que apreende. Esta afinidade seria tão forte que a alma se esforçaria para deixar o

17

corpo em que estaria presa e habitaria o reino das formas. Poderia levar muitas

reencarnações antes que isso fosse alcançado, portanto o dualismo de Platão não é

simplesmente uma doutrina da filosofia da mente, mas sim, seria parte integrante de

toda a sua metafísica.

Um problema com o dualismo de Platão era que, embora ele falasse da alma

aprisionada no corpo, não há relato claro de como uma alma estaria ligada

especialmente em um determinado corpo. Aristóteles não acreditava nas formas

platônicas existindo independentemente de suas instâncias, as formas aristotélicas

seriam as naturezas e propriedades das coisas e existiriam encarnadas nas coisas.

Essa teoria permitiu que Aristóteles, para explicar a união de corpo e alma, dissesse

que a alma é a forma do corpo. Isto significaria que a alma de uma pessoa em

particular não seria mais do que sua natureza como um ser humano. Porque isso

pareceria fazer a alma ser uma propriedade do corpo, levou muito tempo para

interpretarem essa sua teoria como materialista. A interpretação da filosofia do

espírito de Aristóteles permanece em discussão até os dias atuais, tal como

acontecera imediatamente após a sua morte. No entanto, Aristóteles acreditava que o

intelecto, embora fosse parte da alma, seria diferente de outras faculdades por não ser

representada sua origem em um órgão do corpo humano.

Segundo Teixeira (1994), foi Descartes (1596-1960) que, pela primeira vez,

formulou explicitamente a necessidade de se distinguir entre mente e corpo. Claro

que outros filósofos, desde a antiguidade, já haviam refletido sobre a natureza da

alma (ou da mente) e apontando para aquilo que julgavam ser algumas de suas

características especiais, como, por exemplo, a imaterialidade e a imortalidade. Mas

18

a filosofia de Descartes (o cartesianismo) serviu para reacender um debate que

atravessa todo o pensamento moderno: a polêmica entre o monismo e o dualismo.

Para o dualismo (Teixeira, 1994) sugere que se sustente a existência de duas

substâncias do universo e uma diferença fundamental e irreconciliável entre elas.

Nunca poderíamos supor que a mente e cérebro fossem a mesma coisa. A versão

mais conhecida do dualismo é chamada de espiritualismo.

Let us pause briefly and take stock. Descartes holds that the world

consists of two kinds of substance: material substances and mental

substances. Material substances are extended and unthinking; mental

substances think, but are unextended. Each mental substance bears an

especially intimate relation to some particular material substance.

(HEIL, 1998, p. 21)

O dualismo de Descartes ficou conhecido como dualismo de substância ou

cartesiano, pois o mesmo afirma que existem dois tipos fundamentais de substancia:

a mental e a material, onde a mental não tem extensão no espaço, e a material não

pode pensar.

Existe também o chamado dualismo ontológico o qual assume compromissos

sobre a natureza dual da existência de como se relaciona a mente com o corpo /

matéria, e pode ser dividido em dois tipos além do dualismo de substância ou

cartesiano: (a) dualismo de propriedade que sugere que a distinção ontológica reside

nas diferenças entre as propriedades da mente e matéria. (b) Dualismo predicado que

afirma a irredutibilidade dos predicados mentais aos predicados físicos.

19

Além dos tipos de dualismo também foram criadas algumas variações com

relação ao tema, como o interacionismo, o epifenomenalismo e o paralelismo

(Howard, 2009).

O interacionismo seria a visão de que a mente e o corpo causalmente se

influenciam mutuamente. Isso é uma das nossas crenças de senso comum, por ser

uma característica similar à experiência cotidiana. O mundo físico influencia a minha

experiência através dos meus sentidos, e eu muitas vezes reajo comportamentalmente

a essas experiências. Meu pensamento, também, influencia o meu discurso e minhas

ações, portanto há um prejuízo enorme natural em favor da interação.

O princípio de epifenomenalismo retrata a realidade do dualismo de

propriedade que não pode ser negada, mas o problema de como o não material

afetaria o material deve ser evitado. Segundo esta teoria, os eventos mentais são

causados por eventos físicos, mas não têm influência causal sobre o físico. De fato, é,

na melhor das hipóteses, uma solução incompleta para o problema, pois é misteriosa,

como o não-físico pode influenciar o desenvolvimento físico? É igualmente

misterioso como o físico pode produzir algo não-físico. Mas como este último ocorre

é uma reivindicação essencial do epifenomenalismo. Na verdade, o

epifenomenalismo é mais eficaz como forma de salvar a autonomia da física (o

mundo "fechado sob a física") do que como uma contribuição para evitar a

necessidade da física.

20

O paralelismo preserva intactos o físico e o mental, mas nega toda a interação

causal entre eles, sugere que eles devam se comportar como se a interação parecesse

ser uma coincidência estranha. É por isso que o paralelismo tendeu a ser adotado

apenas por aqueles que acreditam em uma harmonia pré-estabelecida por um Deus.

A progressão do pensamento pode ser visto como se segue. Descartes acreditava em

uma forma mais ou menos natural de interação entre a mente imaterial e o corpo

material. Malebranche pensou que isso era impossível, naturalmente, e assim exigia

que Deus interviesse especificamente para cada ocasião em que a interação era

necessária. Leibniz entendeu que Deus pode muito bem definir as coisas para que

elas sempre se comportassem como se estivessem interagindo, sem a intervenção do

particular que está sendo exigido (Howard, 2009).

A proponent of parallelism accepts Descartes’s bifurcation of the world

into extended material substances and unextended mental substances.

Parallelists deny, however, that mental and material substances interact

causally. This appears to fly in the face of ordinary experience. It surely

seems that goings-on in your mind affect your body, and through it, affect

the material world beyond your body. It seems no less clear that events

and objects in the world have an impact on your mind by way of their

effects on your body. (HEIL, 1998, p. 27)

De certa forma existe uma enorme ramificação e evolução da questão sobre o

dualismo, da mesma forma que existe uma contínua evolução do conceito do

monismo. O monismo, por sua vez, é a tese que sustenta que só existe um tipo de

substância no universo, seja ela material ou espiritual. A versão mais freqüente do

monismo é o materialismo, ou seja, a teoria de que não existe nada além da matéria e

suas possíveis manifestações no universo. De acordo com essa visão, fenômenos

21

mentais são idênticos aos fenômenos físicos, pois mente e cérebro são a mesma

coisa.

For if we find dualism unsatisfactory, there is another way to answer the

question of psychophysical causation: we can say that mental states have

effects in the physical world precisely because they are, contrary to

appearances, physical states. This is a “monist” view, since it holds that

there is “one” kind of substance, physical or material substance.

Therefore it is known as ‘physicalism’ or ‘materialism’.

(CRANE, 1999)

O monismo tem como conceito que o corpo e a mente não são

ontologicamente distintos tipos de entidades. Os seguidores da física alegam que só

as entidades postuladas pelas teorias da física existem e que a mente irá

eventualmente ser explicada em termos dessas entidades, com a evolução contínua

da teoria física. Os idealistas sustentam que a mente é tudo que existe e que o mundo

externo também seria mental em si, ou uma ilusão criada pela mente. Os chamados

monistas neutros aderem à posição de que há alguma outra substância neutra, e que

tanto a matéria quanto a mente são propriedades dessa substância desconhecida. O

monismo tornou-se mais comum nos séculos 20 e 21 e foi a variação do fisicalismo,

tornando-se ponto de partida e evolutiva para algumas visões filosóficas posteriores

como: o behaviorismo, teoria da identidade de tipo, monismo anômalo e

funcionalismo.

Na filosofia indiana e chinesa, o monismo era parte integrante de como a

experiência é compreendida. Hoje, as formas mais comuns do monismo na filosofia

ocidental são fisicalistas. Outra possibilidade seria aceitar a existência de uma

22

substância básica que não é nem física nem mental, o físico e mental seriam então

propriedades dessa substância neutra. Tal posição foi popularizada por Ernst Mach

(1886).

This tendency must appear to us as not altogether appropriate, when we

reflect that physics, despite its considerable development, nevertheless

constitutes but a portion of a larger collective body of knowledge, and

that it is unable, with its limited intellectual implements, created for

limited and special purposes, to exhaust all the subject-matter in

question. (MACH, 1886, p. 1)

O Behaviorismo dominou a filosofia da mente de grande parte do século 20,

especialmente a primeira metade. Na psicologia, o behaviorismo foi desenvolvido

como uma reação às inadequações do introspeccionismo. Relatórios introspectivos

sobre a vida interior própria mental não estão sujeitos a cuidadoso exame de precisão

e não podem ser usados para formar generalizações preditivas. Sem generalização e

com a possibilidade do exame de terceira pessoa, os behavioristas argumentaram que

a psicologia não poderia ser científica. (Stoljar, 2009). A saída, portanto, era

eliminar a idéia de uma vida interior mental, portanto, em vez de uma mente

ontologicamente independente, o foco seria a descrição do comportamento

observável.

Paralelamente a estes desenvolvimentos em psicologia, o behaviorismo

filosófico, chamado behaviorismo lógico se desenvolvia. Para os behavioristas,

estados mentais não são estados interiores dos quais se podem fazer relatórios

introspectivos. Eles são apenas descrições de comportamentos ou disposições para se

23

comportar de certas maneiras, feitas por terceiros para explicar e prever o

comportamento dos outros.

O behaviorismo filosófico caiu em desuso desde a segunda metade do século

20, coincidindo com a ascensão das ciências cognitivas. Os cognitivistas rejeitavam o

behaviorismo devido a vários problemas percebidos, um exemplo seria o

behaviorismo ser considerado um contra-senso quando se alega que alguém pode

falar sobre o comportamento no caso de uma pessoa estar sentindo uma dor de

cabeça.

In the case of cognitive concepts like "knowing," "believing,"

"understanding," "remembering," and volitional concepts like "wanting"

and "intending," there can be little doubt, I think, that an analysis in

terms of dispositions to behave is fundamentally sound.

(PLACE, 1956, p. 44)

A teoria da identidade da mente --também conhecida como fisicalismo de

tipo, materialismo redutivo, teoria da identidade de tipo, teoria da identidade mente-

cerebro e teoria da identidade da mente -- sustenta que os estados e processos da

mente são idênticos aos estados e processos do cérebro. Estritamente falando, não é

necessário considerar que a mente é idêntica ao cérebro. Identificar mente e cérebro

como sendo uma questão de processos de identificação complementam o escopo da

teoria. Como exemplo, considere uma experiência de dor, ou de algo que se vê, ou de

se ter uma imagem mental. A teoria da identidade da mente diz que estas

experiências são apenas processos cerebrais e não apenas relacionadas com

processos cerebrais. Alguns filósofos afirmam que, embora as experiências sejam

24

processos cerebrais, no entanto, elas têm propriedades fundamentalmente não-físicas,

psíquicas e às vezes chamadas de "qualia". Alguns teóricos dão uma análise

behaviorista de estados mentais, como crenças e desejos, mas outros, às vezes

chamados de "materialistas de estado central", afirmam que os estados mentais são

estados do cérebro real (Smart, 2007).

De acordo com as teorias da identidade simbólica (Smart, 2007), o fato de um

determinado estado cerebral está associado com apenas um estado mental de uma

pessoa não tem de significar que existe uma correlação absoluta entre os tipos de

estados mentais e os tipos de estados cerebrais. A distinção do tipo token pode ser

ilustrada com um exemplo simples: a palavra "verde" contém quatro tipos de letras

(v, e, r, d), com duas ocorrências da sílaba “e” junto com cada uma das outras. A

idéia de identidade token é que apenas ocorrências particulares de eventos mentais

são idênticas à ocorrência particular ou tokenings de eventos físicos. O monismo

anômalo e a maioria dos outros fisicalismos não reducionistas são as teorias da

identidade de token.

O monismo anômalo é uma teoria da relação entre eventos mentais e

propriedades físicas. Ele sustenta que todos os eventos mentais que interagem

causalmente são idênticos a algum acontecimento físico (nomeando eventos mentais

como tokens) que são os mesmos acontecimentos como eventos físicos particulares.

Mas também se afirma que não pode haver leis rigorosas sobre a base de que

qualquer tipo de evento mental pode prever e/ou explicar, portanto as propriedades

mentais não podem ser reduzidas a propriedades físicas.

25

De acordo com o monismo anômalo, a causa do porque não poder haver tais

leis rígidas de que os eventos mentais interagem causalmente, deve ser idêntico a

algum acontecimento físico. A teoria da identidade da mente tinha considerado que

as reclamações relativas à identidade de determinados eventos mentais e físicos

dependia da descoberta de relações de caráter legal entre as propriedades físicas e

mentais. A evidência empírica de tais leis foi, assim, necessária para as

reivindicações de identidade particular. A posição desta teoria é bastante diferente,

ela não exige nenhuma evidência empírica e depende da existência de quaisquer

relações de caráter legal. (Yalowitz, 2008).

O funcionalismo foi formulado como uma reação às insuficiências da teoria

da identidade, baseando-se em estados mentais em termos de uma teoria empírica

computacional da mente. Sua doutrina diz que algo em um estado mental de um tipo

particular não dependente de sua constituição interna, mas sim da forma como ele

funciona, ou do papel que desempenha, no sistema do qual ele é uma peça. Esta

doutrina está enraizada na concepção de Aristóteles sobre a alma, e tem antecedentes

na concepção de Hobbes da mente como uma "máquina de calcular", mas tornou-se

completamente articulada apenas no último terço do século 20. O termo

funcionalismo é usado como uma tese filosófica sobre a natureza dos estados mentais

(Levin, 2010).

Some philosophers maintain that both ‘pain is a brain state’ and ‘pain

states are brain states’ are unintelligible. The answer is to explain to

these philosophers, as well as we can, given the vagueness of all

scientific methodology, what sorts of considerations lead one to make an

empirical reduction (i.e. to say such things as ‘water is H2O’, ‘light is

26

electro-magnetic radiation’, ‘temperature is mean molecular kinetic

energy’). If, without giving reasons, he still maintains in the face of such

examples that one cannot imagine parallel circumstances for the use of

‘pains are brain states’ (or, perhaps, ‘pain states are brain states’) one

has grounds to regard him as perverse. (PUTNAM, 1975, p. 431)

Ainda assim, embora o funcionalismo seja oficialmente neutro entre

materialismo e dualismo, tem sido particularmente atraente para os materialistas,

uma vez que muitos materialistas acreditam que é altamente provável que qualquer

estado capaz de reproduzir os papéis em questão será um estado físico. Se sim, então

o funcionalismo pode servir como uma alternativa à materialista psico-física da tese

da identidade. Esta diz que cada tipo de estado mental é idêntico a um tipo particular

de estado neural. Esta tese, uma vez que considerou a teoria dominante materialista

da mente, não implica que criaturas com cérebro diferente da nossa pode

compartilhar nossas sensações, crenças e desejos, não importa o quão semelhante o

seu comportamento e organização interna podem ser dos nossos próprios. Esta é uma

consequência que muitos consideram improvável. Assim, o funcionalismo, com a

alegação de que os estados mentais podem ser realizados, se multiplica. Uma

distinção importante do funcionalismo é a distinção entre as teorias em que as

caracterizações funcionais de estados mentais pretendem fornecer análises dos

significados de termos em estado mental (ou limitar-se à informação a priori), e

teorias que permitem a caracterização funcional de estados mentais com apelo a

informações provenientes da experimentação científica (ou especulação). Existem

outras diferenças importantes entre as teorias funcionalistas também. Essas

diferenças, e as motivações para elas, podem ser mais bem apreciadas através do

exame das origens do funcionalismo e traçando sua evolução tanto em resposta às

27

críticas explícitas da tese e mudar opiniões sobre a natureza da explicação

psicológica (Levin, 2010).

These two steps pave the way for the notion that it is conscious states that

bring intentionality into the world. Unconscious states derive their

intentionality from conscious states, and absent conscious states there

would be no intentionality for them to derive. This is a strong form of

dependence: the existence of the very phenomenon of intentionality

depends on the existence of consciousness. (KRIEGEL, 2003, p. 297)

Se um materialista acredita que todos os aspectos do bom senso psicologico

irão encontrar redução para uma neurociência cognitiva madura, e que o

materialismo não-redutivo é errado, então se pode adotar uma posição final, mais

radical: o materialismo eliminativo, ou também conhecido como o eliminativismo.

O eliminativismo é uma posição materialista na filosofia da mente. Sua

alegação principal é que o entendimento do senso comum da mente (ou psicologia

popular) é falso e que certos tipos de estados mentais em que a maioria das pessoas

acredita, não existem. Alguns eliminativistas argumentam que nenhuma base

coerente neural será encontrada para muitos conceitos cotidianos psicológicos, como

a crença ou desejo, uma vez que são mal definidos. Ao invés disso, eles argumentam

que os conceitos psicológicos de comportamento e experiência devem ser julgados

pela maneira como eles se reduzem bem ao nível biológico. Eliminativistas vão além

das afirmações de Descartes, uma vez que contestam a existência de diversos estados

mentais que Descartes descrevia como certos.

28

Eliminativistas como Patrícia Churchland (1986) argumentam que, embora a

psicologia popular trate cognição como fundamentalmente parecida com uma frase, o

vetor não lingüístico modelo / matriz da teoria das redes neurais ou o conexionismo

provará ser uma conta muito mais precisa de como o cérebro funciona.

Churchland invoca frequentemente o destino das outras, erradas teorias populares e

ontologias que tenham surgido no decurso da história. Por exemplo, a astronomia

ptolomaica serviu para explicar e predizer os movimentos dos planetas ao longo dos

séculos, mas acabou este modelo do sistema solar sendo eliminado em favor do

modelo de Copérnico. Churchland acredita que o mesmo destino aguarda o modelo

da mente, em que o pensamento e comportamento são o resultado da manipulação de

estados de período, chamados de atitudes proposicionais.

Not everyone expects mental states to reduce to brain states. On the

contrary, it has been my observation that many philosophers and

cognitive scientists, most of the artificial intelligentsia, not few

neuroscientists and biologists, and theologians generally, reject the

possibility as unlike – and not merely as unlike, but as flatly

preposterous. (CHURCHLAND, 1986, p. 277)

Materialismo eliminatório acarreta conseqüências inquietantes e não apenas

sobre a nossa concepção da mente, mas também sobre a natureza da moral, da ação,

convenções sociais e legais, e praticamente todos os outros aspectos da atividade

humana. Como Jerry Fodor (1987) diz, "se a psicologia do bom senso for para o

colapso, que seria além da comparaçãoa maior catástrofe na história intelectual da

nossa espécie...". Assim, o materialismo eliminatório tem estimulado vários projetos

destinados a justificar, em parte, estados mentais comuns e estabelecer sua

respeitabilidade em um relato sofisticado da mente. Por exemplo, vários projetos

29

perseguidos pelos filósofos nos últimos anos têm tentado fornecer uma conta

redutora do conteúdo semântico das atitudes proposicionais que é totalmente

naturalista (ou seja, uma conta que agrada apenas às simples relações de causalidade

física e propriedades). Grande parte do impulso para esses projetos vem em parte do

reconhecimento de que o materialismo eliminatório não pode ser tão facilmente

descartado, como os escritores anteriores tinham inicialmente previsto. Uma resposta

eliminativista, que poderia se oferecer aqui seria a de considerar o papel mais amplo

e teórico do materialismo eliminatório, que poderia na nossa busca projetar uma

teoria bem sucedida da mente.

Vários autores têm estabelecido as condições necessárias que qualquer teoria

da mente deve cumprir, e em algumas contas estas condições incluem a explicação

de diversos estados mentais, como entendidos pelo bom senso. Segundo essa visão,

se uma teoria não inclui estados que correspondem às crenças, ou fornecer algum

tipo de conta da natureza da consciência, então não precisa ser levada a sério, como

um relato completo de reais fenômenos mentais. Uma virtude do materialismo

eliminatório é que liberta o nosso teorizar a partir dessa perspectiva restritiva, assim,

a relação entre o materialismo eliminatório e ciência podem ser mais recíprocas do

que se supunha (Ramsey, 2011).

A tese do fisicalismo diz que a mente é parte do material (ou físico) do

mundo. Tal posição não enfrenta o problema de que a mente tem determinadas

propriedades, que nenhum outro material ou coisa parece possuir. O fisicalismo deve

explicar como é possível que essas propriedades podem, contudo, emergir de uma

coisa material. O projeto de fornecer essa explicação é muitas vezes referido como a

30

naturalização do mental. Alguns dos problemas cruciais que este projeto tenta

resolver inclui a existência do qualia e a natureza da intencionalidade (Stojlar, 2009).

Sentimentos e experiências variam muito, por exemplo, passar os dedos sobre

a lixa, um cheiro de gambá, sentir uma forte dor no meu dedo, parecer ver roxo

brilhante, tornar-se extremamente irritado. Em cada um desses casos, o sujeito de um

estado mental de natureza muito distinta subjetiva está em primeira pessoa. Há algo

que seria como se submeter a cada estado alguma fenomenologia que ele tem. Os

filósofos costumam usar o termo "qualia" (singular "quale") para se referir ao

introspectivamente acessível, aspectos fenomenais da nossa vida mental. Nesse

sentido, o padrão mais amplo do termo, é difícil negar que existem qualia.

Desacordos tipicamente centram-se em que os estados mentais têm qualia, que qualia

são qualidades intrínsecos de seus portadores, e como qualia se relaciona com o

mundo físico, tanto dentro como fora da cabeça. O estado de qualia é muito debatido

em filosofia, em grande parte porque é central para uma compreensão adequada da

natureza da consciência. Qualia seria o cerne do problema corpo-mente (Tye, 2009).

A importância dos qualia, na filosofia da mente, vem principalmente do fato

de que eles são muitas vezes vistos como constituindo um problema fundamental

para as explicações materialistas do problema corpo-mente. Muito do debate sobre a

sua existência depende da definição do termo que é usado, de como vários filósofos

enfatizam ou negam a existência de certas características de qualia.

Muitos estados mentais parecem ser experimentados subjetivamente de

formas diferentes por pessoas diferentes. É isso que caracteriza um estado mental de

31

qualidade experiencial, por exemplo, a dor. No entanto, as sensações de dor entre

dois indivíduos podem não ser idênticas, já que ninguém tem uma forma perfeita

para quantificar a dor ou descrever exatamente como se sente ferido.

Filósofos e cientistas perguntam de onde surgem estas experiências. A

existência de eventos cerebrais em si não explica por que eles são acompanhados por

essas experiências qualitativas correspondentes. O enigma do por que muitos

processos cerebrais ocorrem com um aspecto de acompanhamento da experiência na

consciência parece impossível de explicar.

Esse problema de explicar os aspectos introspectivos em primeira pessoa de

estados mentais e a consciência em geral, em termos de terceira pessoa na

neurociência quantitativa é chamado de lacuna explicativa (Levine, 1983). Há vários

pontos de vista diferentes sobre a natureza dessa diferença entre os filósofos

contemporâneos de espírito, como interpretar a diferença ontológica na natureza, isto

é, eles afirmam que os qualia não podem ser explicados pela ciência porque o

fisicalismo é falso. Uma visão alternativa é tomada pela diferença de natureza

epistemológica, afimando que a ciência ainda não é capaz de explicar a experiência

subjetiva, porque ainda não chegou ao nível ou tipo de conhecimento que é exigido.

Por outro lado, acredita-se também que o problema é uma das permanentes e

inerentes limitações biológicas. Outros filósofos ainda especulam a diferença de

como um problema seria meramente semântico.

32

1.2 Psicologia Cognitiva

A psicologia cognitiva é uma subdisciplina da psicologia cujo objetivo é explorar

processos mentais internos de conhecer, ou seja, de cognição. Portanto, define-se a

psicologia cognitiva como sendo o estudo de como as pessoas percebem, lembram-

se, pensam, falam e resolvem os problemas. As premissas gerais envolvidas nesta

especialidade são:

a) Processos mentais existem;

b) Podem ser estudados cientificamente (em contraste com o

introspeccionismo velho e muito subjetivo);

c) Os seres humanos são processadores ativos de informação (em contraste

com o behaviorismo passivo e individual, sentados todo um dia à espera de um

estímulo para reações);

Os psicólogos cognitivos podem ser classificados em três tipos principais: (a)

experimentalistas, que testam e refinam teorias, (b) modeladores que visam construir

modelos sofisticados de um determinado comportamento, e (c) os neurocientistas que

visam descobrir os substratos neurais dos comportamentos.

Desde o início da psicologia experimental, no século XIX, havia interesse no

estudo dos processos mentais superiores. Mas algo aconteceu e descontinuou no final

de 1950, algo tão dramático que agora é conhecido como a “revolução cognitiva”, e a

33

visão de processos mentais que se gerou foi chamada de psicologia cognitiva. O que

aconteceu foi que psicólogos norte-americanos rejeitaram o behaviorismo e adotaram

um modelo de mente com base no computador.

Segundo estudiosos e pesquisadores, como já mencionados acima, o

behaviorismo foi um movimento em psicologia e filosofia, que enfatizou os aspectos

exteriores do comportamento de pensamento e negou provimento ao experiencial

interior, e às vezes aos aspectos processuais internos, bem como, um movimento que

remonta a novas propostas metodológicas. Consequentemente, a "revolução

cognitiva" bem-sucedida dos anos sessenta denominou-se uma revolta contra o

behaviorismo.

Como já foi dito, de aproximadamente 1920 até os anos 1950, a psicologia

americana foi dominada pelo behaviorismo. Este estava preocupado principalmente

com a aprendizagem de associações, nomeadamente em espécies não-humanas, e

restritas a teorização das noções de estímulo-resposta. A derrubada do behaviorismo

não veio tanto de idéias dentro da psicologia, mas a partir de algumas abordagens de

investigação exteriores ao campo.

Durante a Segunda Guerra Mundial, novos conceitos e teorias foram

desenvolvidos sobre processamento de sinais e comunicação, e essas idéias tiveram

um impacto profundo sobre os psicólogos ativos durante os anos de guerra. Um

trabalho importante foi a publicação de Shannon (1948), sobre Teoria da Informação.

Propõe que a informação é comunicada através do envio de um sinal por uma

seqüência de fases ou transformações. Isto sugere que a percepção humana e a

34

memória podem ser conceituadas de forma semelhante: a informação sensorial entra

nos receptores, então, é alimentada em analisadores de percepção, cujas saídas são,

por sua vez, de entrada para os sistemas de memória. Este foi o início da abordagem

do "processamento da informação", a idéia de que a cognição pode ser entendida

como um fluxo de informações dentro do organismo, uma idéia que continua a

dominar a psicologia cognitiva.

The fundamental problem of communication is that of reproducing at one

point either exactly or approximately a message selected at another

point. Frequently the messages have meaning; that is they refer to or are

correlated according to some system with certain physical or conceptual

entities. These semantic aspects of communication are irrelevant to the

engineering problem. (SHANNON, 1948, p.379)

Talvez o primeiro grande esforço teórico em psicologia e processamento de

informações tenha sido realizado por Donald Broadbent (1958) em sua obra

Percepção e Comunicação. De acordo com o modelo de Broadbent, a saída de

informações do sistema perceptual encontra um filtro, que passa apenas as

informações de que pessoas estavam presentes. Embora esta noção de um filtro entre

tudo ou nada fosse demasiadamente forte, foi oferecido um relato mecanicista de

atenção seletiva, um conceito que tinha sido banido durante o behaviorismo. As

informações que passaram no filtro Broadbent, e em seguida mudou-se para um

canal de limitada capacidade de decisão, um sistema que possui algumas das

propriedades de memória de curto prazo, e de lá a memória de longo prazo. Esta

última parte do modelo de Broadbent, de transferência de informações de curto para

35

longo prazo de memória, tornou-se o ponto saliente dos modelos de memória

desenvolvidos na década de 1970.

Outro aspecto da teoria da informação que atraiu o interesse do psicólogo foi

uma medida quantitativa da informação em termos de "bits" (grosso modo, o

logaritmo na base 2 do número de alternativas possíveis). Em um texto ainda

amplamente citado, George Miller (1955) mostrou que os limites da memória de

curto prazo pouco tinham a ver com bits. Mas ao longo do caminho, Miller e o

interesse dos outros nos aspectos técnicos da teoria da informação e do trabalho

relacionado promoveram a psicologia matemática, um ramo que estava sendo

abastecido por outras fontes. Ao longo dos anos, a psicologia matemática

freqüentemente tem unido forças com a abordagem do processamento da informação

para fornecer reivindicações precisas sobre a memória, atenção e processos

relacionados.

Two bits of information enable us to decide among four equally likely

alternatives. Three bits of information enable us to decide among eight

equally likely alternatives. Four bits of information decide among 16

alternatives, five among 32, and so on. That is to say, if there are 32

equally likely alternatives, we must make five successive binary

decisions, worth one bit each, before we know which alternative is

correct. So the general rule is simple: every time the number of

alternatives is increased by a factor of two, one bit of information is

added. (MILLER, 1955, p. 345)

A evolução tecnológica durante a Segunda Guerra Mundial também levou ao

desenvolvimento dos computadores digitais. Os questionamentos começaram a surgir

36

sobre a comparabilidade do computador e a inteligência humana (Turing 1950). Em

1957, Alan Newell, JC Shaw, e Herb Simon, em Programming the Logical Theory

Machine (Newell et al, 1957) haviam desenhado um programa de computador que

poderia resolver problemas de lógica difícil, um domínio que se pensava ser a única

província de seres humanos. Newell e Simon logo em seguida, com os programas

que mostravam habilidades gerais de resolução de problemas muito semelhantes aos

dos seres humanos, defenderam que estes programas ofereciam modelos detalhados

para resolver problemas humanos (Newell et al, 1971). Este trabalho também ajudou

a estabelecer o campo da inteligência artificial que será citado posteriormente.

Logo no início, o cruzamento desenvolvido entre os modelos de computador

e abordagens de processamento de informação mostrou que a psicologia do

processamento de informação poderia usar a linguagem teórica da modelagem por

computador, mesmo que não conduzisse a programas de computador. A modelagem

por computador forneceu idéias poderosas sobre as representações (como estruturas

de dados), bem como em relação aos processos que operam sobre estas estruturas. A

idéia resultante do processamento da informação humana, como seqüências de

processos computacionais que operam em representações mentais, continua a ser a

pedra fundamental da psicologia cognitiva moderna, conforme Fodor (1975).

We mitigate the mystery [of sentence understanding] insofar as we

assume a shallow theory of messages, since the more structural similarity

there is between what gets uttered and its internal representation, the

less computing the sentence understander will have to do. The interest of

meaning postulates is that they provide a general procedure for

complicating the logic in ways that reduce the strain on sentence

37

comprehension. That is, they … simplify the representation of

computations that must be carried out on-line. (Fodor, 1975, p. 152)

Uma terceira influência externa que levou ao surgimento da psicologia

cognitiva moderna foi o desenvolvimento da gramática gerativa na lingüística de

Noam Chomsky. Duas das publicações de Chomsky na década de 1950 tiveram um

efeito profundo sobre a psicologia cognitiva nascente. O primeiro foi o seu livro

Estruturas Sintáticas (Chomsky 1957). Debruçou-se sobre as estruturas mentais

necessárias para representar o tipo de conhecimento lingüístico que qualquer falante

competente de uma língua deve ter. Chomsky argumentou que as associações, por si

sós, e mesmo gramáticas de estrutura da frase, não poderiam representar inteiramente

o nosso conhecimento da sintaxe, de como as palavras são organizadas em frases e

sentenças. O que tinha de ser adicionado era um componente capaz de transformar

uma estrutura sintática em outra. Estas propostas sobre a gramática transformacional

mudariam o cenário intelectual da lingüística, e inaugurariam uma nova

psicolingüística.

Chomsky evoluiu a ideia escrevendo sobre a aprendizagem de línguas do

behaviorista então mais respeitado vivo (MacCorquodale, 1970). A revisão de

Chomsky é indiscutivelmente um dos documentos mais significativos da história da

psicologia cognitiva. Embora não se destine apenas a devastar as propostas de

Skinner sobre a linguagem, mas para prejudicar o behaviorismo como uma

abordagem científica séria para a psicologia, em certa medida, ele conseguiu pontos

em ambas as contagens.

38

Até o início dos anos 1960, estava tudo no lugar. O behaviorismo estava em

declínio nos departamentos acadêmicos em toda a América (pois nunca teve raízes

fortes na Europa). Psicólogos interessados na abordagem de processamento de

informação estavam se movendo na academia, e a Universidade de Harvard

estabeleceu então um Centro de Estudos Cognitivos dirigido por Jerome Bruner e

George Miller. A nova visão da psicologia dirigiu-se para o processamento da

informação. A mente foi comparada a um computador e enfatizaram-se as

representações e processos necessários para dar lugar a atividades que vão desde o

reconhecimento de padrões, atenção, categorização, memória, raciocínio, tomada de

decisão, resolução de problemas e linguagem.

Uma das primeiras áreas a se beneficiar da revolução cognitiva foi a de

reconhecimento de padrões, o estudo de como as pessoas percebem e reconhecem

objetos. A abordagem cognitiva fornece uma visão geral de dois estágios de

reconhecimento de objeto: (a) que descreva o objeto de entrada em termos de

características relativamente primitivas (por exemplo, "tem duas linhas diagonais e

uma linha horizontal de conectá-los") e; (b) de correspondência à descrição do objeto

para armazenar a descrição dos objetos na memória visual, e selecionando a melhor

correspondência como a identidade do objeto de entrada ("essa descrição melhor

corresponde à letra A);

Esse ponto de vista de dois estágios não é totalmente novo para a psicologia,

mas expressá-la em termos de processamento de informação permitiu um contato

para estudos empíricos sobre a percepção do objeto para os modelos de computador

relativos a esse processo. O psicólogo Ulrich Neisser (1964) usou um modelo

39

computacional de reconhecimento de padrões para direcionar seus estudos empíricos,

o que levou à dramática evidência de que um objeto pode ser adaptado às múltiplas

memórias visuais em paralelo. Outras pesquisas indicaram que a percepção do objeto

de processamento subjacente pode persistir após o estímulo ser removido. Para isso

acontecer, tinha que haver uma memória visual do estímulo, evidência para tal

memória icônica foi fornecida por Sperling em experimentos clássicos em 1960

(Sperling, 1960).

The high accuracy of partial report observed in the experiments does not

depend on the order of report or on the position of letters on the stimulus,

but rather it is shown to depend on the ability of the observer to read a

visual image that persists for a fraction of second after the stimulus has

been turned off. (SPERLING, 1960, p.27)

A evidência correspondente de uma breve memória auditiva foi comparável

desde logo, bem como grande parte do trabalho sobre o reconhecimento de objetos e

memórias sensoriais foi integrado no influente livro de 1967, de Neisser, chamado

Psicologia Cognitiva. O livro serviu como a primeira declaração abrangente da

investigação existente em psicologia cognitiva, e deu ao novo campo o seu nome.

O modelo de Broadbent (1958) sobre atenção e memória estimulou a

formulação de modelos rivais na década de 1960. Estes modelos assumiram que a

memória de curto prazo (MCP) e a memória de longa duração (LTM) eram

qualitativamente de diferentes estruturas, com as primeiras informações STM

entrando e depois sendo transferidas para LTM como sugerido por Waugh e Norman

(1965). O modelo de Atkinson e Shiffrin (1968) revelou-se particularmente influente,

40

com sua ênfase no fluxo de informações entre os armazenamentos de memória,

controle de processos que regulam esse fluxo, e uma descrição matemática desses

processos. O modelo foi um exemplo por excelência da abordagem de

processamento da informação e foi relacionada a várias conclusões sobre a memória.

Por exemplo, quando as pessoas tentam lembrar uma longa lista de palavras algo que

elas fazem melhor sobre as primeiras palavras apresentadas, cria-se um efeito de

"primazia", e sobre as últimas palavras apresentadas, um efeito de recência. Vários

experimentos indicaram que o efeito de recência reflete a recuperação do STM,

enquanto que o efeito de primazia reflete melhor a recuperação da LTM, devido ao

maior ensaio para os itens apresentados pela primeira vez. Na época os resultados

deram muito apoio dos modelos de memória dual.

A model from a short-term memory is described and evaluated. A variety

of experimental data are shown to be consistent with the following

statements. (a) Unrehearsed verbal stimuli tend to be quickly forgotten

because their traces decay in time. (b) Rehearsal may transfer an item

from a very limited primary memory store to a large and more stable

secondary store. (c) A recently perceived item may be retained in both

stores at the same time. The properties of these 2 independent memory

systems can be separated by experimental and analytical methods.

(WAUGH e NORMAN, 1965, p.89)

O progresso durante este período envolveu também empiricamente

determinar as características de codificação, armazenamento e recuperação de

processos no STM e LTM. Os resultados indicaram que o material verbal seria

codificado e armazenado em um código fonológico para o STM, mas um código

mais baseada em significado, para LTM. Outros estudos clássicos demonstraram que

41

o esquecimento no STM refletia uma perda de informação do armazenamento devido

à decadência ou interferência, enquanto algumas perdas aparentes de informações em

LTM refletem frequentemente uma falha temporária na recuperação. Em grande

medida, estes resultados mantiveram-se durante mais de 30 anos de pesquisa, embora

muitas das descobertas passassem a ser vistas como um âmbito mais limitado, por

exemplo, as descobertas sobre o STM são agora vistas como refletindo apenas um

componente da memória de trabalho, e as conclusões sobre o LTM são vistas como

características de apenas um dos vários sistemas LTM.

Uma das inovações mais importantes da pesquisa dos 1960 foi a ênfase no

tempo de reação como uma medida dependente. Como o foco era sobre o fluxo de

informações, fazia sentido caracterizar vários processos por sua extensão temporal.

Em um artigo seminal, relatou Saul Sternberg (1966) que o tempo para recuperar um

item do STM aumentou linearmente com o número de itens no armazenamento,

sugerindo que a recuperação foi baseada em uma análise rápida do STM. Sternberg

deu um novo impulso a medidas de latência quando desenvolveu o método de

"fatores de aditivo”, significando que hipóteses dadas sobre o processamento de série

permitiam atribuir mudanças em tempos de reação aos estágios de processamento

específicos envolvidos na tarefa (por exemplo, uma diminuição na perceptibilidade

da informação. Isso afetou a codificação da informação em STM, mas não seu

armazenamento e recuperação. Esses avanços em “cronometria mental” rapidamente

se espalharam para outras áreas de estudo da memória.

When subjects judge whether a test symbol is contained in a short

memorized sequence of symbols, their mean reaction-time increases

42

linearly with the length of the sequence. The linearity and slope of the

function imply the existence of an internal serial-comparison process

whose average rate is between 25 and 30 symbols per second.

(STERNBERG, 1966, p. 652)

Começando no início dos anos 1960, houve um grande interesse na

determinação da realidade psicológica das teorias de Chomsky da linguagem.

Algumas dessas experiências linguisticamente inspiradas nos paradigmas

apresentados: frases, percepção e memória, mostraram que as sentenças consideradas

mais complexas sintaticamente pela gramática transformacional eram mais difíceis

de perceber ou de armazenagem. Experiências mais sutis mostraram que as unidades

sintáticas, como as frases, funcionam como unidade de percepção, STM e LTM.

Embora muitos desses resultados não sejam mais vistos como críticos, estes esforços

de pesquisa criaram um ramo novo da psicologia cognitiva, a psicolingüística que

exigia sofisticação na teoria lingüística moderna.

Nem todos os estudos psicolingüísticos são centrados na sintaxe, alguns

tratam com a semântica, especialmente a representação dos significados das palavras,

e alguns desses estudos fizeram uso da cronometria mental recém-desenvolvida.

Logo no início da década de 1970, os domínios da memória e da linguagem

começaram a se cruzar. Em 1973 (Anderson e Bower, 1974), foi apresentado um

modelo de memória para materiais lingüísticos. O modelo de processamento da

informação, conjugado com desenvolvimentos então recentes da lingüística e da

inteligência artificial (IA), ligando as três direções principais da pesquisa, levou à

revolução cognitiva. O modelo utilizando redes semelhantes à que se considerou para

representar o conhecimento semântico foi utilizado nos processos de busca da

43

memória para interrogar essas redes. Também foram centrados esforços na memória

para números ao invés de frases.

... the associative chaining through long-term memory during free recall,

examining idea after idea, searching for senses of words that occurred in

the list; (ANDERSON and BOWER, 1974, p.411)

Na década de 1970 e início de 1980, a ciência cognitiva estava muito

preocupada com as questões sobre as representações mentais, considerando que os

modelos de memória eram proposicionais. Outros pesquisadores argumentaram que

as representações poderiam também ser imaginárias, como uma imagem visual. De

acordo com os estudos interdisciplinares da ciência cognitiva, os pesquisadores de IA

e filósofos entraram no debate sobre as representações proposicionais versus

imaginais. Além de perguntas sobre a modalidade de representações, havia

preocupações sobre a estrutura das representações. Embora tivesse sido assumido

que as representações proposicionais dos objetos eram como as definições, a

proposta dos pesquisadores então era que as representações seriam os protótipos dos

objetos, encaixando-se nisso alguns exemplos melhores do que outros. Novamente as

questões despertaram o interesse de outras disciplinas de psicologia, por exemplo,

com a obra de Lakoff (1987).

Many readers, I suspect, will take the title of this book as suggesting that

women, fire, and dangerous things have something in common--say, that

women are fiery and dangerous. Most feminists I've mentioned it to have

loved the title for that reason, though some have hated it for the same

reason. But the chain of inference--from conjunction to categorization to

commonality--is the norm. The inference is based on the common idea of

44

what it means to be in the same category: things are categorized together

on the basis of what they have in common. The idea that categories are

defined by common properties is not only our everyday folk theory of

what a category is, it is also the principal technical theory--one that has

been with us for more than two thousand years. (LAKOFF, 1987, p.5)

O movimento da ciência cognitiva afetava a maioria das áreas da psicologia

cognitiva, que vão desde o reconhecimento de objetos para o raciocínio, até a

especialização em resolução de problemas. O movimento continua a ser influente e

cada vez mais centrado em modelos computacionais da cognição e as mudanças

desde a sua criação na década de 1970 foram relativas aos tipos de modelos

computacionais.

Os modelos de computador que dominaram a psicologia cognitiva, a partir de

sua criação utilizando símbolos complexos como representações, processam essas

representações simbólicas de uma forma baseada em regras, por exemplo, em um

modelo de reconhecimento de objeto. A representação de um sapo pode consistir de

um conjunto de propriedades complexas e a regra de reconhecimento pode ser algo

como "Se é verde, pequeno e coaxa, é um sapo".

Começando no início de 1980, uma modalidade alternativa de modelo

cognitivo começou a atrair o interesse. Este era o modelo conexionista ou de

processamento paralelo distribuído. Essas propostas têm a forma de redes neurais,

constituídas por nós ou representações que são densamente interconectadas, com as

ligações variando em pesos.

45

Em 1981 (McClelland et al, 1981), foi apresentado um modelo conexionista

de reconhecimento de palavras que explica uma grande variedade de resultados

experimentais. As comportas foram abertas e os modelos conexionistas da

percepção, memória e linguagem proliferaram, a ponto de passarem a dominar as

abordagens computacionais da cognição. Uma razão para essa atratividade é

freqüentemente citada pela plausibilidade neurológica: os modelos são claramente

mais próximos da função cerebral do que os tradicionais modelos baseados em

regras. Uma segunda razão é que os modelos conexionistas permitem a satisfação e

restrição paralela: diferentes fontes de ativação podem convergir simultaneamente na

mesma representação ou resposta. Uma terceira razão é que os modelos

conexionistas manifestam uma degradação lenta, quando o modelo estiver

danificado, tanto quanto é encontrada em desordens neurológicas humanas.

In our view, people are smarter than today’s computers because the

brain employs a basic computational architecture that is more suited to

deal with a central aspect of the natural information processing tasks

that people are so good at. In this chapter, we will show through

examples that these tasks generally require the simultaneous

consideration of many pieces of information or constraints. Each

constraint may be imperfectly specified and ambiguous, yet each can

play potentially decisive role in determining the outcome of processing.

(McCLELLAND et al, 1987, p. 4)

Do ponto de vista histórico, há um aspecto irônico sobre a ascendência

evolutiva dos modelos conexionistas, tais modelos retornam ao associativismo puro

que caracteriza o behaviorismo. Enquanto os modelos conexionistas dificilmente se

encaixam com todos os ditames behavioristas, suas representações não são restritas

46

aos estímulos e respostas. Eles rotineiramente assumem o processamento paralelo,

com sua confiança em associações e são contrários aos argumentos de Chomsky de

que associativismo puro não pode explicar a linguagem. Esta questão fez parte da

base das críticas aos modelos conexionistas, um dos fundadores dos tradicionais

modelos computacionais, sugeriu uma plausível resolução: o menor nível dos

processos cognitivos como reconhecimento de objetos pode ser bem modeladopelos

modelos conexionistas, mas o alto nível dos processos cognitivos, como o raciocínio

e a linguagem, pode exigir modelagem simbólica tradicional.

Outra grande e nova direção na psicologia cognitiva é o crescente interesse

nas bases neurais da cognição, um movimento conhecido como “neurociência

cognitiva”. Houve pouco interesse em trabalhar na investigação biológica que levou

à revolução cognitiva. Esse trabalho inicial esteve tão preocupado com a luta contra

o behaviorismo e com o avanço da psicologia cognitiva que, conseqüentemente,

grande parte da pesquisa focada nos processos de alto nível foi completamente

afastada de qualquer coisa que tenha acontecido na neurobiologia da época. As

gerações subseqüentes de psicólogos cognitivos solidificaram os seus compromissos

para um nível puramente cognitivo de análise, argumentando que a distinção entre os

níveis cognitivos e neurais de análises era análoga à que existe entre software e

hardware, e que a psicologia cognitiva (e as ciências cognitivas) estava preocupada

principalmente com o software.

Desde o início de 1990, as opiniões sobre a importância da análise neural

mudaram drasticamente. Existe um consenso crescente de que as análises da

47

informação normal de cognição podem ser substancialmente iluminadas por saber

como é implantada a cognição no cérebro.

1.3 Neurociência Cognitiva

Neurociência Cognitiva é o campo acadêmico que estuda cientificamente os

substratos biológicos adjacentes à cognição. Tem seu foco específico sobre o

substrato neural dos processos mentais. Aborda questões de como funções cognitivas

são produzidos pelo e no cérebro. A neurociência cognitiva baseia-se em teorias das

ciências cognitivas associadas com as evidências da neuropsicologia e modelagem

computacional. Os principais temas de estudo dentro das possibilidades de estudo da

neurociência são: atenção, consciência, tomada de decisões, aprendizagem e

memória.

The quick answer to the question in cognitive neuroscience is the field of

scientific endeavor that is trying to understand how the brain enables the

mind. Depending on how successful we are, information gained from

these studies would be of great importance to the legal system.

(GAZZINAGA, 2010, p. 2)

Como na psicologia cognitiva, os neurocientistas frequentemente realizam

experimentos controlados, porém ambas as observações são muito diferentes, uma

vez que os neurocientistas estão diretamente envolvidos com a natureza do cérebro.

Com sujeitos não humanos, os investigadores poderiam inserir eletrodos e registrar a

queima de neurônios individuais e utilizar de algumas outras técnicas que não

priorizariam a integridade deste sujeito, já com os seres humanos essa técnica seria

48

demasiadamente invasiva. Entretanto, nos últimos anos, apenas com o uso magnético

e de dispositivos de digitalização de pósitrons, tornou-se possível observar e analisar

o que está acontecendo em diferentes partes do cérebro enquanto as pessoas estão

realizando várias tarefas mentais. Assim como a psicologia cognitiva, a neurociência

é muitas vezes teórica, bem como experimental, e o desenvolvimento da teoria é

freqüentemente auxiliado no desenvolvimento de modelos computacionais do

comportamento de grupos de neurônios.

As primeiras raízes da neurociência cognitiva foram relacionadas aos estudos

em frenologia por volta de 1810, a qual realizou uma abordagem pseudocientífica

que alegava grosseiramente que o comportamento poderia ser determinado pelo

formato da cabeça. Foi a partir de então que se fomentou a grande possibilidade e

esforço em se mapear o cérebro e analisar o intelecto humano.

If, according to the ancient philosophers, the intellectual faculties be

placed in the brain, and the moral sentiments in the viscera of the

abdomen and thorax, that the understanding might not be disturbed by

the passions;—if it be said that the nervous plexuses or ganglia are the

seats of the affections;—if, according to Dumas, Eicherand, Sprengel,

and other physiologists, the difference of the feelings and intellectual

faculties results from the difference of the temperaments.

(SPURZHEIM, 1833, p. 59)

Em 1870, os médicos alemães publicaram suas descobertas sobre o

comportamento dos animais, realizaram o experimento no qual induziram uma

corrente elétrica através do córtex cerebral de um cachorro, fazendo com que o cão

produzisse movimentos característicos com base na localização em que a corrente foi

49

aplicada. Observaram que em diferentes áreas onde a corrente era aplicada, o cão

produzia movimentos diferentes. Com o estudo da neuroanatomia foi descoberto um

método de diferenciação dos tecidos utilizando técnicas de coloração para identificar

tipos de células no cérebro. Através deste estudo, Korbinian Brodmann (1909)

concluiu que o cérebro humano consista de cinqüenta e duas áreas distintas, então

chamadas de áreas de Brodmann. Além das distinções serem muito precisas, ainda

houve ajustes nessas áreas com o decorrer do tempo até a atualidade.

The basis for elemental localization is the, in itself valid, concept that

tissue elements of uniform specific structure, whether they are limited to

a large or small cortical field or diffusely distributed over the whole

cortex, must also have a uniform physiological function, and thus that

such elements are to be regarded as not only morphologically but also

functionally equivalent. This consideration enables one to establish, at

least in principle, the feasibility and practicability of subdividing the

cerebral cortical surface according to individual nervous elements, such

as cell types with particularly characteristic features - such as intrinsic

shape, size, internal structure, axonal connections, fibrillar organization

and so on. (GAREY et al, 1909, p. 5)

No início do século 20 e posterior aos estudos nas áreas de Broadmann,

iniciaram-se trabalhos no que diz respeito à estrutura do neurônio. Foi desenvolvido

um método de coloração com prata que poderia manchar inteiramente várias células

em uma determinada área, os neurônios, como foram chamados, eram diretamente

ligados uns aos outros em um citoplasma. Foi descoberto também que as células

transmitem sinais elétricos pelo neurônio em uma única direção. A doutrina do

neurônio como ficou conhecida desde então, apresentou uma teoria fundamental para

50

a compreensão da neurofisiologia e futuras áreas relacionadas, como foi o caso da

neurociência cognitiva.

Antes dos anos 1980, a interação entre a neurociência e a ciência cognitiva

era escassa. Neurociência cognitiva é um termo inventado por George Miller e

Michael Gazzaniga no final da década de 1970. A neurociência cognitiva passou a

integrar a terra recém-estabelecida e teórica nas ciências cognitivas. Estas, como

foram visto acima, surgiram entre os anos 1950 e 1960 com abordagens em

psicologia experimental, neuropsicologia e neurociências. No fim do século XX,

houve uma evolução e novas tecnologias, que hoje são o esteio da metodologia da

neurociência cognitiva, foram incorporadas, incluindo estimulação magnética

transcraniana (TMS) e imagem de ressonância magnética funcional (fMRI). Métodos

anteriores utilizados em neurociência cognitiva incluem eletroencefalograma (EEG)

e magneto-encefalograma (MEG). Ocasionalmente, os neurocientistas cognitivos

utilizam métodos de imagens do cérebro, tais como tomografia por emissão de

positrons (PET) e tomografia computadorizada por emissão de fóton único (SPECT).

Outros métodos incluem microneurografia, eletromiografias (EMG) faciais e

movimentos oculares, tentativas integrativas para a neurociência consolidar dados

em um banco de dados, e dessa forma unificar modelos descritivos de diversas áreas

e escalas: biologia, psicologia, anatomia, e práticas clínicas.

Indiferença Filosófica aos detalhes da neurociencias tornaram-se princípios

com a ascensão e proeminência do funcionalismo em 1970. O argumento

funcionalista favorito foi baseado em realizabilidade múltipla: um determinado

51

estado mental ou um evento que pode ser realizado em uma grande variedade de

tipos físicos.

Para melhor entendimento, o funcionalismo é a doutrina segundo a qual um

pensamento, desejo, dor, ou qualquer outro tipo de estado mental, não depende da

sua constituição interna, mas unicamente da sua função ou do papel que desempenha,

no sistema cognitivo do qual faz parte. Mais precisamente, as teorias funcionalistas

assumem a identidade de um estado mental a ser determinado por suas relações de

causas com estímulos sensoriais, ou outros estados mentais e comportamentos. Em

vez da neurociência, os filósofos com mentalidade científica influenciados por

evidências do funcionalismo procuraram inspiração na psicologia cognitiva e em

programas inteligência artificial.

Na filosofia se destaca em 1986, o desafio à separação funcionalista entre o

cérebro e a mente, seguindo três vertentes: (a) para desenvolver uma conta da

redução teórica da mente ao cérebro radicalmente diferente da lógica na filosofia

positivista da ciência; (b) para mostrar que as objeções de consciência baseadas na

redução psico-neural não funcionam; (c) para mostrar que funcionalista / objeções à

realizabilidade múltipla para a redução psico-neural não funcionam.

Houve uma oposição à realizabilidade múltipla por Bechtel e Mundale (1997)

cujo argumento foi baseado na maneira pela qual os neurocientistas utilizam critérios

psicológicos para determinar o que conta como uma área do cérebro.

52

The claim of multiple realizability is the claim that the same

psychological state can be realized by different brain states. Thus, it is

claimed that there is a many-to-one mapping from brain states to

psychological states. (BECHTEL et al, 1999, p. 176)

Em 1984, foi demonstrado como aspectos cognitivistas de aprendizagem

associativa poderiam ser explicados celular e biologicamente por seqüências e

combinações destas formas básicas aplicadas em maior anatomia neural. Os

neurocientistas começaram a desvendar, então, os mecanismos celulares do potencial

de longa duração (LTP). Os psicólogos fisiológicos rapidamente notaram o seu

potencial explicativo para diferentes formas de aprendizagem e memória, no entanto,

poucos filósofos prestaram atenção, por estarem convencidos pela doutrina

funcionalista. Eles acreditavam que a engenharia em nível mais detalhado poderia ser

importante para o médico, mas era irrelevante para os teóricos da mente.

These experiments arose from an observation made during a study of the

phenomenon of frequency potentiation in the dentate area of the

hippocampal formation. It was noticed that the response evoked in the

dentate area by single test shocks to the afferent perforant pathway often

remained potentiated for a considerable time after short periods of

stimulation at 10-20/sec. In this paper we describe the effect in the

anaesthetized rabbit. (BLISS et al, 1973, p. 332)

Existem três pontos de vista gerais sobre a relação entre os estados

psicológicos postulados pela ciência cognitiva e os processos neurofisiológicos

estudados nas neurociências (Brook et al, 2004):

(a) A tese da autonomia: enquanto cada estado psicológico pode ser

(implantado por ser superveniente a) o estado do cérebro, os tipos de estados

53

psicológicos nunca serão mapeados para tipos de estados cerebrais. Assim, cada

domínio precisa ser investigado por meios distintos da ciência cognitiva, para tipos

cognitivamente delimitados de atividade, a neurociência para as atividades descritas

em termos de processos e estruturas cerebrais.

(b) Reducionismo: Tipos de estados psicológicos acabarão por ser

considerados tipos de estados neurofisiológicos, cada tipo cognitivamente delimitado

pode ser mapeado em algum tipo de processo cerebral e / ou estrutura com nada de

sobra. A história da ciência tem sido em grande parte, uma história de tal redução:

Química tem se mostrado um ramo da física, grande parte da biologia foidirecionada

para ser um ramo da química, e assim por diante. Reducionistas sobre a cognição

acreditam que ela passará a ser um ramo da biologia.

(c) Eliminativismo (ou materialismo eliminatório): As teorias psicológicas

são tão cheia de erros e conceitos psicológicos são tão fracos quando se trata de

construir uma ciência que os estados psicológicos não falam de nada que realmente

existe.

Para melhor compreensão, pode ser conceituado o reducionismo (Brigandt et

al, 2005) como uma abordagem para a compreensão da natureza das coisas

complexas, reduzindo-as às interações de suas partes, ou a posição filosófica de que

um sistema complexo não é senão a soma de suas partes. Um exemplo é o caso que

cientistas concluíram que a luz visível, a postulação teórica da óptica, é a radiação

eletromagnética no comprimento de onda específica, postulando uma teoria do

eletromagnetismo: a identidade transteórica ontológica.

54

Em outro caso, os químicos concluíram que o flogisto não existia: a

eliminação de uma espécie de ontologia científica. Tem sido realizado um ataque

contra a argumentação de propriedade dualista para a irredutibilidade da experiência

consciente e qualia sensoriais. Argumenta-se que a aquisição de alguns

conhecimentos das capacidades existentes sensoriais na neurociência amplia a

capacidade de "imaginar" ou "conceber" uma explicação exaustiva da consciência na

neurobiologia. Finalmente, existe critica ao argumento da múltipla realizabilidade

que começara a florescer. Embora o argumento da múltipla realizabilidade

permaneça influente entre os fisicalistas não-redutivista, esta já não temaceitação

universal. Respostas para o argumento da múltipla realizabilidade com base em

detalhes neurociência têm aparecido.

O eliminativismo como uma posição materialista na filosofia da mente

apresenta como alegação principal que o entendimento do senso comum da mente

seria falso, e que certos tipos de estados mentais em que a maioria das pessoas

acredita, não existem. Alguns eliminativistas argumentam que não será encontrada

base coerente neural para muitos conceitos psicológicos cotidianos, como a crença

ou desejo, uma vez que são mal definidas. Em vez disso, eles argumentam que os

conceitos psicológicos de comportamento e experiência devem ser julgados pela

maneira como eles reduzem o nível biológico. Mas essas questões já foram tratadas

no tópico sobre filosofia da mente.

Um ponto importante no interesse dos filósofos em neurociência veio com

publicações sobre neurofilosofia, as quais ficaram notórias por defender o

eliminativismo. Os argumentos eliminativistas unificaram os pedaços de filosofia da

55

ciência que lhes estavam subjacentes, imprensados entre a filosofia, a neurociência e

as três teorias da função cerebral. Isto significou a introdução da filosofia da ciência

para os neurocientistas e da neurociência para os filósofos. Ligava-se a relevância

dos fatos empíricos sobre como o cérebro funciona às preocupações da filosofia da

mente.

É evidente que especificar algum ponto onde termina a neurociência e

filosofia da ciência começa é impossível, porque as fronteiras são muito mal

definidas. Neurofilósofos iriam escolher os recursos de ambas as disciplinas como

quisessem. Para dar apenas um exemplo do tipo de argumento montado em suporte

ao eliminativismo, fenômenos identificados usando conceitos psicológicos são

difíceis senão impossíveis de quantificar com precisão, mas todo sucesso científico

quantifica os tipos de coisas de interesse. Os argumentos eliminativista são anti-

reducionistas, pois eles argumentam que não há maneira de reduzir as teorias

psicológicas e teorias neurais, e mesmo que houvesse, não haveria motivo para fazer

isso.

Outras tendências recentes, agora na filosofia da neurociência, incluem um

interesse renovado na natureza das explicações mecanicistas, dado o amplo uso do

termo entre os neurocientistas. Sustenta-se que as explicações mecanicistas da

neurociência são causais e tipicamente multi-nível. Por exemplo, a explicação do

potencial de ação neuronal envolve o potencial de ação própria, a célula em que

ocorrem, gradientes eletro-químicos, e as proteínas através do qual o fluxo de íons

flui. Aqui temos uma entidade composta (uma célula) causalmente interagindo com

neurotransmissores nos seus receptores. Partes da célula se envolvem em diversas

56

atividades, abertura e fechamento de canais iônicos e dependentes da voltagem, para

produzir um padrão de mudança (a corrente despolarizante que constitui o potencial

de ação). A explicação mecanicista da ação potencial refere-se a entidades a nível

celular, molecular e atômica, cada um dos quais é causalmente relevante para

produzir o potencial de ação. Esta relevância causal pode ser confirmada por alterar

qualquer uma das variáveis para gerar alterações no potencial de ação e verificando a

consistência da suposta invariância entre as variáveis.

Although natural regularities contribute to the production of an effect,

regularity is one thing and causal productivity is another. It is to

Mechanism`s credit that it enables us to appreciate the difference, and to

adjust our ideas of the roles of laws and lesser generalizations

accordingly. (BOGEN, 2005, p.418)

Essas grandes questões da filosofia da neurociência têm sido apresentadas e

reapresentadas nos últimos 25 anos. Trabalhos em conjunto com filósofos ajudaram

neurocientistas a desenvolver um sentido mais preciso de exatamente como seu

trabalho se relaciona com outra área e outro trabalho científico, como a ciência

cognitiva em particular. É interessante observar que a maioria dos estudiosos na

filosofia e neurociência, aparentemente, chegaram à mesma posição sobre alguns

assuntos.

57

2 Alguns conceitos das Ciências Cognitivas

Existe uma tendência crescente no estudo da linguistica cognitiva, a de passar

as atenções para uma análise mais fundamental nos signos ou símbolos. Para esses

estudos existe a área chamada de semiótica cognitiva, a qual também pertence às

ciências cognitivas, porém não é tão conhecida como as demais, apesar de possuir

fundamental importância.

Segundo Nöth (2011) a semiótica cognitiva tem por definição ser a ciência de

estudo da representação do conhecimento, da atenção, da percepção, da memória, do

raciocínio, do juízo, da imaginação e do pensamento. Na filosofia e semiótica

alemãs, o conceito de representação geralmente corresponde a dois conceitos às

vezes distintos: Vorstellung (Kant) e Darstellung (Bühler). Os dois conceitos foram

traduzidos para outras línguas como representação.

Nöth (2011) ainda define a diferença das representações para os alemães:

Vorstellung literalmente significa colocar algo em frente de alguém, tem a conotação

de “fazer presente” e pode ser um sinônimo de “representação mental”

“imaginação”, “idéia”, mas o mesmo conceito também é usado no sentido de

representação teatral ou musical. Neste sentido, a palavra conota a ideia da “re-

presentação” no sentido etimológico de “presentificação”. Já Darstellung se refere a

formas de representação não tanto interiores (mentais) como exteriores (públicas).

Simbolizada como “representação gráfica” ou “matemática”, entre as conotações tem

o significado de “apresentação”. Roman Jakobson traduz o conceito de

58

Darstellungsfunktion, de Karl Bühler, como “referential function”, associando assim

este conceito ao conceito de referência.

O que nos distingue de outros animais menos inteligentes é nossa

capacidade de produzir e manipular símbolos. Este é o real caráter

distintivo da inteligência humana: a produção e manipulação de

símbolos que dão origens às atividades cognitivas superiores, como a

Matemática e a linguagem. (TEIXEIRA, 1998, p. 44)

Na Escolástica, o conceito da representação é definido, de forma muito geral,

como o processo de apresentação de algo através dos signos. Tomas de Aquino, por

exemplo, escreve que “toda representação ocorre através dos signos” (omnis

repraesentatio fit per aliqua signa (Op. omn. 18: 377). A amplitude dessa

conceituação se esclarece através de sua diferenciação medieval entre quatro tipos de

representação, a saber, representação: (a) enquanto imagem, (b) enquanto um

vestígio, (c) através de um espelho e (d) através de um livro. O conceito de

representação também foi adotado como sinônimo de signo / símbolo por John

Locke (1690) e por Charles Sanders Peirce (1865). A fim de diferenciar entre os

conceitos representação e signo, Peirce introduz o termo representamen (aquilo que é

representado). Dretske (1988: 51-77) define a representação de forma ainda mais

geral. Para ele, tanto os signos naturais quanto os convencionais podem representar,

desde que cumpram uma função de significado em um sistema representacional

(Nöth, 2011).

As ciências cognitivas tratam os dados de um sistema de processamento

de informação como símbolos e seus significados são tratados como

representações. (SANTAELLA, 2004, p. 59)

59

Através disso surge a questão de como essas informações são representadas

mentalmente, como sugere Fodor (1975) com a linguagem do pensamento, ainda que

pudessem existir vários tipos de representações mentais.

É um pressuposto fundamental da psicologia cognitiva que as

explicações sobre o comportamento se referem não apenas a entradas

(inputs) e saídas (outputs), mas também ao modo como a informação

está codificada na mente. (SANTAELLA, 2004, p. 65)

Existe forte tendência em acreditar na modularidade da mente, assim como

alguns autores já citados, Howard Gardner (1994) também defende essa teoria em

seu livro Estruturas da Mente: A teoria das Inteligências Multiplas. Nessa obra

Gardner (1994) chega à conclusão de que a mente se divide em sete inteligências:

lingüística, musical, lógico-matemática, espacial, corporal-cinestésica, interpessoal e

intrapessoal. Inteligência esta que pode ser definida como:

Individuals differ from one another in their ability to understand complex

ideas, to adapt effectively to the environment, to learn from experience,

to engage in various forms of reasoning, to overcome obstacles by taking

thought. Although these individual differences can be substantial, they

are never entirely consistent: A given person's intellectual performance

will vary on different occasions, in different domains, as judged by

different criteria. Concepts of "intelligence" are attempts to clarify and

organize this complex set of phenomena. (NEISSER et al, 1996, p. 77)

Intelligence is a very general mental capability that, among other things,

involves the ability to reason, plan, solve problems, think abstractly,

comprehend complex ideas, learn quickly and learn from experience. It is

60

not merely book learning, a narrow academic skill, or test-taking smarts.

Rather, it reflects a broader and deeper capability for comprehending

our surroundings "catching on," "making sense" of things, or "figuring

out" what to do. (GOTTFREDSON, 1997, p. 13)

Além da modularidade da mente, muitos estudiosos chegam à conclusão de

que a extremidade que traduz a linguagem da mente poderia nos dar mais

informações com relação à própria linguagem, ou seja, no momento em que se

sugerem representações mentais, ficam automaticamente implícitas as questões de

captações das mesmas, entrando então nos conceitos de sentidos e percepções muitos

dos quais analisados e desvendados pela neurociência e inteligência artificial.

Robles-De-La-Torre and Hayward describe an ingenious experiment in

which they used a robotic device to uncouple force from geometric

information. In a task involving the detection of bumps and holes, they

show that force cues — not geometric cues — determine perceived shape.

(FLANAGAN; LEDERMAN, 2001, p. 389)

FIGURA 2

MODELO EM PERCEPÇÃO DE DE-LA-TORRE E HAYWARD

FONTE: NATURE, Vol.412, July, 2001, p.446

61

O estudo da percepção apresenta alguns tipos principais para análise. Nos

seres humanos, as formas mais desenvolvidas são a percepção visual e auditiva, pois

elas foram fundamentais à sobrevivência da espécie. Também é por essa razão que as

artes plásticas e a música foram as primeiras formas de arte a serem desenvolvidas

por todas as civilizações, antes mesmo da invenção da escrita. As demais formas de

percepção, como a olfativa, gustativa e tátil, embora não associadas às necessidades

básicas, têm importante papel na afetividade e na reprodução. Além da percepção

ligada aos cinco sentidos, os humanos também possuem capacidade de percepção

temporal e espacial (Nöth, 2011).

Gestalt psychology attempts to understand psychological phenomena by

viewing them as organized and structured wholes rather than the sum of

their constituent parts. Thus, Gestalt psychology dissociates itself from

the more 'elementistic' / reductionistic / decompositional approaches to

psychology like structuralism (with its tendency to analyze mental

processes into elementary sensations) and it accentuates concepts like

emergent properties, holism, and context. (SOEGAARD, 2010, p. 1)

A percepção temporal não possue um orgão específico como agente de

captação. Ela é definida como a capacidade que as pessoas possuem de distinguir o

transcorrer do tempo. Existe uma divisão experimental de fenômenos que são

estudados atualmente: (a) a percepção das durações, (b) a percepção e a produção de

ritmos e (c) a percepção da ordem temporal e simultaneidade.

Assim como para a percepção temporal, não existe um órgão específico para

a percepção espacial, mas as distâncias entre os objetos podem ser efetivamente

62

estimadas pelos seres humanos. Isso envolve a percepção da distância e do tamanho

relativo dos objetos. Segundo a neurociência, o lobo parietal do cérebro representa

um papel importante neste tipo de percepção.

Outro tipo de percepção se chama Propriocepção ou cinestesia. É a

capacidade de reconhecer a localização espacial do corpo, sua posição e orientação, a

força exercida pelos músculos e a posição de cada parte do corpo em relação às

demais, sem utilizar a visão. Este tipo específico de percepção permite a manutenção

do equilíbrio e a realização de diversas atividades práticas. Resulta da interação das

fibras musculares que trabalham para manter o corpo na sua base de sustentação, de

informações táteis e do sistema vestibular, localizado no ouvido interno e

responsável pelo equilíbrio. O conjunto das informações dadas por esses receptores

permite, por exemplo, desviar a cabeça de um galho, mesmo que não se saiba

precisamente a distância segura para se passar, ou mesmo o simples fato de poder

tocar os dedos do pé e o calcanhar com os olhos vendados, além de permitir

atividades importantes como andar, coordenar os movimentos responsáveis pela fala,

segurar e manipular objetos, manter-se em pé ou posicionar-se para realizar alguma

atividade (Nöth, 2011).

63

CAPÍTULO II: INTELIGÊNCIA ARTIFICIAL

Sempre que se aborda um assunto é interessante primeiramente conhecer sua

definição, mesmo para questões que possuam divergências na sua aceitação. Este é o

caso de inteligência artificial, que pode ser definida como a área de estudo que busca

métodos e/ou dispositivos artificiais que possuam ou simulem a capacidade de ser

inteligente.

It is the science and engineering of making intelligent machines,

especially intelligent computer programs. It is related to the similar task

of using computers to understand human intelligence, but AI does not

have to confine itself to methods that are biologically observable.

(MCCARTHY, 1956)

Neste capítulo serão abordadas as evoluções históricas da inteligência

artificial, os principais eventos, experimentos e conceitos que causaram polêmica e

delimitam a evolução da área, algumas técnicas muito utilizadas e as expectativas

sobre o tema.

Observa-se nos tempos atuais uma grande demanda na utilização de

computadores para realização de trabalhos lógicos repetitivos e algumas vezes

distintos ao invés de mão de obra humana qualificada. Alguns desses trabalhos

executados por máquinas possuem inclusive uma confiabilidade maior que os

executados por seres humanos, viabilizando assim a implantação e comercialização

em larga escala destes dispositivos com graus limitados de inteligência.

64

Devido a este fato, existe uma crescente tendência massificadora em utilizar

aplicações e dispositivos automáticos que façam algumas tarefas pelas pessoas, tanto

na profissão quanto na vida cotidiana, ou seja, as máquinas dotadas de inteligência

artificial estão sendo completamente absorvidas pelo ser humano nos tempos atuais.

Dentro do campo de estudo da Inteligência artificial existe uma subdivisão e

conceituação em inteligência artificial fraca e inteligência artificial forte. É

considerado inteligência artificial fraca todo e qualquer sistema inteligente que

execute ou aplique um algoritmo predeterminado para resolução de problemas, ou

seja, argumenta-se para uma inteligência artificial fraca que a máquina apenas

aparentará que pensa, enquanto na verdade não será consciente da mesma forma que

a mente humana o é. A inteligência artificial fraca pode ser citada também como

inteligência artificial aplicada, ou ainda como inteligência artificial estreita

(SEARLE, 1980).

Já o conceito de inteligência artificial forte, de uma maneira geral,

corresponde à replicação da inteligência do ser humano ou uma inteligência superior

a tal, ou seja, argumenta-se que será possível que uma máquina seja inventada com

uma inteligência nos moldes da mente humana. Em outras palavras, esta máquina

poderia: pensar, imaginar, ter razão, etc., fazendo tudo o que nós associamos à mente

e que a mente humana faz nos moldes dos estudos nas ciências cognitivas (SEARLE,

1980).

O maior desafio na atualidade em inteligência artificial é a geração da

inteligência artificial forte, ou seja, a grande audácia nos dias de hoje para a

65

inteligência artificial é conseguir converter a obediência de uma máquina em desejo,

cognição e consciência, ou seja, a própria máquina ter uma visão de autoprojeção

mais adequada de acordo com o universo a sua volta.

…Let an ultraintelligent machine be defined as a machine that can far

surpass all the intellectual activities of any man however clever. Since

the design of machines is one of these intellectual activities, an

ultraintelligent machine could design even better machines; there would

then unquestionably be an 'intelligence explosion,' and the intelligence of

man would be left far behind. Thus the first ultraintelligent machine is

the last invention that man need ever make... (GOOD, 1965, p.33)

66

1. HISTÓRICO E EVOLUÇÕES

Não restam dúvidas de que há muito tempo o homem já conseguia idealizar

um invento artificial que representasse o próprio homem, sempre se baseando nas

tecnologias rudimentares da época, no que se diz respeito ao tamanho do desafio. De

fato, que com o passar do tempo o que seriam apenas idéias começaram a se tornar

obras fictícias, como a figura mitológica do Golem para o Judaísmo ou mesmo como

o famoso Monstro de Frankenstein escrito em 1818 por Mary Shelley entre outras

obras deste gênero.

O próximo passo dessa evolução foi a construção de máquinas que, com o

passar do tempo, cada vez mais auxiliavam o homem em diversas tarefas, desde as

mais rudimentares geralmente realizadas com ferramentas mecânicas portáteis

manuais, passando evolutivamente à implantação da doutrina industrial Fordista no

mundo e culminando nos inventos de dispositivos eletrônicos pré-computador, como

por exemplo a calculadora.

Porém especula-se que somente a partir das melhorias para o tear têxtil de

Joseph Marie Jacquard em 1801 é que se iniciou uma real evolução para o que

chamamos hoje de computador. A melhoria relevante no tear têxtil de Jacquard foi a

introdução de uma série de cartões de papel perfurados como um modelo que

permitia ao tear tecer enredados padrões automaticamente. O resultado de Jacquard

foi um passo importante no desenvolvimento dos computadores porque o uso de

cartões perfurados para definir padrões de tecido pode ser visto como uma forma

primitiva, embora limitada, de programação.

67

As maquinas computacionais ganharam uma nova filosofia nos primeiros

anos seqüentes de 1940. O primeiro computador eletro-mecânico inventado por

Konrad Zuze, constituído de relés, efetuava cálculos e exibia os resultados em fita

perfurada. Este computador e as ideias envolvidas inspiraram uma séria discussão

entre diversos cientistas, com relação à possibilidade de se criar um modelo de

cérebro eletrônico. Assim especulava-se sobre o conceito da inteligência artificial.

Considera-se como marco inicial cronológico e substancial para a Inteligência

Artificial, o ano de 1950 após a invenção do computador e com a publicação da obra

de Alan Turing (1950) em Computing Machinery and Intelligence, a qual apresenta

como destaque o método de mensurar se máquinas possuem consideráveis níveis de

inteligência humana, chamando este de Teste de Turing.

68

1.1 Teste de Turing

O Teste de Turing propriamente tentava solucionar na época o

questionamento sobre a possibilidade de identificar a criação de computadores

inteligentes, ou seja, o computador que passasse por este teste seria considerado

então como uma máquina inteligente.

O processo de avaliação do Teste de Turing consiste em três elementos: um

computador e duas pessoas, sendo que as pessoas e o computador ficam em salas

diferentes sem contato visual.

FIGURA 3

MODELO CONCEITUAL DO TESTE DE TURING

FONTE: http://devcentral.f5.com/weblogs/macvittie/archive/2008/07/18/3468.aspx

Neste caso, identifica-se o avaliador como pessoa C, o computador e a outra

pessoa seriam representados respectivamente como pessoa A e pessoa B, porém sem

o conhecimento do avaliador. O avaliador tem a função de trocar mensagens com as

69

pessoas A e B visando distinguir através das mensagens qual dos personagens seria o

computador. Caso o avaliador não distingua qual deles é o computador, significa que

a máquina passou no teste e poderia ser considerada inteligente segundo o Teste de

Alan Turing.

An important feature of a learning machine is that its teacher will often

be very largely ignorant of quite what is going on inside, although he

may still be able to some extent to predict his pupil's behavior.

(TURING, 1950, p.459)

Alan Turing (1950) teoriza com esta frase o conceito principal de Inteligência

Artificial Forte. Somente posteriormente este termo viria a ser destacado

definitivamente. No contexto a frase é baseada em comportamento e/ou conduta, os

quais caracterizam definitivamente o Teste de Turing.

A expressão "O Teste de Turing” é mais propriamente utilizada para se referir

a uma proposta feita por Turing (1950) como uma forma de lidar com a questão de

saber se as máquinas podem pensar. De acordo com Turing, a questão de saber se as

máquinas podem pensar é em si mesma algo que merece discussão. No entanto,

considerando as mais precisas perguntas se um computador digital pode fazer bem

determinado tipo de jogo que Turing descreve como "O jogo da imitação", então,

pelo menos aos olhos de Turing, nós temos uma questão que não admite discussão

precisa. Assim, a frase "O Teste de Turing” é geralmente usada para se referir a

alguns tipos de testes comportamentais para a presença de espírito, ou pensamento,

ou a inteligência em entidades supostamente ocupadas. Assim, por exemplo, às vezes

70

é sugerido que o teste de Turing seja prefigurado no Discurso de Descartes sobre o

método (OPPY et al, 2011).

71

1.2 Projeto de Dartmouth

No verão de 1955 na Universidade de Dartmouth, localizada na cidade de

Hannover, estado de New Hampshire nos Estados Unidos da América, ocorre o que

se considera o nascimento do campo de estudo da inteligência artificial. Este

encontro de dez dos maiores estudiosos no campo da inteligência artificial ocorreu

com o objetivo de serem trabalhadas questões polêmicas com relação ao tema, os

quais são citados como problemas no artigo “A Proposal For The Dartmouth

Summer Research Project On Artificial Intelligence”. Tendo como anfitrião o

professor John McCarthy (1955), este evento marcou o início da intensificação das

pesquisas em inteligência artificial.

We propose that a 2 month, 10 man study of artificial intelligence be carried

out during the summer of 1956 at Dartmouth College in Hanover, New

Hampshire. The study is to proceed on the basis of the conjecture that every

aspect of learning or any other feature of intelligence can in principle be so

precisely described that a machine can be made to simulate it. An attempt

will be made to find how to make machines use language, form abstractions

and concepts, solve kinds of problems now reserved for humans, and improve

themselves. We think that a significant advance can be made in one or more

of these problems if a carefully selected group of scientists work on it

together for a summer. (MCCARTHY, 1955, p. 1)

72

1.3 Inteligência Artificial e “Golden Years”

De 1956 até 1974 ocorre o que foi chamado de “Golden Years” no campo de

estudos da Inteligência Artificial, pois todas as descobertas propostas e programas

desenvolvidos eram muito valorizados e considerados grandes inovações da

tecnologia. Começou-se a se provar nos computadores teoremas geométricos,

soluções de álgebras em um tempo reduzido e questões de instruções simbólicas em

máquinas.

A programming system called LISP (for LISt Processor) has been

developed for the IBM 704 computer by the Artificial Intelligence

group at M.I.T. The system was designed to facilitate experiments with

a proposed system called the Advice Taker, whereby a machine could

be instructed to handle declarative as well as imperative sentences

and could exhibit \common sense" in carrying out its instructions.

(MCCARTHY, 1960, p. 1)

No período de 1956 até 1960 foram apresentadas muitas melhorias e

desenvolvimentos nos direcionamentos dos principais assuntos no campo de

Inteligência Artificial que foram: raciocínio para buscas, linguagem natural, e

projetos particionados chamados na época de micro-words. O otimismo das

descobertas era evidente além dos estudos estarem dando muitos resultados

positivos; Com toda essa euforia foram feitos alguns prognósticos futurísticos das

evoluções sobre onde chegariam os estudos desta nova ciência chamada de

inteligência artificial. Um dos estudiosos a sugerir prognósticos muito otimistas foi

Marvin Minsky, também participante do projeto de Dartmouth que, em sua obra de

1967 entitulada Computation: Finite and Infinite Machines, arrisca alguns palpites

73

evolucionários desta ciência, inclusive pode-se notar um alto grau de entusiasmo

nesse prognóstico.

In from three to eight years we will have a machine with the general

intelligence of an average human being.

(MINSKY, 1970, p. 59)

Foi então que, subsequente a este período, começaram a esboçar e sugir

alguns inventos relevantes ao estudo da inteligência artificial. Como exemplo os

chatterbots. Foi neste momento da história que Joseph Weizenbaum (1966)

desenvolveu o chatterbot chamado ELIZA. Este conseguia manter uma conversa por

chat simulando uma conversa real como se fosse de fato uma pessoa. De fato ELIZA

não pensava, somente respondia as perguntas baseadas em redes semânticas,

relacionando palavras e expressões umas com as outras.

Assim igualmente na época foi apresentado o projeto Dendral (LINDSAY et

al, 1980) com seu pioneiro e inovador software especialista. O objetivo do projeto

Dendral seria desenvolver soluções capazes de encontrar as estruturas moleculares

orgânicas a partir da espectrometria de massa das ligações químicas presentes em

uma molécula desconhecida. Como estas estruturas moleculares orgânicas são

normalmente muito grandes, o número de estruturas possíveis para as moléculas

tende a ser enorme. O Dendral trata o problema deste grande espaço de busca

aplicando o conhecimento heurístico de especialistas em química, para encontrar a

estrutura correta.

74

Outros diversos avanços ocorreram neste período como: redes semânticas,

linguagem de processamento natural, matemática simbólica, programas que jogam

xadrez, robôs com soluções para problemas pontuais e até mesmo o perceptron que

daria origem às redes neurais na computação, interligando definitivamente a

inteligência artificial com as ciências cognitivas através da idéia do conexionismo.

Como foi mencionado no capítulo anterior, o conexionismo é um movimento

das ciências cognitivas que pretende explicar a capacidade intelectual humana

utilizando redes neurais artificiais. As redes neurais são modelos simplificados do

cérebro composto por um grande número de unidades (os análogos de neurônios),

juntamente com os pesos que medem a força das conexões entre as unidades. Este

modelo de pesos para os efeitos das sinapses neuronais que ligam um ao outro tem

levado a experimentosque têm demonstrado uma capacidade de aprender habilidades

tais como reconhecimento facial, leitura e detecção de estrutura gramatical simples.

Os filósofos têm se interessado pelo conexionismo porque este promete oferecer uma

alternativa à teoria clássica da mente: a visão amplamente difundida de que a mente é

algo semelhante a um computador de processamento digital de uma linguagem

simbólica. Exatamente como e em que medida o paradigma conexionista constitui

um desafio ao classicismo tem sido um assunto de debate (GARSON, 2010).

Uma rede neural é constituída por um grande número de unidades que se

unem em um padrão de conexões. Unidades de participação em uma rede são

geralmente agrupadas em três classes: (a) unidades de entrada, que recebem as

informações que são processadas, (b) a produção onde os resultados do tratamento

são encontrados (c) e entre as unidades designadas por unidades ocultas. Se uma rede

75

neural fosse usada para modelar o sistema nervoso humano total, as unidades de

entrada seriam análogas aos neurônios sensoriais, as unidades de saída para os

neurônios motores, e as unidades escondidas para todos os outros neurônios.

FIGURA 4

REPRESENTAÇÃO DE UMA REDE NEURAL

FONTE: http://nnf.sourceforge.net/nnf1/doc/neuralnetworks.html

76

1.4 Primeira decepção “First AI Winter”

A evolução contínua da inteligência artificial durou até 1974, ocorrendo uma

grande parada nas evoluções e investimentos na área, chamada pelos estudiosos de

First AI Winter. De 1974 a 1980, este período foi marcado por insucessos e

decepções nas aplicações consideradas promissoras no campo da inteligência

artificial, como foi o caso do tradutor de idiomas pelo computador, o qual seria mais

caro, menos confiável e mais lento que a tradução humana. Também foi motivo de

desestimulo nos estudos em inteligência artificial o baixo poder computacional o

qual postergou o sucesso de alguns projetos da época. O resultado foi um período

sem incentivos financeiros substanciais nas pesquisas, portanto de muito pouco

progresso.

As agências que financiavam as pesquisas em inteligência artificial ficaram

frustradas com a falta de progresso e, eventualmente, cortaram quase todos os

investimentos para as pesquisas no campo de estudo. Existiam grandes expectativas

inclusive para avanços militares consideravelmente diferenciáveis para quem

obtivesse os resultados almejados.

Exemplificando o declínio da área que ocorreu em 1973, o professor James

Lighthill entregou o relatório sobre o estado da investigação na Inglaterra, criticando

o fracasso de toda a pesquisa em inteligência artificial, o qual visava alcançar

objetivos grandiosos e acarretou no desmantelamento de pesquisa daquele país. O

relatório mencionou especificamente o problema da explosão combinatória como

uma razão para falhas em inteligência artificial.

77

Systematic comment on the main section, entitled Past

Disappointments is difficult because of the strange way the subject is

divided up but here are some remarks:

1. Automatic landing systems for airplanes are offered as a field in

which conventional engineering techniques have been more successful

than AI methods…

2. Lighthill is disappointed that detailed knowledge of subject matter

has to be put in if programs are to be successful in theorem proving,

interpreting mass spectra, and game playing…

3. A further disappointment is that chess playing programs have only

reached an ``experienced amateur'' level of play…

4. Lighthill discusses the combinatorial explosion problem as though

it were a relatively recent phenomenon that disappointed hopes that

unguided theorem provers would be able to start from axioms

representing knowledge about the world and solve difficult

problems… (Mccarthy, 2000, p.2)

Hans Moravec também criticou e julgou severamente como causa da crise as

previsões irrealistas e os prognósticos excessivamente otimistas dos seus colegas de

campo de estudo.

The enormous shortage of ability to compute is distorting our work,

creating problems where there are none, making others impossibly

difficult, and generally causing effort to be misdirected. Shouldn't this

view be more widespread, if it is as obvious as I claim?

(MORAVEC, 1976, p. 28)

Após este turbulento período no campo de estudo da inteligência artificial,

John Searle (1980) definiu o conceito de inteligência artificial forte, nas observações

78

de sua publicação Minds, Brains, and Programs. Esta apresenta uma forte

contestação na questão da criatividade em computadores inteligentes.

79

1.5 O Quarto Chinês

O Quarto Chinês de Searle (1980) confronta a metodologia de avaliação do

Teste de Turing, o qual sugere abstratamente um quarto fechado com uma pessoa

dentro simbolizando o computador, e a interface entre o mundo externo e a sala fosse

apenas a fenda que fica embaixo ao se fechar uma porta. O Quarto Chinês consiste

em que uma pessoa insira um cartão com palavras em Chinês pela fenda debaixo da

porta do quarto. Dentro do quarto existe uma pessoa, que não tem conhecimento do

idioma Chinês, porém possui uma tabela de relação entre símbolos em chinês que

serão colocados para dentro da sala e o qual deve ser devolvido para fora da sala,

portanto o sujeito recebe o cartão e procura imediatamente o cartão correspondente

para devolver por debaixo da porta do quarto. Com essa analogia Searle (1980) abre

uma discussão relacionando entendimento dos símbolos e não apenas correlação

entre eles, e encontra argumentos para diferenciar inteligência artificial forte de

inteligência artificial fraca:

…I find it useful to distinguish what I will call "strong" AI from

"weak" or "cautious" AI (Artificial Intelligence). According to weak

AI, the principal value of the computer in the study of the mind is that

it gives us a very powerful tool. For example, it enables us to

formulate and test hypotheses in a more rigorous and precise fashion.

But according to strong AI, the computer is not merely a tool in the

study of the mind; rather, the appropriately programmed computer

really is a mind, in the sense that computers given the right programs

can be literally said to understand and have other cognitive states. In

strong AI, because the programmed computer has cognitive states, the

programs are not mere tools that enable us to test psychological

80

explanations; rather, the programs are themselves the explanations…

(SEARLE, 1980, p. 418)

FIGURA 5

REPRESENTAÇÃO DA TEORIA DO QUARTO CHINÊS

FONTE: http://ibtokspot.blogspot.com/2009_10_01_archive.html

O argumento do quarto chinês, inventado por John Searle (1980), é um

argumento contra a possibilidade da existência de inteligência artificial forte. O

argumento tem a intenção de mostrar que, enquanto os computadores adequadamente

programados podem aparecer para conversar em linguagem natural, eles não são

capazes de entender a língua, mesmo em princípio. Searle argumenta que a

experiência do pensamento ressalta o fato de que os computadores só usam as regras

sintáticas para manipular seqüências de símbolos, mas não têm compreensão do

significado ou semântica.

O argumento de Searle é um desafio direto aos defensores da inteligência

artificial, e o argumento também tem amplas implicações para as teorias

funcionalistas e computacionais do significado e da mente. Muitas das questões

levantadas pelo argumento do quarto chinês não podem ser resolvidas até que haja

81

um consenso sobre a natureza do significado, sua relação com a sintaxe, e sobre a

natureza da consciência. Continua a haver divergências significativas sobre os

processos que criam significado, compreensão e consciência, assim como o que pode

ser comprovado a priori pelos experimentos de pensamento. (COLE, 2009)

Searle (1990) produziu uma versão mais formal do argumento de que o

quarto chinês faz parte. A parte do argumento que deve ser controversa é A3 (ver

abaixo), e é este ponto que o pensamento da experiência do quarto é destinado a

provar. Ele começa com três axiomas:

(A1) "Os programas são formais (sintáticos)": Um programa usa a sintaxe

para manipular símbolos e não presta atenção à semântica dos símbolos. Ele sabe

onde colocar os símbolos e como movê-los, mas não sabe o que eles representam ou

o que eles significam. Para o programa, os símbolos são objetos físicos, como

quaisquer outros.

(A2) "Mentes têm conteúdo mental (semântica)": Ao contrário dos símbolos

usados por um programa, nossos pensamentos têm um significado: eles representam

coisas e sabemos o que é que eles representam.

(A3) "Sintaxe, por si só não é constitutiva de nem suficiente para a

semântica": Isto é o que o argumento do quarto chinês pretende provar: a sala

chinesa tem uma sintaxe (porque não há um homem lá que se desloca em torno de

símbolos). O quarto chinês não tem semântica (porque, segundo Searle, não há

ninguém ou nada no quarto que compreende o que os símbolos significam).

82

Portanto, tendo sintaxe não é suficiente para gerar a semântica. Searle (1990)

propõe as seguintes conclusões:

(C1) Programas não são constitutivos suficiente para equiparar à mente. Eles

devem seguir sem controvérsia a partir dos três primeiros: Programas não têm

semântica. Os programas têm somente a sintaxe e a sintaxe não é suficiente para a

semântica. Cada mente tem semântica. Portanto, os programas não são mentes.

Grande parte do argumento tem a intenção de mostrar que a inteligência

artificial nunca produzirá uma máquina com uma mente de escrever programas que

manipulam símbolos.

O restante do argumento trata de uma questão diferente. (A4) Cérebro causa

mente. Searle (1990) afirma que podemos deduzir "imediatamente" e "trivial" que:

(C2) Qualquer outro sistema capaz de provocar mentes teria que ter poderes causais

(pelo menos) equivalentes aosàs do cérebro. O cérebro deve ter algo que faz com que

a mente exista. A ciência ainda tem que determinar exatamente o que é, mas ele deve

existir, porque a mente existe. Searle chama de "poderes causais". "Poderes causais"

é o que o cérebro usa para criar uma conta. Se nada mais pode causar uma mente

para existir, ele deve ter "poderes causais equivalentes". "Equivalentes poderes

causais" é tudo aquilo que poderia ser usado para constituir uma idéia.

A partir disso, ele deriva a novas conclusões: (C3) Qualquer artefato que

produziu fenômenos mentais, qualquer cérebro artificial, teria de ser capaz de

83

duplicar os poderes causais específicos do cérebro, e não poderia fazer isso somente

executando um programa formal.

Disso decorre C1 e C2: Como nenhum programa pode produzir uma mente e

"poderes causais equivalentes" para produzir mentes, segue-se que os programas não

têm "poderes causais equivalente."

(C4) A forma que o cérebro humano realmente produz fenômenos mentais

não pode ser exclusivamente por força de execução de um programa de computador.

Desde que os programas não têm "poderes causais equivalentes", "poderes causais

equivalentes" para produzir mentes e são os cérebros que produzem mentes, segue-se

que os cérebros não usam programas para produzir mentes.

84

1.6 A retomada dos investimentos nos estudos

Na década de 1980 formas de aplicações especialistas em inteligência

artificial chamados de sistemas especialistas foram amplamente adotados pelas

corporações ao redor do mundo e o conhecimento tornou-se o foco de pesquisas

intensas no campo de aplicação de inteligência artificial, impulsionando

comercialmente a área de estudo. Essas aplicações, chamadas de sistemas

especialistas, são uma forma artificial de compilar e reproduzir o conhecimento,

capacidade analítica e de execução de uma específica tarefa relizada da melhor forma

que poderia ser, por um ou mais especialistas humanos. O primeiro sucesso de

aplicação foi o projeto Dendral (LINDSAY et al, 1980) já citado anteriormente.

Nos anos seguintes, o governo japonês lançou o projeto da quinta geração de

computadores, consequentemente o estudo também da inteligência artificial

aumentou. Em 1981, o Ministério japonês do Comércio Internacional e Indústria

financiaram agressivamente o projeto do computador da quinta geração. Seus

objetivos foram escrever programas e construir máquinas que pudessem continuar

conversações, traduzir línguas, interpretar imagens, e buscar a criação da razão como

nos seres humanos. Muito a contragosto, eles escolheram o Prolog (uma linguagem

de lógica de programação com propósito geral associado à inteligência artificial e

lingüística computacional) como linguagem de programação principal para esse

projeto.

O Reino Unido também investiu fortemente no projeto de Alvey, cuja

proposta era de simplesmente reagir ao projeto de quinta geração de computadores

85

do Japão. As principais áreas de foco do programa Alvey foram: integração larga

escala de tecnologia para microeletrônica (VLSI - very large scale integration),

sistemas baseados em conhecimento inteligente (IKBS - Intelligent Knowledge Based

Systems) ou inteligência artificial (AI – Artificial Intelligence), engenharia de

software, interface Homem-Maquina (incluíndo processamento de linguagem

natural) e arquitetura de sistemas (para o processamento paralelo).

Também pela corrida tecnológica declarada pelo Japão, um consórcio de

empresas norte-americanas formou a Microelectronics e Computer Technology

Corporation (MCC) para financiar os projetos de grande dimensão em tecnologia da

inteligência artificial e da informação. O próprio departamento de defesa dos Estados

Unidos (DARPA) também respondeu fortemente, fundando a Strategic Computing

Initiative e triplicando seu investimento em inteligência artificial entre 1984 e 1988.

When it began in 1982, Japan`s Fifth Generation Computer system

project caught the imagination of the computing world. Responses of

all kinds, including criticism, praise and initiation of competing and

cooperative projects, have combined in a kind of Fifth Generation

“hysteria” that has touched most of the world computing community

(GOEBEL, 1986, p. 1)

Os sistemas baseados em conhecimento (sistemas especialistas) e engenharia

do conhecimento tornaram-se um grande foco da pesquisa e avanços nesse período.

Os anos 1980 também viram o nascimento de Cyc, a primeira tentativa de atacar o

problema do conhecimento do senso comum diretamente, criando um enorme banco

de dados que contém todos os fatos banais que uma pessoa comum sabe. Douglas

86

Lenat, que iniciou e liderou o projeto, argumentou que não há nenhum atalho - a

única forma de máquinas saberem o significado dos conceitos humanos é ensiná-los,

um conceito de cada vez, com a mão. O projeto não teve previsão para ser concluído

durante muitas décadas.

O conceito de Engenharia do Conhecimento surgiu em 1983 por Edward

Feigenbaum, e Pamela McCorduck. Tornou-se uma disciplina de engenharia que

envolve o conhecimento de integração nos sistemas de computador, a fim de resolver

problemas complexos que normalmente exigem um elevado nível de conhecimentos

humanos.

Atualmente, refere-se à construção, manutenção e desenvolvimento de

sistemas baseados em conhecimento, tem muita coisa em comum com a engenharia

de software, e é usado em muitos domínios da inteligência artificial em bases de

dados, mineração de dados, sistemas especialistas, sistemas de apoio à decisão e

sistemas de informação geográfica. A engenharia do conhecimento também está

relacionada com a lógica matemática, bem como fortemente envolvida nas ciências

cognitivas e na engenharia sócio-cognitiva onde o conhecimento é produzido por

agregados sócio-cognitivos (principalmente humanos) e é estruturado de acordo com

a nossa compreensão de como raciocínio e lógica humana funcionam.

In the Eighties, Knowledge Engineering (KE) was set up as a new

discipline in Artificial Intelligence with the objective of providing

methods and tools for constructing knowledge based systems in a

systematic and controllable way. Research in KE resulted in major

achievements with respect to the structuring of knowledge models as

87

well as the systematic construction and reuse of such knowledge

models. In spite of these technical achievements, KE did not get a

widespread attention in the past maybe this situation mirrored the still

rather limited success story of knowledge-based systems in general.

(STUDER et al, 2000, p. 1)

88

1.7 A Segunda parada “Second AI Winter”

Conforme cita Pamela McCorduck (2004), o fascínio da comunidade

empresarial com a inteligência artificial levantou-se e caiu na década de 80, no

padrão clássico de uma bolha econômica. O desmoronamento deu-se na percepção

decepcionadora da area por agências governamentais e investidores que mais uma

vez apostaram alto em projetos muito audaciosos.

O primeiro indício do declínio foi o súbito colapso do mercado de hardware

especializado em inteligência artificial de 1987. Os computadores da Apple e da IBM

foram ganhando velocidade e potência na época, e em 1987 eles se tornaram mais

poderosos que as máquinas mais caras LISP feitas especialmente para pesquisas em

inteligência artificial. Com a obsolecência das máquinas LISP, todas essas indústrias

foram extintas. Eventualmente, os primeiros sistemas especialistas de sucesso,

mostraram-se muito caros para manter. Eram difíceis de atualizar, plausíveis ainda de

cometer erros grotescos quando administrados de forma não ideal, e eles foram

vítimas de problemas de qualificação, ou seja, os sistemas especialistas se mostraram

úteis apenas em algumas aplicações especiais.

As entidades governamentais, que investiram na inteligência artificial,

redirecionaram os investimentos para áreas de mais rápido e mais visível retorno.

Chegado o ano de 1991, comparou-se a impressionante lista de metas a serem

atingidas, escritas em 1981, com a euforia do projeto de quinta geração de

computadores do Japão, as quais ainda não haviam sido cumpridas. As expectativas

haviam sido novamente muito maiores do que era realmente possível se executar.

89

No final dos anos 80 com a crise da área, pesquisadores defenderam uma

abordagem totalmente nova para a inteligência artificial, baseada em robótica. Eles

acreditavam que, para mostrar a verdadeira inteligência, uma máquina precisa ter um

corpo, sugeriam que a máquina precisaria perceber, mover-se, sobreviver e lidar com

o mundo. Eles argumentaram que essas habilidades sensório-motoras são essenciais

para as competências de nível superior como o raciocínio do senso comum e que o

raciocínio abstrato era realmente o mínimo de habilidade interessante ou importante.

Defendem assim a construção da inteligência "de baixo para cima."

First, robots will soon be able to do everything human beings do, only

better. ("Soon" to a scientist doesn't mean next week. He's talking about

within 50 years.) Second, that they will go on to do many things we can't

do. Third, that they will take over first Earth and then the universe.

(PERRIN, 1988, p. X08)

A abordagem reviveu as idéias da cibernética e da teoria de controle que

haviam sido impopulares desde os anos sessenta. O percursor David Marr (1980) nos

anos 70, partindo de um histórico de sucesso na neurociência teórica começaria a

pesquisar e estudar a visão. Ele rejeitou todas as abordagens simbólicas de McCarthy

(1960) e as estruturas de Minsky (1974), argumentando que seria necessário para a

inteligência artificial compreender os mecanismos físicos de visão de baixo para

cima, antes que qualquer processamento simbólico ocorresse.

O pesquisador de robótica Rodney Brooks mirou direto na hipótese física do

sistema simbólico, argumentando que os símbolos não eram sempre necessários, uma

vez que o mundo é o seu melhor modelo. Na década de 80 e 90, muitos cientistas

90

cognitivos também rejeitaram o modelo de processamento de símbolos da mente e

argumentaram que o corpo é essencial para o raciocínio, uma teoria chamada de tese

da mente encarnada (cognição encarnada).

There is room for plenty of experimentation, and eventually, when we are

mature enough, there is also room for much theoretical development of

the approaches to Artificial Intelligence based on the physical grounding

hypothesis. (BROOKS, 1990, p. 14)

91

1.8 Atualidades na Inteligência Artificial

A inteligência artificial, após seu meio seculo de existência, finalmente

conseguiu atingir alguns dos seus antigos objetivos. Começaram a ser utilizados

dispositivos tecnológicos com sucesso em toda a indústria, embora gradativamente.

Foram atribuidos a alguns dos sucessos ao aumento do poder computacional e outros

foram alcançados focando em problemas específicos ou isolados e perseguido-os

com os mais elevados padrões de responsabilidade científica. Ainda assim, a

reputação dos estudos em inteligência artificial é muito baixa e os investimentos

ainda considerados arriscados. Dentro da área de estudo houve pouco consenso sobre

as razões do fracasso, mas definitivamente os estudos da área fracassaram neste meio

século de existencia. Juntos, todos esses fatores contribuíram para fragmentar a

inteligência artificial em subcampos concorrentes focados em problemas específicos

ou abordagens que, por vezes, mesmo sob novos nomes, disfarçaram o resultado

negativo globalmente.

Em 11 de maio de 1997, o Deep Blue se tornou o primeiro sistema de

computador que joga xadrez, ganhando de um campeão de xadrez mundial, Garry

Kasparov, apesar das condições terem sido muito contestadas. O computador Deep

Blue era cerca de 10 milhões de vezes mais rápido que o Ferranti Mark 1, primeiro

computador disponível para ser comercializado, ao qual Christopher Strachey

ensinou a jogar xadrez em 1951. Este aumento visível do poder computacional,

durante o intervalo citado, é medido pela lei de Moore que prevê que a capacidade de

velocidade e memória dos computadores dobra a cada dois anos. O problema

92

fundamental de baixo poder computacional está sendo aos poucos superado

(KURZWEIL, 2005).

FIGURA 6

REPRESENTAÇÃO DA LEI DE MOORE EM DESEMPENHO DE PROCESSADOR

FONTE: KURZWEIL, 2005, p. 64

Um novo paradigma chamado de "agentes inteligentes" se tornou amplamente

aceito nos anos 90, embora os pesquisadores anteriores houvessem proposto modular

abordagem para a inteligência artificial. A definição de agente inteligente passou por

estudos de Jon Doyle (1983), que na verdade era de formação em psicologia.

Rational psychology is not the study of rational agents, but instead the

mathematical approach to the problems of agents and their actions,

whether these agents and actions are themselves thought rational or

irrational. (DOYLE, 1983, p. 2)

93

Solidificando o conceito, um agente inteligente é um sistema que percebe seu

ambiente e realiza ações que maximizam suas chances de sucesso. O mais simples

dos agentes inteligentes são programas que resolvem problemas específicos. O mais

complexo sistema de agente inteligente seria a inteligência artificial forte. Estudiosos

e cientistas da mente citam que o paradigma de agentes inteligentes definiria a

pesquisa em inteligência artificial como sendo o estudo desses mesmos agentes

(inteligentes), ou seja, como o problema principal do estudo da área. Isto vai além do

estudo da inteligência humana, pois estuda quaisquer tipos de inteligência.

Com o desafio lançado, foi apresentado o SOAR (Symbolic Cognitive

Architecture), um dos muitos sistemas de inteligência artificial que têm tentado

fornecer uma organização apropriada de ação inteligente. SOAR é ser capaz de: (a)

trabalhar em toda a gama de tarefas, desde rotinas altamente complexas, (b)

empregar toda a gama de métodos de resolução de problemas e representações

necessárias, e (c) aprender sobre todos os aspectos das tarefas e seu desempenho

neles. SOAR funcionou como um sistema experimental desde meados de 1982 em

OPS5 e LISP (LAIRD et al, 1987).

O paradigma dos pesquisadores mudou dos estudos de problemas para

encontrar soluções isoladas que estavam pendentes. Com a linguagem comum para

descrever os problemas e compartilhar suas soluções uns com os outros e com outros

campos quais também usaram conceitos de agentes abstratos, como a economia e a

teoria de controle.

94

Soar embodies eleven basic hypotheses about the structure of an

architecture for general intelligence:

1. Physic-al symbol-system hypothesis: A general intelligence must be

realized with a symbolic system.

2. Goal-structure hypothesis: Control in a general intelligence is

maintained by a symbolic goal system.

3. Uniform elementary-representation hypothesis: There is a single

elementary representation for declarative knowledge.

4. Problem-space hypothesis: Problem spaces are the fundamental

organizational unit of all goaldirected behavior.

5. Production-system hypothesis: Production systems are the appropriate

organization for encoding all long-term knowledge.

6. Universal-subgoaling hypothesis: Any decision can be an object of

goal-oriented attention.

7. Automatic-subgoaling hypothesis: All goals arise dynamically i,

response to impasses and are generated automatically by the

architecture.

8. Control-knowledge hypothesis: Any decision can be controlled by

indefinite amounts of knowledge, both domain dependent and

independent.

9. Weak-method hypothesis: The weak methods form the basic methods of

intelligence.

10, Weak-method emergence hypothesis: The weak methods arise

directly from the system responding based on its knowledge of the task.

11. Uniform-learning hypothesis: Goal-based chunking is the general

learning mechanism. (LAIRD et al, 1987, p. 57)

Na mesma época, os pesquisadores começaram a desenvolver e utilizar

ferramentas sofisticadas de matemática mais do que eles jamais tiveram no passado.

Houve uma percepção generalizada de que muitos dos problemas da inteligência

artificial estavam sendo trabalhados fortemente com a matemática. Altamente

95

influente Judea Pearl (1985) trouxe a probabilidade e teoria da decisão para a

inteligência artificial. Entre as muitas ferramentas inovadoras, estavam as redes

Bayesianas, modelos ocultos de Markov, teoria da informação, modelagem

estocástica e otimização clássica. Foram também aperfeiçoadas as aplicações para os

paradigmas da inteligência computacional, como nas redes neurais e nos algorítimos

evolutivos.

This study was motivated by attempts to devise a computational model

for humans` inferential reasoning, namely, the mechanism by which

people integrate data from multiple sources and generate a coherent

interpretation of that data. Since the knowledge from which inferences

are drawn is mostly judgmental - namely, subjective, uncertain,

incomplete - a natural place to start would be to cast the reasoning

process in the framework of probability theory. (PEARL, 1985, p. 3)

Com o tempo, a inteligência artificial estava resolvendo alguns de seus

problemas complicados, algoritmos desenvolvidos com os desenvolvimentos da área

estavam aparecendo em sistemas maiores. A mineração de dados, reconhecimento de

fala, os aplicativos de diagnose na medicina, os programas de robótica, os softwares

bancários, assim como os algorítimos de busca do Google, foram frutos da constante

pesquisa da área, porém todos estes anos de estudos e a sensação de fracasso da área,

reduziram-na a apenas uma ferramenta da computação.

At its low point, some computer scientists and software engineers

avoided the term artificial intelligence for fear of being viewed as wild-

eyed dreamers (MARKOFF, 2005)

96

2 DESAFIOS NA ARTIFICIALIZAÇÃO

Existem ainda muitos questionamentos relevantes no campo da inteligência

artificial até alcançar a chamada inteligência artificial forte. Em 1968, na obra “Uma

odisséia no Espaço”, Arthur C. Clarke e Stanley Kubrick imaginaram que, no ano de

2001, uma máquina existiria com uma inteligência que corresponderia ou excederia a

capacidade dos seres humanos. O personagem criado, HAL 9000, foi baseado na

ciência e muitos investigadores principais em inteligência artificial também

acreditavam que uma máquina desse tipo existiria até o ano de 2001. O grande

questionamento com relação ao fato de não existir atualmente uma máquina similar

ao HAL 9000, seria por quê?

As opiniões divergem e variam de questões centrais das ciências cognitivas

até a suficiência do poder computacional atual necessáio para desempenhar tais

atividades. Abaixo estão alguns questionamentos filosóficos das ciências cognitivas

relevantes para o desenvolvimento da inteligência artificial forte (Thagard, 2009): (a)

Inato: Até que ponto o conhecimento é inato ou adquirido pela experiência?

Comportamento humano é moldado principalmente pela natureza ou a criação? (b)

Idioma do pensamento: Será que o cérebro humano funciona com um código de

linguagem, como ou com uma arquitetura conexionista mais geral? Qual é a relação

simbólica entre modelos cognitivos através de regras e conceitos e modelos de

subsimbólico usando redes neurais? (c) A imagem mental: Será que a mente humana

pensa com visual e outros tipos de imagens, ou apenas com representações de

linguagem como? (d) A psicologia popular: A compreensão cotidiana de uma pessoa

com outras pessoas consiste em ter uma teoria da mente, ou de simplesmente ser

97

capaz de simulá-la? (e) Significado. Como as representações mentais adquirem

significado ou o conteúdo mental? Até que ponto o significado de uma representação

depende de sua relação com outras representações, a sua relação com o mundo, e sua

relação com uma comunidade de pensadores? (f) identidade mente-cérebro. Estados

mentais são estados do cérebro? Ou eles podem ser realizados pelos Estados que

multiplicam outro material? Qual é a relação entre a psicologia e a neurociência? O

materialismo é verdade? (g) O livre-arbítrio. É a ação humana livre ou simplesmente

causada por eventos cerebrais? (h) Psicologia Moral. Como mentes / cérebros fazem

julgamentos éticos? (i) O sentido da vida. Como se pode entender mentes

naturalisticamente como cérebros e encontrar valor e sentido? (j) Emoções. Quais

são as emoções, e que papel elas desempenham no pensamento? (k A doença mental.

Quais são as doenças mentais, e como são os processos psicológicos e neurológicos

relevantes para a sua explicação e tratamento? (l) Aparência e realidade. Como

mentes / cérebros formam e avaliam as representações do mundo externo? (m)

Ciências Sociais. Como as explicações das operações da mente interagem com

explicações sobre as operações dos grupos e das sociedades?

Os estudiosos, particularmente mais envolvidos com a área de inteligência

artificial e aplicações, divergem e encaram também como inimigo deste

desenvolvimento o poder computacional:

Processor performance in MIPS has doubled every 1.8 years per

processor... it`s a conservative projection to expect detailed and realistic

models of all brain regions by the late of 2020s.

(KURZWEIL, 2005, p. 64 and 293)

98

Kurzweil (2005) adota a posição futurista e talvez muito otimista nos

desenvolvimentos em inteligência artificial. Ele acredita friamente que a solução

destes problemas será evidente com a máxima exploração e descobrimentos no

mapeamento do cérebro. Porém abre uma resalva com relação aos desafios que ele

acha relevantes da linguagem natural.

The three tasks that have to do with human-level understanding of

natural language - reviewing a movie, holding a press conference and

translating speech – are the most difficult. Once we can take down these

signs, we`ll have Turing-level machines, and the era of strong AI will

have start. (KURZWEIL, 2005, p. 64 and 293)

Existem também os que acreditam que o desenvolvimento da inteligência

artificial forte é plenamente possível e seria também uma questão de tempo.

Considerado um dos pais da inteligência artificial pela participação no projeto de

Dartmouth, Marvin Minsk (2006) em The Emotional Machine mapeia pontos chave

do funcionamento da mente em uma visão mais completa, ou seja, começa a sugerir

um estudo focado partindo não somente de questões de inteligência e racionalidade,

mas também estudando a artificialização da mente humana como um todo. Minsk

possui forte frente de pesquisa na questão do commonsense, questões que são

incisivas sobre a artificialização de tomadas de decisões, incluindo as sensações em

sua literatura.

Think on how many states our children engage in the thousand minutes

of each waking day! In this very brief story we`ve touched upon

Satisfaction, Affection and Pride – feelings we think of as positive – and

we also encountered Shame, Fear and Anxiety – conditions we think of as

99

negative. What are the functions of all those mental conditions, and why

do we so often classify then as positive and negative?

(MINSKY, 2006, p. 37)

Para João Teixeira (2009), fica evidente a expectativa com relação à

computação quântica, assim como cita a forte tendência em acreditar em evoluções

com o crescimento do poder computacional. Teixeira (2009) apresenta em seu livro,

um resgate a trabalhar a força bruta. Pode ser entendido como força bruta a sequente

tentativa e erro até que se encontre o resultado certo. Cabe lembrar que quanto maior

o poder computacional da máquina, melhor o desempenho para a resposta.

Outra alternativa é o computador quântico. A computação quantica é um

novo campo da ciência da computação que surge da mecânica quântica.

(TEIXEIRA, 2009, p. 13)

A evolução ainda promete muitas novidades, a computação quântica, o

computador óptico, a computação por DNA, e mesmo com todos esses avanços não

se terá a certeza de solucionar esses antigos problemas. Nem mesmo tem-se com

absoluta segurança que algumas variáveis relevantes desses problemas estariam

sendo negligenciadas. Thagard (2009) argumenta que todos os desafios podem ser

melhor atendidos através da expansão e completando a abordagem computacional-

representacional conforme segue: (a) O desafio emoção: as emoções estão sendo

negligenciadas no pensamento humano? (b) O desafio consciência: Está sendo

ignorada a importância da consciência no pensamento humano? (c) O desafio do

mundo: Está sendo ignorado o papel de importantes ambientes físicos no pensamento

humano? (d) O desafio do corpo: Está sendo negligenciada a contribuição da

100

incorporação do pensamento e da ação humana? (e) O desafio social: O pensamento

humano é intrinsecamente social e relevante? (f) Os sistemas dinâmicos desafio: A

mente é um sistema dinâmico, não um sistema computacional? (g) O desafio de

matemática: resultados matemáticos mostram que o pensamento humano não pode

ser computacional no sentido de norma, de modo que o cérebro deve funcionar de

forma diferente, talvez como um computador quântico.

101

CONSIDERAÇÕES FINAIS

Esta dissertação objetivou entender a fundo a conceituação de teorias e

pensamentos nas áreas das ciências cognitivas, representadas por suas especialidades.

Essas especialidades representam mais as questões de funcionamento da mente e

teorias afins, assim como sua direção e expectativa futura.

No campo da filosofia da mente, observam-se as evoluções da questão mente-

corpo que culminam nas atuais teorias de linhagens distintas, uma derivada do

dualismo e a outra derivada do monismo.

As linhagens derivadas do dualismo não são incisivamente comprovadas para

os padrões científicos, ficando ainda indefinições nas próprias derivações do mesmo.

A Mente separada de corpo, este é o paradigma no final da análise sobre o dualismo,

apesar de suas divisões e evoluções filosóficas.

O monismo tem algumas divisões seqüenciais mais coerentes para os estudos

científicos, sendo predecessor do fisicalismo ou materialismo que apóia e

fundamenta a pesquisa no conhecimento biológico. Evolutivamente da filosofia

surge a psicologia, uma ciência com o objetivo de aprofundar os estudos da mente e

seus processos em geral.

A psicologia cognitiva basicamente fomenta fortemente a área de ciências

cognitivas, com várias análises nas questões de: percepção, categorização, memória,

102

representação do conhecimento, cognição numérica, linguagem e pensamento. Esta

ciência se torna intensamente interconectada em suas teorias e estudos com a

neurociência cognitiva, lingüística cognitiva, semiótica cognitiva e inteligência

artificial.

Com a evolução da psicologia cognitiva chega-se ao conexionismo, uma

teoria que engloba o modelamento de interconexão de unidades, com o intuito de

formar uma rede, geralmente representada por redes neurais. Percebe-se que neste

momento a teoria da área, que foi derivada da filosofia, se funde com conceitos das

neurociências e inteligência artificial.

A neurociência ainda se apresenta como grande vedete dos estudos na

atualidade, com o intuito de pesquisar e obter pistas para melhores formulações de

hipóteses e teorias para todas as ciências cognitivas. Existe ceticismo de alguns

estudiosos e pesquisadores sobre a criação artificial de inteligência.

A neurociência se preocupou desde o inicio em tentar particionar a análise de

funcionamento. Os estudos caminham e cada dia tem-se novidades da área em

termos de descobertas baseadas no mecanicismo.

As tendências dos estudos da neurociência não são completamente lineares e

de clara assimilação, porém além de ainda ter progressos, começam a apontar para

um estudo de sintaxe e signos do processamento da mente. Devido a tal direção o

possível foco de estudos no futuro, que já começa a aparecer, seria o campo da

semiótica cognitiva.

103

A semiótica cognitiva veio com um propósito de analisar como as entradas

(sentidos e percepções) interagem e se representam mentalmente para serem

processadas. Os estudos e análises na semiótica também segundo pesquisa tiveram

início há muito tempo, porém somente nesse contexto das outras ciências

correlacionadas foi criando forma e fazendo maior sentido.

A inteligência artificial teve uma posição praticamente comprovadora das

teorias e suposições das áreas das ciências cognitivas. Isso pode ser constatado na

pesquisa pelos fatos históricos, de modo que seu intermitente fracasso, talvez possa

ser explicado pelo direcionamento incompleto das outras ciências.

Mostra se que muitos parâmetros estão sendo negligenciados no estudo, e

seria essencial para um resultado mais coerente separar os estudos de aprendizagem e

conhecimento dos estudos da emoção e do bom senso.

104

1.HIPÓTESES PARA FUTURAS PESQUISAS

Encerra-se, assim, esta dissertação, com as sugestões futuras de

aprofundamento em estudos de diferentes níveis de dificuldade que se aproximem da

inteligência artificial forte: na questão do paradigma de John Searle (O quarto

Chinês); na questão da influência da emoção e consciência; nas questões de

linguagem / semiótica do pensamento; e em modelagens de máquinas inteligentes no

contexto da inteligência artificial forte.

105

REFERÊNCIAS BIBLIOGRÁFICAS

ANDERSON, J.R.; BOWER, G.H., A propositional theory of recognition memory. Memory & Cognition, Vol 2, No 3. New York: Springer New York. 1973. p. 406-412.

ATKINSON, R.C.; SHIFFRIN, R.M., "Chapter: Human memory: A proposed system and its control processes". In Spence, K.W.; Spence, J.T., The psychology of learning and motivation, Vol 2. New York: Academic Press. 1968. p. 89-195.

BECHTEL, W.; MUNDALE J., Multiple Realizability Revisited: Linking Cognitive and Neural States. Philosophy of Sciences, Vol 66, No 2. The University of Chigaco Press. 1999. p. 175-207.

BLISS, T.V.P.; LOMO, T., Long-Lasting Potentiation of Synaptic Transmission in the Dentate Area of the Anaesthetized Rabbit Following Stimulation of the Perforant Path, J. Physiol. Vol 232. 1973. p. 331-356.

BOGEN, J., Regularities and causality; generalizations and causal explanations. Studies in History and Philosophy of Biological and Biomedical Sciences. Vol 36.

2005. p. 397–420.

BRIGANDT, I.; LOVE, A., Reductionism in Biology. The Stanford Encyclopedia of Philosophy. 2008. Disponível em

<http://plato.stanford.edu/archives/fall2008/entries/reduction-biology/>. Acessado

em 18 de novembro de 2010.

BROADBENT, D.E., Perception and communication. London: Pergamon Press,

1958. p. 338.

BROADMANN, K., Brodmann’s Localisation in the Cerebral Cortex, The Principles of Comparative Localisation in the Cerebral Cortex Based on Cytoarchitectonics. Lausanne: Springer. 1909. p.3-30.

BROOK, A.; MANDIK, P., The Philosophy and Neuroscience Movement. Analyse & Kritik 26. 2004. p. 382-397

BROOKS, R., Elephants Don't Play Chess. Robotics and Autonomous Systems 6.

1990. p. 3−15.

CHURCHLAND, P.S., Neurophilosophy, Toward a Unified Science of the Mind-Brain. Massachusets: the MIT press, 1986. p. 277-301.

106

COLE, D., The Chinese Room Argument, The Stanford Encyclopedia of Philosophy.2009. Disponível em <http://plato.stanford.edu/archives/win2009/entries/chinese-

room/>. Acessado em 30 de setembro de 2010.

CRANE, T., The Mind-Body Problem. Department of Philosophy, London, 1999.

Disponível em <http://www.timcrane.com/>. Data de acesso: 15 de fevereiro de

2011.

DOYLE, J., What is Rational Psychology? Toward a modern mental philosophy. AI Magazine, Vol 4, No 3. 1983. p. 50–53.

FLANAGAN, J.R.; LEDERMAN, S.J., Feeling bumps and holes. Nature, Vol 412.

2001. p. 389-391

FODOR, J., The Language of Thought. Thomas Y. Crowell Co., Paperback, Harvard University Press. 1975.

GARDNER, H., Estruturas da Mente: A teoria das Inteligências Multiplas. Porto

Alegre: Artmed, 1994.

GARSON, J., Connectionism, The Stanford Encyclopedia of Philosophy . 2010.

Disponível em <http://plato.stanford.edu/archives/win2010/entries/connectionism/>.

Acessado em 5 de outubro de 2010.

GAZZINAGA, M.S., A Judge’s Guide to Neuroscience. What is cognitive neuroscience?. University of California, Santa Barbara. 2010. p.1-71.

GOEBEL, R., The Fifth Generation: making computers easy to use?, Department of Computer Sciences, University of Waterloo. 1986.

GOOD, I.J., Speculations Concerned of the First Ultraintelligent Machine.Advances in computer, Vol 6, New YorK: Academic Press Inc.. 1965. p.31-36

GOTTFREDSON, L.S., Mainstream Science on Intelligence. 1994, dezembro, 13:

página A18. Disponível em

<http://www.udel.edu/educ/gottfredson/reprints/1994WSJmainstream.pdf>. Acesso

em 27 julho de 2010.

HEIL, J., Philosophy of Mind: a contemporary introduction. London: Routeledge.

1998.

HOWARD, R., Dualism. The Stanford Encyclopedia of Philosophy. 2009.

Disponível em <http://plato.stanford.edu/archives/fall2009/entries/dualism/>. Acesso

em 10 de março de 2010.

107

KRIEGEL, U., Is Intentionality dependent upon consciousness?. Philosophical Studies 116. Dordrecht: Kluwer Academic Publishers, 2003. p. 271-307.

KURZWEIL, R., The singularity is near: When humans transcend biology. New York: Penguin Book. 2005.

LACKOFF, G., Women, Fire, and Dangerous Things: What Categories Reveal About the Mind. Chicago: University of Chicago Press. 1987. p. 1-57.

LAIRD, J.E.; NEWELL, A.; ROSENBLOOM, P.S., SOAR: An Architecture for General Intelligence, Computer Sciences Division, Office of Naval Research and DARPA. 1987.

LEVIN, J., Functionalism. The Stanford Encyclopedia of Philosophy. 2010.

Disponível em <http://plato.stanford.edu/archives/sum2010/entries/functionalism/>.

Acesso em 21 de março de 2010.

LEVINE, J., Materialism and Qualia: the Explanatory Gap. Pacific Philosophical Quarterly 64. California: University of Southern California. 1983. p. 354-361.

LINDSAY, R.K.; BUCHANAN, B.G.; FEIGENBAUM, E. A.; LEDERBERG, J.,

Applications of Artificial Intelligence for Organic Chemistry: The Dendral Project. McGraw-Hill Book Company. 1980.

MACCORQUODALE, K., On Chomsky's Review of Skinner's Verbal Behavior. Journal of the Experimental Analysis of Behavior, 13, No 1, Janeiro. Minessota,

1970. p. 83-99.

MACH, E., The Analysis of Sensation and the Relation of the Physical to the Psychical. London: The open court publishing company. 1914. p. 1-38.

MARKOFF, J., Behind Artificial Intelligence, a Squadron of Bright Real People.

New York Times, published: October 14. 2005. Disponível em

<http://www.nytimes.com/2005/10/14/technology/14artificial.html?_r=1>. Acesso

em 15 de dezembro de 2010.

MCCARTHY, J., A Proposal For The Dartmouth Summer Research Project On Artificial Intelligence. Hannover. 1955. Disponível em <http://www-

formal.stanford.edu/jmc/history/dartmouth/dartmouth.html>. Acesso em 13 de julho

de 2009.

MCCARTHY, J., What is Artificial Intelligence?. Computer Science Department, Stanford University, revised November 12. 2007. Disponível em < http://www-

formal.stanford.edu/jmc/whatisai/whatisai.html>. Acesso em 26 de agosto de 2008.

108

MCCARTHY, J., Recursive Functions of Symbolic Expressions and Their Computation by Machine, Part I.1960.

MCCARTHY, J., Review of “Artificial Intelligence: A General Survey”. Computer Science Department, Stanford University. 2000. Disponível em <http://www-

formal.stanford.edu/jmc/reviews/lighthill/lighthill.html>. Acesso em 22 de setembro

de 2009.

MCCLELLAND, J.L.; RUMELHART, D.E.; HINTON, G.E., In Parallel Distributed Processing: Foundations, Vol. 1. 1986. p. 3-44.

MILLER, G.A., The cognitive revolution: a historical perspective. TRENDS in Cognitive Sciences, New Jersey, Vol.7 No.3 Março. 2003. p. 141-144.

MILLER, G.A., The Magical Number Seven, Plus or Minus Two Some Limits on Our Capacity for Processing Information. The Psychological Review, Philadelfia,Vol.101, No.2, Maio. 1955. p. 343-351.

MINSKY, M., A Framework for Representing Knowledge. MIT-AI Laboratory Memo 306, Massachucets, June. 1974.

MINSKY, M., Meet Shakey, the First Electronic Person. Life Magazine. New York:

Life Magazine, 1970. p. 58-68.

MINSKY, M., The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. New York: Simon & Schuster. 2006.

MORAVEC, H., The Role of Raw Power in Intelligence, Stanford AI Lab. 1976.

NEISSER, U., Intelligence: Knowns and Unknowns. American Psycologist. Atlanta: AP editor, Fevereiro. 1996. p. 77-101.

NEWELL, A.; SHAW, J.C., Programming the Logic Theory Machine. Los Angeles: Proceedings of the Western Computer Conference, 1957. p. 230-240.

NEWELL, A; SIMON, H.A., Human Problem Solving: the State of the Theory in 1970. American Psychologist, Vol 26, No 2, Fevereiro. 1971. p. 145-159.

NÖTH, W., Anotações de aulas no Seminário de Doutorado do programa de

Tecnologias da Inteligência e Design Digital da Pucsp, 1o. semestre de 2011.

OPPY, G.; DOWE, D., The Turing Test. The Stanford Encyclopedia of Philosophy. Disponível em <http://plato.stanford.edu/archives/spr2011/entries/turing-test/>.

Acesso em 16 de novembro de 2008.

109

PEARL, J., Bayesian Networks: a Model of Self-Activated Memory for Evidential Reasoning. UCLA Computer Science Department Technical Report 850021 (R-43); Proceedings, Cognitive Science Society, UC Irvine, August 15-17. 1985. p. 329-334.

PERIN, N., Anything We Can do They Can do Better. Washington Post 881023. October. 1988. p. X08. Disponível em

<http://www.frc.ri.cmu.edu/~hpm/book88/reviews/881023.WashPost.html>. Acesso

03 de agosto de 2010.

PLACE, U.T., Is Consciousness a Brain Process. British Journal of Psychology 47,

London, 1956, p. 44–50.

PUTNAM, H., Mind, Language and Reality. Philosophical Pappers, Vol 2.

Cambridge: Cambridge University Press. 1975. p. 429-440.

RAMSEY, W., Eliminative Materialism. The Stanford Encyclopedia of Philosophy.Disponível em <http://plato.stanford.edu/archives/spr2011/entries/materialism-

eliminative/>. Acesso em 10 de janeiro de 2011.

SANTAELLA, L., Matrizes da linguagem e pensamento: sonora visual verbal. 3°

edição. São Paulo: Iluminuras, 2001.

SANTAELLA, L., Navegar no ciberespaço: o perfil cognitivo do leitor imersivo. 3°

edição. São Paulo: Paulus, 2004.

SEARLE, J.R., Minds, Brains and Programs. Behavioral and Brain Sciences 3. Cambridge: Cambridge University Press. 1980. p. 417-457.

SEARLE, J.R., Is the Brain's Mind a Computer Program?, Scientific American 262,

Janeiro. 1990. p. 26-31.

SHANNON, C.E., A Mathematical Theory of Communication. The Bell System Technical Journal, Vol. 27, New Jersey. 1948. p. 379–423, 623–656.

SKINNER, B.F., Can Psychology Be a Science of Mind?. American PsychologistVol.45 No.11 November, 1990. p. 1206-1210.

SMART, J.J.C., The Identity Theory of Mind, The Stanford Encyclopedia of Philosophy. 2008. Disponível em

<http://plato.stanford.edu/archives/fall2008/entries/mind-identity/>. Acesso em 30 de

maio de 2010.

SOEGAARD, M., Gestalt principles of form perception.2010. Disponível em

<http://www.interaction-

design.org/encyclopedia/gestalt_principles_of_form_perception.html>. Acesso em

10 de Janeiro de 2010.

110

SPERLING, G., The information available in brief visual presentations. Psychological Monographs: General and Applied, 74, No 11, whole No 486. 1960.

p. 1-29.

SPURZHEIM, J.G., Phrenology or the Doctrine of the Mental Phenomena, Vol 1.

Philadelphia: J. B. Lippincott Company. 1833. p. 9-99.

STERNBERG, S., High-Speed Scanning in Human Memory, Science, Vol 153. New Jersey: 1966. p. 652-654.

STOJLAR, D., Physicalism. The Stanford Encyclopedia of Philosophy. 2009.

Disponível em <http://plato.stanford.edu/archives/fall2009/entries/physicalism/>.

Acesso em 5 de abril de 2010.

STUDER, R.; DECKER, S.; FENSEL, D.; STAAB, S., Situation and Perspective of Knowledge Engineering. In: Cuena et al. Knowledge Engineering and Agents Technology. IOS Press. 2000.

TEIXEIRA, J.F., Mentes e máquinas: uma introdução à ciência cognitiva. Porto

Alegre: Artes Médicas, 1998.

TEIXEIRA, J.F., Inteligência Artificial. São Paulo: Paulus, 2009.

TEIXEIRA, J.F., O que é Filosofia da Mente?. São Paulo: Brasiliense, 1994.

THAGARD, P., Cognitive Science. The Stanford Encyclopedia of Philosophy. 2010.

Disponível em <http://plato.stanford.edu/archives/sum2010/entries/cognitive-

science/>. Acesso em 05 de novembro de 2009.

TURING, A.M., Computing Machinery and Intelligence. Mind. Oxford: Oxford University Press, 1950. p. 433-460.

TYE, M., Qualia. The Stanford Encyclopedia of Philosophy. 2009. Disponível em

<http://plato.stanford.edu/archives/sum2009/entries/qualia/>. Acesso em 03 de junho

de 2009.

WAUGH, N.C.; NORMAN, D.A., Primary Memory. Psychological Review, Vol 72,

No 2. 1965. p. 89-104.

YALOWITZ, S., Anomalous Monism. The Stanford Encyclopedia of Philosophy.2008. Disponível em <http://plato.stanford.edu/archives/fall2008/entries/anomalous-

monism/>. Acesso em 12 de janeiro de 2011.