Portfólio: Resolvendo Problemas por Busca em Inteligência Artificial

Introdução

A Inteligência Artificial (IA) envolve o estudo de agentes que recebem percepções do ambiente e realizam ações. Definimos IA como o estudo da ação racional e, nesse contexto, o planejamento — elaborar um plano de ação para alcançar objetivos — é uma parte crucial da IA.

A resolução de problemas por busca é uma técnica central em IA para encontrar uma sequência de ações que leve um agente a atingir um objetivo. Newell e Simon argumentaram que esta é a base essencial da resolução de problemas humanos, como um jogador de xadrez examinando movimentos ou um médico considerando diagnósticos alternativos. Embora as primeiras abordagens pudessem ser ineficientes sem orientação adequada, a busca, juntamente com a representação do conhecimento, permanece no cerne da maioria dos trabalhos modernos em IA.

A busca é uma metodologia de resolução de problemas que explora sistematicamente um espaço de estados, que representa os estágios sucessivos e alternativos no processo de busca pela solução. Exemplos práticos de aplicação da busca incluem layout VLSI (circuitos integrados de larga escala), navegação robótica, sequenciamento de montagem automática e problemas de roteamento. Além disso, a busca tem sido aplicada em áreas como diagnóstico de falhas mecânicas e mesmo no raciocínio baseado em lógica.

A capacidade de um agente de resolver problemas através da busca permite que ele navegue por ambientes complexos, tome decisões sequenciais e encontre caminhos para atingir metas, tornando-se uma ferramenta indispensável para a criação de sistemas inteligentes.

Histórico e Evolução da Busca em IA

A história da busca em IA remonta aos primórdios da disciplina nos anos 1950, quando pesquisadores como Allen Newell e Herbert Simon desenvolveram os primeiros programas de resolução de problemas, como o Logic Theorist e o General Problem Solver (GPS). Estes sistemas pioneiros utilizavam técnicas de busca para provar teoremas matemáticos e resolver quebra-cabeças, respectivamente.

Durante os anos 1960 e 1970, houve avanços significativos com o desenvolvimento de algoritmos como A* por Peter Hart, Nils Nilsson e Bertram Raphael em 1968, que introduziu o conceito de busca heurística eficiente. Este período também viu o surgimento de técnicas como a busca em profundidade iterativa e a busca bidirecional.

Nos anos 1980 e 1990, com o aumento do poder computacional, as técnicas de busca foram aplicadas a problemas mais complexos, incluindo jogos como xadrez, culminando na vitória do Deep Blue da IBM sobre o campeão mundial Garry Kasparov em 1997. Este período também viu a integração de técnicas de busca com métodos probabilísticos e de aprendizado de máquina.

Atualmente, os algoritmos de busca continuam sendo fundamentais em IA, formando a base de sistemas de navegação, planejamento de rotas, diagnóstico médico, e muitas outras aplicações que impactam diretamente nossa sociedade.

Referências Bibliográficas

RUSSELL, S. J.; NORVIG, P. Inteligência artificial. 3. ed. Rio de Janeiro: Elsevier Campus, 2013.

CORMEN, T. H.; LEISERSON, C. E.; RIVEST, R. L.; STEIN, C. Introduction to Algorithms. 3. ed. Cambridge: MIT Press, 2009.

KORF, R. E. Depth-first iterative-deepening: An optimal admissible tree search. Artificial Intelligence, v. 27, n. 1, p. 97-109, 1985.

HART, P. E.; NILSSON, N. J.; RAPHAEL, B. A formal basis for the heuristic determination of minimum cost paths. IEEE Transactions on Systems Science and Cybernetics, v. 4, n. 2, p. 100-107, 1968.

KIRKPATRICK, S.; GELATT, C. D.; VECCHI, M. P. Optimization by simulated annealing. Science, v. 220, n. 4598, p. 671-680, 1983.

HOLLAND, J. H. Adaptation in Natural and Artificial Systems. Ann Arbor: University of Michigan Press, 1975.

KOZA, J. R. Genetic Programming: On the Programming of Computers by Means of Natural Selection. Cambridge: MIT Press, 1992.

SILVER, D. et al. Mastering the game of Go with deep neural networks and tree search. Nature, v. 529, n. 7587, p. 484-489, 2016.

THRUN, S.; BURGARD, W.; FOX, D. Probabilistic Robotics. Cambridge: MIT Press, 2005.

LAVALLE, S. M. Planning Algorithms. Cambridge: Cambridge University Press, 2006.

Histórico de versão

Versão	Data	Modificação	Nome	GitHub
1.0	27/05/2025	Criação do documento	Ana Beatriz Norberto	@ananorberto