Especialistas que entrevistaram especialistas humanos – médicos, geólogos, químicos – e traduziram manualmente seu conhecimento em milhares de regras “se-então” para sistemas especialistas como MYCIN e XCON. O trabalho desapareceu em grande parte quando os sistemas especialistas se revelaram demasiado frágeis e dispendiosos de manter, e a aprendizagem automática estatística substituiu regras escritas à mão por regras aprendidas automaticamente a partir de dados.
Engenheiro de conhecimento já não existe como ofício vivo. Eis o que o apagou, e que profissão assumiu o trabalho.
A ideia e o nome
O artigo de 1943 de Warren McCulloch e Walter Pitts, que modelava neurônios como interruptores lógicos simples, deu aos pesquisadores posteriores um ponto de partida matemático, e a proposta de Alan Turing, de 1950, de um teste prático para inteligência de máquina deu à questão uma forma pública. Ambas as ideias alimentaram o workshop de Dartmouth de 1956, onde John McCarthy e três colegas cunharam a “inteligência artificial” para uma reunião de verão que produziu muito menos progresso técnico do que os seus organizadores esperavam, mas nomearam permanentemente o campo que acabavam de fundar.
O que mais se passava então
Warren McCulloch e Walter Pitts publicam 'Um Cálculo Lógico das Idéias Imanentes na Atividade Nervosa', mostrando que redes de neurônios simplificados, do tipo tudo ou nada, poderiam, em princípio, calcular qualquer função lógica - uma semente teórica mais tarde creditada como o ancestral da rede neural artificial.
Em “Computing Machinery and Intelligence”, publicado na revista Mind, Alan Turing evita a questão “podem as máquinas pensar” e propõe, em vez disso, um teste prático, prevendo que dentro de cinquenta anos uma máquina com cerca de mil milhões de bits de armazenamento enganaria um interrogador médio pelo menos 30% das vezes.
O workshop de verão de oito semanas de John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon em Dartmouth cunha o termo “inteligência artificial” e reúne cerca de dez pesquisadores que viriam a fundar grande parte da agenda de pesquisa inicial da área.
O Perceptron de Frank Rosenblatt, implementado primeiro em software e depois em hardware personalizado em Cornell, aprende a classificar imagens simples ajustando seus próprios pesos de conexão - a primeira demonstração funcional de uma rede neural artificial treinável.
Onde esse trabalho vive agora
Projeta e testa os algoritmos por trás da inteligência das máquinas, em um campo que agora corre para automatizar uma parcela crescente de seu próprio processo de pesquisa.
🤖 Pesquisador de IA →