Inteligncia Artificial e Redes Neurais

Luiz Henrique de Oliveira talo Gomes da Cruz Filipe de Souza Menezes Guilherme Luciano Tadeu Moreira Jos Luiz Gomes da Silva

Introduo Artificial segundo qualquer dicionrio de lngua portuguesa quer dizer produzido por arte ou por indstria; fingido. Inteligncia no dicionrio significa faculdade de pensar, conceber; raciocnio; pessoa de grande capacidade intelectual. Ou seja, IA quer dizer algo com a faculdade de pensar produzido pela indstria. A Inteligncia Artificial (IA) uma rea de pesquisa... da cincia da computao, dedicada a buscar mtodos ou dispositivos computacionais que possuam ou multipliquem a capacidade racional do ser humano de resolver problemas, pensar ou, de forma ampla, ser inteligente. Tambm pode ser definida como o ramo da cincia da computao que se ocupa do comportamento inteligente, ou ainda, o estudo de como fazer os computadores realizarem coisas que, atualmente, os humanos fazem melhor. A ideia inicial de uma mquina ser capaz de aprender algo acabou sendo repensada j que, o comportamento do ser humano muito complexo para ser repassado uma mquina, visto que, era impossvel. Diante das dificuldades encontradas, a IA passou na dcada de 70 e 80 a ser vista como uma recriao do pensamento humano para a elaborao de mquinas capazes de desenvolver procedimentos impossveis a uma pessoa. Deste modo, o ser humano deixou de ser um modelo atual e as mquinas comearam a ser desenvolvidas a partir de suas capacidades tcnicas.

O que Inteligncia Artificial? Pensando Humanamente: O esforo novo e excitante para fazer os computadores pensar... mquinas com mentes, no sentido pleno e literal. A automao de atividades que ns associamos com o pensamento humano, atividades como a tomada de decises, resoluo de problemas, aprendendo... Pensando Racionalmente: O estudo das faculdades mentais atravs da utilizao de modelos computacionais. O estudo dos clculos que torna possvel a perceber, a razo e o ato. Agindo Humanamente: A arte de criar mquinas que executam funes que requerem inteligncia quando realizadas por pessoas. O estudo de como fazer computadores fazer coisas em que, no momento, as pessoas so melhores. Agindo Racionalmente: Inteligncia Computacional o estudo do design de agentes de inteligncia. AI... est preocupado com o comportamento inteligente em artefatos.

Histria A I.A. teve seu incio em 1943, quando os pesquisadores Warrem McCulloch e Walter Pitts desenvolveram um trabalho que simulava uma rede de neurnios artificiais, onde cada neurnio possua um estado ligado ou desligado, dependendo dos estmulos recebidos de seus neurnios vizinhos. Eles demonstraram que qualquer funo computvel podia ser calculada a partir de uma rede de neurnios adequada e que as portas lgicas (E, OU, NO,etc.) podiam ser representadas por uma rede simples de neurnios.

Os dois pesquisadores tambm sugeriram que esse modelo permitisse o aprendizado de mquina. Mais tarde, em 1949, Donald Hebb demonstrou que isso era possvel em seu modelo chamado Aprendizado de Hebb. O termo Inteligncia Artificial foi usado pela primeira vez aps o seminrio de Dartmouth, em 1956, onde diversos pesquisadores se reuniram e apresentaram seus trabalhos no campo, onde Allen Newell e Herbert Simon tiveram maior destaque com o Logic Theorist, um programa que demonstrava teoremas matemticos. Esta fase inicial da IA (1952-1969) foi marcada por grande entusiasmo e otimismo frente aos relativamente grandes progressos na rea nessa poca. Foi criado o General Problem Solver (GPS), a hiptese dos sistemas de smbolos fsicos, a linguagem de programao Lisp, o sistema de compartilhamento de tempo (time sharing) e programas que resolviam problemas com domnios limitados, chamados micromundos, alm, de avanos nas pesquisas de redes neurais.

As aplicaes de IA As aplicaes de IA nem sempre so vista e reconhecidas pelas pessoas, pois no est restrita apenas em grandes invenes e presas em laboratrios sofisticados, mas sim, encontrada no dia a dia. Um bom exemplo de uso dirio da IA o sistema de freio de um carro moderno, ele capaz de determinar a hora e a intensidade que deve ser acionado. Na robtica h muitos exemplos, cientistas criam robs capazes de percorrer caminhos que um ser humano no conseguiria, com a finalidade de coletar informaes. Esses robs so programados para saber se locomover em trajetos difceis, quando h alguma barreira eles conseguem identificar a melhor rota e desviar dos obstculos.

Abaixo alguns exemplos de aplicao de IA: Jogos: O Deep Blue da IBM se tornou o primeiro programa de computador a derrotar o campeo mundial em uma partida de xadrez, ao vencer Garry Kasparov por um placar de 3,5 a 2,5 em um match de exibio. Kasparov disse que sentiu uma nova espcie de inteligncia do outro lado do tabuleiro. O valor das aes da IBM teve um aumento de 18 bilhes de dlares. Ainda hoje h indcios que o jogo foi armado, pois a IBM negou-se a entregar os logs sobre o jogo,

especialistas afirmam que na verdade o jogo foi uma farsa, pois no era a maquina que estava jogando e sim uma equipe de especialistas em xadrez. Diagnstico: Programas de diagnsticos mdicos baseados na analise probabilstica foram capazes de executar tarefas no nvel de um medico especialista em diversas reas da medicina. Heckerman (1991) descreve um caso em que um importante especialista em patologia de gnglios linfticos ridiculariza o diagnstico de um programa em um caso especialmente difcil. Os criadores do programa sugeriram que ele pedisse ao computador uma explicao do diagnstico. A mquina destacou os principais fatores que influenciaram sua deciso e explicou a interao sutil de vrios sintomas nesse caso. Mais tarde, o especialista concordou com o programa. Robtica: Muitos cirurgies agora utilizam robs assistentes em microcirurgias. O HipNav um sistema que emprega tcnicas de viso computacional para criar um modelo tridimensional da anatomia interna de um paciente, e depois utiliza controle robtico para orientar a insero de uma prtese de substituio do quadril. Reconhecimento de linguagem e resoluo de problemas: O PROVERB um programa computador que resolve quebra-cabeas de palavras cruzadas melhor que a maioria dos seres humanos, utilizando restries sobre possveis preenchimentos de palavras, um grande banco de dados de quebra cabeas anteriores e uma variedade fonte de informaes que incluem dicionrios e bancos de dados on-line, como uma lista de filmes e dos atores que participam deles.

O futuro: inteligncia artificial (IA) A inteligncia artificial (IA) certamente uma das reas mais interessantes da robtica. Tambm a que levanta mais discusses. Todo mundo concorda que um rob pode trabalhar numa linha de montagem, mas nem todos querem que os robs sejam inteligentes. O termo inteligncia artificial tambm difcil de ser definido. O nvel mximo de IA seria a criao de uma mquina capaz de pensar igual ao homem. Isso inclui a habilidade de aprender quase tudo, a habilidade de raciocinar, de usar a linguagem e de formular ideias originais. Os roboticistas ainda no chegaram perto deste nvel de inteligncia artificial, mas fizeram muito progresso com IA mais limitada.

A inteligncia artificial das mquinas modernas pode replicar elementos especficos da habilidade intelectual. Os computadores j podem resolver problemas em um mundo limitado. A ideia bsica da inteligncia artificial muito simples, mas a execuo complicada. Primeiro, a IA do rob ou computador coleta dados sobre a situao atravs de sensores ou de uma pessoa que insira estas informaes. O computador compara essas informaes com os dados armazenados e decide o que a informao significa. Ento executa diversas aes e prediz qual ter mais sucesso com base nas informaes coletadas. Claro, o computador s pode resolver problemas que ele foi programado para resolver (ele no precisa ter uma habilidade analtica generalizada). Computadores de xadrez so um exemplo deste tipo de mquina. Alguns robs modernos tambm tm uma habilidade limitada de aprender. Robs aprendizes reconhecem se uma determinada ao (mover as suas pernas de uma certa maneira, por exemplo) alcana um resultado desejado (superar um obstculo). O rob armazena essa informao e tenta executar a mesma ao quando se depara com o mesmo problema. Mais uma vez, isso acontece de maneira bastante limitada. Eles no podem absorver nenhum tipo de informao da mesma maneira que um humano. Alguns robs aprendem imitando os movimentos. No Japo, os roboticistas ensinaram um rob a danar demonstrando os movimentos para ele. Alguns robs podem interagir socialmente. Kismet, um rob do Laboratrio de inteligncia artificial do MIT (em ingls), reconhece a linguagem corporal e entonao da voz de uma pessoa e responde apropriadamente. Os criadores do Kismet esto interessados em entender a interao entre humanos e bebs por meio do tom de voz e informao visual. Este tipo bsico de interao pode ser o fundamento do sistema de aprendizado humano. Kismet e outros robs humanoides do MIT funcionam atravs de um controle de estrutura no convencional. Em vez de utilizar o computador central para cada ao, os robs controlam as aes simples com computadores simples. O diretor do programa, Rodney Brooks, acredita que este modelo mais prximo da inteligncia humana. Ns fazemos a maioria das coisas automaticamente, no precisamos pensar muito para faz-las.

O grande desafio da IA entender como a inteligncia natural funciona. Desenvolver IA no como criar um corao artificial. Os cientistas no tm um modelo simples e concreto para comear a trabalhar. Ns sabemos que o crebro contm bilhes de neurnios e aprendemos por meio de conexes eltricas estabelecidas nestes neurnios. Mas no sabemos exatamente como essas conexes esto relacionadas com o pensamento profundo e com as operaes mais simples. O circuito muito complexo e incompreensvel. Por causa disso, a pesquisa de IA bastante terica. Os cientistas criam hipteses sobre como e por que ns aprendemos e pensamos, e testam essas ideias nos robs. Brooks e seu time focam nos robs humanoides porque eles acham que experimentar o mundo como um humano essencial para desenvolver inteligncia humana. Tambm mais fcil interagir com o rob, o que teoricamente seria melhor para o aprendizado da mquina. Um design fsico de um rob til para entender a anatomia humana e animal, assim como a pesquisa de IA serve para entender como funciona a inteligncia natural. Para alguns roboticistas, este o objetivo mais importante da criao de robs. Outros preveem um mundo onde as mquinas inteligentes convivero em harmonia com os homens e alguns robs mais simples faro tarefas como trabalhos manuais e nas reas de sade e comunicao. Outro grupo acredita que a revoluo da robtica nos transformar em ciborgues, humanos com mquinas integradas. As pessoas, no futuro, vo poder carregar suas mentes em um rob e viver por milhares de anos! De qualquer forma, os robs certamente vo fazer parte da nossa vida no futuro. Nas prximas dcadas, eles vo gradualmente ocupar espao em nossas casas, da mesma maneira que os computadores fizeram na dcada de 1980.

Redes Neurais As redes neurais foram desenvolvidas, originalmente, na dcada de 40, pelo neurofisiologista Warren McCulloch, do MIT, e pelo matemtico Walter Pitts, da Universidade de Illinois, os quais, dentro do esprito ciberntico, fizeram uma analogia entre clulas nervosas vivas e o processo eletrnico num trabalho publicado sobre "neurnios formais". O trabalho consistia num modelo de resistores variveis e amplificadores representando conexes sinpticas de um neurnio biolgico.

Desde ento, mais enfaticamente a partir da dcada 80, diversos modelos de redes neurais artificiais tm surgido com o propsito de aperfeioar e aplicar esta tecnologia. Algumas destas propostas tendem a aperfeioar mecanismos internos da rede neural para aplicao na indstria e negcios, outras procuram aproxim-las ainda mais dos modelos biolgicos originais. As redes neurais artificiais consistem em um mtodo de solucionar problemas de inteligncia artificial, construindo um sistema que tenha circuitos que simulem o crebro humano, inclusive seu comportamento, ou seja, aprendendo, errando e fazendo descobertas. So mais que isso, so tcnicas computacionais que apresentam um modelo inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento atravs da experincia. Uma grande rede neural artificial pode ter centenas ou milhares de unidades de processamento, enquanto que o crebro de um mamfero pode ter muitos bilhes de neurnios.

Por que utilizar Redes Neurais? De acordo com diversas estruturas neurais e algoritmos de aprendizagem propostos por vrios pesquisadores, redes neurais possuem certas caractersticas exclusivas de sistemas biolgicos. Tais caractersticas entram em conflito com os tradicionais mtodos computacionais. Sistemas de computao baseados em redes neurais tem a capacidade de receber ao mesmo tempo vrias entradas e distribu-las de maneira organizada. Geralmente, as informaes armazenadas por uma rede neural compartilhada por todas as suas unidades de processamento. Caracterstica que contrasta com os atuais esquemas de memria, onde a informao fica confinada em um determinado endereo. Em um sistema de rede neural, a informao pode parecer ter representao redundante, porm, o fato de que ela se encontre distribuda por todos os elementos da rede significa que mesmo que parte da rede seja destruda, a informao contida nesta parte ainda estar presente na rede, e poder ser recuperada. Portanto, a redundncia na representao de informaes em uma rede neural, diferente de outros sistemas,

transforma-se em uma vantagem, que torna o sistema tolerante a falhas. Os atributos de uma rede neural, tais como aprender atravs de exemplos, generalizaes redundantes, e tolerncia a falhas, proporcionam fortes incentivos para a escolha de redes neurais como uma escolha apropriada para aproximao para a modelagem de sistemas biolgicos. Redes Neurais Artificiais

Apesar da complexidade das redes neurais no permitir uma nica definio, as linhas seguintes seguem como uma tentativa das inmeras definies ou interpretaes do que seja realmente uma rede neural. Um grafo direcionado um objeto geomtrico que consiste de um conjunto de pontos, chamados ns, ao longo de um conjunto de segmentos de linhas direcionadas entre eles. Uma rede neural uma estrutura de processamento de informao distribuda paralelamente na forma de um grafo direcionado, com algumas restries e definies prprias. Os ns deste grafo so chamados elementos de processamento. Suas arestas so conexes, que funcionam como caminhos de conduo instantnea de sinais em uma nica direo, de forma que seus elementos de processamento podem receber qualquer nmero de conexes de entrada. Estas estruturas podem possuir memria local, e tambm possuir qualquer nmero de conexes de sada desde que os sinais nestas conexes sejam os mesmos. Portanto, estes elementos tem na verdade uma nica conexo de sada, que pode dividir-se em cpias para formar mltiplas conexes, sendo que todos carregam o mesmo sinal. Ento, a nica entrada permitida para a funo de transferncia (que cada elemento de processamento possui) so os valores armazenados na memria local do elemento de processamento e os valores atuais dos sinais de entrada nas conexes recebidas pelo elemento de processamento. Os nicos valores de sada permitidos a partir da funo de transferncia so valores armazenados na memria local do elemento de processamento, e o sinal de sada do mesmo.

A funo de transferncia pode operar continuamente ou episodicamente. Sendo que no segundo caso, deve existir uma entrada chamada "activate" que causa o ativamento da funo de transferncia com o sinal de entrada corrente e com valores da memria local, e produzir um sinal de sada atualizado (ocasionalmente alterando valores da memria). E no primeiro caso, os elementos esto sempre ativados, e a entrada "activate" chega atravs de uma conexo de um elemento de processamento agendado que tambm parte da rede.

Sinais de entrada para uma rede neural a partir de fora da rede chegam atravs de conexes que se originam do mundo externo, sadas da rede para o mundo externo so conexes que deixam a rede. De forma geral, a operao de uma clula da rede se resume em:

Sinais so apresentados entrada; Cada sinal multiplicado por um peso que indica sua influncia na sada da unidade;

feita a soma ponderada dos sinais que produz um nvel de atividade; Se este nvel excede um limite (threshold) a unidade produz uma sada;

1. O Neurnio Artificial e a Rede Neural Assim como o sistema nervoso composto por bilhes de clulas nervosas, a rede neural artificial tambm seria formada por unidades que nada mais so que pequenos mdulos que simulam o funcionamento de um neurnio. Estes mdulos devem funcionar de acordo com os elementos em que foram inspirados, recebendo e retransmitindo informaes. 2.O Neurnio Artificial O fisiologista Warrem MacCulloch interpretou o funcionamento do neurnio biolgico como sendo um circuito de entradas binrias combinadas por uma soma ponderada (com pesos) produzindo uma entrada efetiva:

fig06-Modelo de McCulloch e Pitts No modelo geral de neurnio (fig06) as entradas WiUi so combinadas usando uma funo F, para produzir um estado de ativao do neurnio (correspondente frequncia de descarga do neurnio biolgico). As entradas chegam atravs dos detritos e tem um peso atribudo pela sinapse.

fig07-Esquema de um neurnio artificial A funo bsica de um neurnio somar as entradas e retornar uma sada, caso esse valor seja maior que o valor de soma (threshold).

3. A Rede Neural Artificial (Multilayer Perceptron)

A rede neural artificial um sistema de neurnios ligados por conexes sinpticas

dividido em neurnios de entrada, que recebem estmulos do meio externo, neurnios internos ou hidden (ocultos) e neurnios de sada, que se comunicam com o exterior. A forma de arranjar perceptrons em camadas denominada Multilayer Perceptron. O multilayer perceptron foi concebido para resolver problemas mais complexos, os quais no poderiam ser resolvidos pelo modelo de neurnio bsico. Um nico perceptron ou uma combinao das sadas de alguns perceptrons poderia realizar uma operao XOR, porm, seria incapaz de aprend-la. Para isto so necessrias mais conexes, os quais s existem em uma rede de perceptrons dispostos em camadas. Os neurnios internos so de suma importncia na rede neural, pois provou-se que sem estes torna-se impossvel a resoluo de problemas linearmente no separveis. Em outras palavras pode-se dizer que uma rede composta por vrias unidades de processamento, cujo funcionamento bastante simples. Essas unidades, geralmente so conectadas por canais de comunicao que esto associados a determinado peso. As unidades fazem operaes apenas sobre seus dados locais, que so entradas recebidas pelas suas conexes. O comportamento inteligente de uma Rede Neural Artificial vem das interaes entre as unidades de processamento da rede. A maioria dos modelos de redes neurais possui alguma regra de treinamento, onde os pesos de suas conexes so ajustados de acordo com os padres apresentados. Em outras palavras, elas aprendem atravs de exemplos. Arquiteturas neurais so tipicamente organizadas em camadas, com unidades que podem estar conectadas s unidades da camada posterior. A rede neural passa por um processo de treinamento a partir dos casos reais conhecidos, adquirindo, a partir da, a sistemtica necessria para executar adequadamente o processo desejado dos dados fornecidos. Sendo assim, a rede neural capaz de extrair regras bsicas a partir de dados reais, diferindo da computao programada, onde necessrio um conjunto de regras rgidas pr-fixadas e algoritmos. Classificao de Redes Neurais Artificiais

Um dos objetivos da pesquisa sobre redes neurais na computao desenvolver morfologias neurais matemticas, no necessariamente baseada na biologia, que podem

realizar funes diversas. Na maior parte dos casos, modelos neurais so compostos de muitos elementos no lineares que operam em paralelo e que so classificados de acordo com padres ligados biologia. Quando um processo criado visando utilizar aspectos de redes neurais comeam com o desenvolvimento de um neurnio artificial ou computacional baseado no entendimento de estruturas biolgicas neurais, seguidas do aprendizado de mecanismos voltados para um determinado conjunto de aplicaes. Ou em outras palavras, seguindo as trs etapas:

O desenvolvimento de modelos neurais motivado por neurnios biolgicos; Modelos de estruturas e conexes sinpticas; O aprendizado das regras (um mtodo de ajuste de pesos ou foras de conexes internodais)

Por causa de diferenas entre algumas ou s vezes todas as entidades envolvidas, diferentes estruturas de redes neurais tem sido desenvolvidas por pesquisadores. Do ponto de vista estrutural, a arquitetura de redes neurais pode ser classificada como: esttica, dinmica ou fuzzy, e de nica camada ou mltiplas camadas. Alm disso, diferenas computacionais surgem tambm quando se trata da maneira com que so feitas as conexes existentes entres os neurnios. Estas conexes podem ser estritamente no sentido de ida, no sentido de ida e volta, lateralmente conectadas, topologicamente ordenadas ou hbridas. A aplicao de redes neurais pode ser classificada em classes distintas: Reconhecimento de padres e Classificao; Processamento de imagem e viso; Identificao de sistema e controle e Processamento de sinais. importante verificar que uma determinada aplicao de um sistema baseado em rede neural no precisa necessariamente ser classificada em apenas uma das citadas acima.

Aplicaes de Redes Neurais Artificiais Aplicaes de redes neurais so inmeras. Muitos recebem sua primeira introduo lendo a respeito das tcnicas no prognstico de mercados financeiros. Grupos de

investimento conhecidos utilizam redes neurais para analisar pelo menos uma parte do mercado financeiro e fazerem suas selees. O reconhecimento tico de caracteres (OCR) outro tipo de aplicao que j existe e est crescendo, e em breve estaremos em constante contato com esse tipo de aplicao. Outras aplicaes bem sucedidas das tcnicas de redes neurais artificiais so: anlise de pesquisa de mercado, como acima citado, controle de processos industriais, aplicaes climticas, e identificao de fraude de carto de crdito. Um banco americano chamado Mellon Bank instalou um sistema de deteco de fraudes de carto de crdito implementado com tcnicas de redes neurais e os prejuzos evitados pelo novo sistema conseguiram cobrir os gastos de instalao em seis meses. Vrios outros bancos comeam a utilizar sistemas baseados em redes neurais para controlar fraudes de carto de crdito. Estes sistemas tm a capacidade de reconhecer uso fraudulento com base nos padres criados no passado com uma preciso melhor que em outros sistemas. Outro exemplo da utilizao de redes neurais para melhoria na tomada de decises no diagnstico mdico. Em seu aprendizado, so submetidos uma srie de diagnsticos de pacientes, de vrias caractersticas, com vrios sintomas e os resultados de seus testes. Tambm sero fornecidos os diagnsticos mdicos para cada doena. Ento quando forem apresentados os dados de um novo paciente, com seus sintomas, a rede fornecer um diagnstico para os novos casos. Isto essencialmente criar um sistema com o conhecimento de vrios mdicos, e fornecer um diagnstico inicial em tempo real a um mdico. importante mencionar que com isso o que se pretende implementar uma ferramenta de auxlio ao mdico, e no um programa que o substitua. Outras aplicaes:

Anlise e processamento de sinais; Controle de processos; Robtica; Classificao de dados; Reconhecimento de padres em linhas de montagem; Filtros contra rudos eletrnicos;

Anlise de imagens; Anlise de voz; Avaliao de crdito; Anlise de aroma e odor- um projeto que est em desenvolvimento, buscando a anlise de odor via nariz eletrnico;

Anlise e diagnstico de descargas parciais pelo reconhecimento do padro acstico- trata-se de uma tese de mestrado cujo objetivo criar um sistema com capacidades de classificar o padro acstico de uma descarga parcial;

fig08-Organizao em camadas.

Usualmente as camadas so classificadas em trs grupos:

Camada de Entrada: onde os padres so apresentados rede; Camadas Intermedirias ou Ocultas: onde feita a maior parte do processamento, atravs das conexes ponderadas; podem ser consideradas como extratoras de caractersticas;

Camada de Sada: onde o resultado final concludo e apresentado.

Redes neurais so tambm classificadas de acordo com a arquitetura em que foram implementadas, topologia, caractersticas de seus ns, regras de treinamento, e tipos de modelos.

Concluso No mundo atual a tecnologia vem evoluindo constantemente, cada vez surgem novos meios e descobertas que contribuem para facilitar e surpreender a humanidade, nestes ltimos anos um destes fatores que surgiram foi a chamada inteligncia artificial, fator que de certa forma aprofundou os estudos sobre o complexo sistema cerebral. Criar um modelo cerebral artificial no vem a ser como um corao ou rgo artificial, pois nestes voc entende o funcionamento, no sistema cerebral no, pois a complexidade dos neurnios um fator que ate hoje que no foi totalmente esclarecidos pela cincia, dificultando ainda mais a construo de um modelo to complexo. De maneira geral as inmeras utilidades que vem beneficiando a cincia em vrios aspectos devido a uma grande descoberta relacionada ao crebro, pode deslanchar na criao de vrios robs ou similares chegando num futuro no muito distante a um mundo em que vivem homens e mquinas.

Bibliografia http://www.cerebromente.org.br/n05/tecnologia/rna.htm http://www.din.uem.br/~ia/neurais/ http://www.tecmundo.com.br/intel/1039-o-que-e-inteligencia-artificial-.htm Artificial Intelligence, A Modern Approach, Third Edition, 1.1 What Is AI? Pag.2 http://www.notapositiva.com/trab_estudantes/trab_estudantes/filosofia/filosofia_trabalhos/i nteligartificial.htm http://pt.wikipedia.org/wiki/Intelig%C3%AAncia_artificial http://my.opera.com/maicokrause/blog/show.dml/4375207 http://www.oficinadanet.com.br/artigo/ciencia/o-que-e-inteligencia-artificial http://informatica.hsw.uol.com.br/robos4.htm