Uma cartografia comum aproximando Inteligência Artificial, Filosofia e Psicologia

Autores

  • Luciano Frontino de Medeiros Centro Universitário Internacional, Programa de Mestrado Profissional em Educação e Novas Tecnologias, Curitiba, Paraná, Brasil.
  • Alvino Moser Centro Universitário Internacional, Programa de Mestrado Profissional em Educação e Novas Tecnologias, Curitiba, Paraná, Brasil.
  • Marilene S. S. Garcia Centro Universitário Internacional, Programa de Mestrado Profissional em Educação e Novas Tecnologias, Curitiba, Paraná, Brasil.

DOI:

https://doi.org/10.23925/1984-3585.2018i17p76-94

Palavras-chave:

Inteligência Artificial, Filosofia da Mente, Psicologia Cognitiva, Representações de conhecimento, Epistemologia da Inteligência Artificial

Resumo

O artigo relaciona quatro problemas epistemológicos a partir de uma perspectiva em que a Inteligência Artificial compartilha um domínio de conhecimento comum às áreas da Filosofia e da Psicologia: i) o problema clássico do frame ou quadro de referência, surgido a partir das pesquisas em IA sobre a limitação da representação em lógica de primeira ordem; ii) o problema de Hume, exposto por Daniel Dennett, abordando representações que raciocinam sobre representações; iii) na direção indicada por William Frawley, é apresentado o problema de Platão, expondo sobre a eficácia do conhecimento a partir de evidências escassas e fragmentadas do mundo; iv) o problema de Wittgenstein sobre a compatibilidade entre a linguagem determinística computada e a linguagem probabilística real. A ideia chave é mostrar que a Inteligência Artificial não é apenas engenharia de robôs ou sistemas inteligentes, mas também uma área que suscita questionamentos mais profundos, contendo objetos de interesse próximos ou mesmo comuns com os campos de atuação da Filosofia e da Psicologia.

Biografia do Autor

Luciano Frontino de Medeiros, Centro Universitário Internacional, Programa de Mestrado Profissional em Educação e Novas Tecnologias, Curitiba, Paraná, Brasil.

Doutor em Engenharia e Gestão do Conhecimento pela Universidade Federal de Santa Catarina (2010). Professor Titular do Programa de Mestrado Profissional em Educação e Novas Tecnologias do Centro Universitário Internacional UNINTER.

Alvino Moser, Centro Universitário Internacional, Programa de Mestrado Profissional em Educação e Novas Tecnologias, Curitiba, Paraná, Brasil.

Doutor em Filosofia e Ética pela Université Catholique de Louvain, Louvain-la-Neuve, Bélgica (1973). Professor Titular do Programa de Mestrado Profissional em Educação e Novas Tecnologias do Centro Universitário Internacional UNINTER.

Marilene S. S. Garcia, Centro Universitário Internacional, Programa de Mestrado Profissional em Educação e Novas Tecnologias, Curitiba, Paraná, Brasil.

Pós-doutorado pela PUC-SP – TIDD. É autora dos livros: Mobilidade tecnológica e planejamento didático (2017); Avaliação e validação de projetos (2018), ambos pela editora Senac-SP. Possui doutorado pela USP e Mestrado pela UNICAMP, com estágio de pesquisa pelas Universidades de Freiburg e Oldenburg, na Alemanha. É professora do Mestrado Profissional em Educação e Novas Tecnologias da UNINTER- PR, em que ministra a disciplina de Aprendizagens ativas, Metodologias ativas e ensino híbrido. Coordena pesquisa em design de aplicativo para a inclusão de analfabetos funcionais.

Referências

AIZENBERG, I.; AIZENBERG, N.; VANDEWALLE, J. Multi-valued and universal binary neurons: theory, learning and applications. Dordrecht: Springer, 2000.

BIRAN, O.; COTTON, C. Explanation and justification in machine learning: a survey. Proceedings of IJCAI-17, Workshop on explainable AI (XAI), 2017.

CADWALLADR, C. Google, democracy and the truth about internet search. The Guardian, 4 dec 2016. Disponível em: http://www.theguardian.com/technology/2016/dec/04/google-democracy-truthinternet-search-facebook. Acesso em: 26 maio, 2018.

CLANCEY W. J.; SHORTLIFFE, E. (Orgs.). Readings in medical artificial intelligence: the first decade. Reading, MA: Addison Wesley, 1984.

DE SOUZA, C. S. The semiotic engineering of human-computer interaction. Cambridge, MA: MIT Press, 2005.

DECHTER, R. Learning while searching in constraint-satisfaction problems. Proceedings of the 5th National Conference on Artificial Intelligence. Philadelphia, PA, August 11-15. Vol. 1, p. 178-183, 1986.

DENG, Jia; DONG, Wei; SOCHER, Richard; LI, Li-Jia; LI, Kai; FEI-FEI, Li. Imagenet: a largescale hierarchical image database. In: Proceedings of IEEE, Conference on Computer Vision and Pattern Recognition. p. 248-255, 2009.

DHURANDHAR, Amit; CHEN, Pin-Yu; LUSS, Ronny; TU, Chun-Chen; TING, Paishun; SHANMUGAM, Karthikeyan; DAA, Payel. Explanations based on the missing: towards contrastive explanations with pertinent negatives, 2018. Disponível em:

http://arxiv.org/abs/1802.07623. Acesso em: 26 mai. 2018.

DORAN, Derek; SCHULZ, Sarah; BESOLD, Tarek. What does explainable ai really mean? a new conceptualization of perspectives. Proceedings of the First International Workshop on Comprehensibility and Explanation in AI and ML, arXiv:1710.00794, 2017.

ECO, U. On truth: a fiction. In: ECO, U.; SANTAMBROGGIO, M.; VIOLI, P. (Orgs.). Meaning and mental representations. Bloomington, IN: Indiana University Press. p. 41-59, 1988.

GOODMAN, B; FLAXMAN, S. European union regulations on algorithmic decisionmaking and a “right to explanation”. AI Magazine, vol. 38, no. 3, 2016. Disponível em: http://doi.org/10.1609/aimag.v38i3.2741. Acesso em: 26 mai. 2018.

HE, Kaiming; ZHANG, Xiangyu; REN, Shaoqing; SUN, Jian. Delving deep into rectifiers: Surpassing human-level performance on imagenet classification. In: Proceeding ICCV '15 Proceedings of the 2015 IEEE International Conference on Computer Vision (ICCV). p.

-1034, 2015.

HERLOCKER, J.; KONSTAN, J.; RIEDL, J. Explaining collaborative filtering recommendations. In: Proceedings of the Third Conference on Computer Supported Cooperative Work (CSCW), p. 241-250, 2000.

HERN, A. 'Partnership on AI' formed by Google, Facebook, Amazon, IBM and Microsoft”. The Guardian: International Edition, 29/06/2016. Disponível em: http://www.theguardian.com/technology/2016/sep/28/google-facebook-amazonibm-microsoft-partnership-on-ai-tech-firms. Acesso em: 4 maio, 2018. Ver também sítio oficial do consórcio: http://www.partnershiponai.org/.

LIPTON, Zachary. The mythos of model interpretability. ICML Workshop on Human Interpretability in Machine Learning, 2016. Disponível em: https://arxiv.org/pdf/1606.03490.pdf. Acesso 17 junho, 2018.

NADIN, M. In folly ripe. In reason rotten: putting machine theology to rest, 2017. Disponível em: https://arxiv.org/abs/1712.04306v1. Acesso em: 4 maio, 2018.

PEARL, J. Probabilistic reasoning in intelligent systems. San Francisco, CA: Morgan Kaufmann, 1988.

PEIRCE, C. S. Philosophical writings of Peirce, Buchler, J. (Org.). New York, NY: Dover Publications, 1955.

SANTAELLA, L. O método anticartesiano de C. S. Peirce. São Paulo: Ed. Unesp, 2004.

SEBE, N. Human-centered computing. In: NAKASHIMA, Hideyuki; AGHAJAN, Hamid; AUGUSTO, Juan Carlos (Orgs.). Handbook of ambient intelligence and smart environments. Dordrecht: Springer, p. 349-370, 2010.

YOSINSKI, Jason; CLUNE, Jeff; NGUYEN, Anh; FUCHS, Thomas; LIPSON, Hod. Understanding neural networks through deep visualization. In: Proceedings of the Deep Learning Workshop, 31st International Conference on Machine Learning, Lille, France. 2015.

Downloads

Publicado

2018-05-29