História da IA

A Apple revelou seu recurso de ponta "Apple Intelligence", integrando perfeitamente os recursos do ChatGPT aos iPhones mais recentes e à assistente digital Siri, oferecendo aos usuários uma experiência elevada e inteligente.

A OpenAI revela o Sora, um modelo de IA capaz de criar vídeos curtos a partir de descrições textuais, em 15 de fevereiro de 2024.

O Google revelou uma versão avançada de sua plataforma Gemini, chamada Gemini 1.0 Ultra, que oferece recursos otimizados e atualizações de desempenho.

O presidente Biden promulgou uma Ordem Executiva em 30 de outubro de 2023, com o objetivo de promover o desenvolvimento e a utilização responsáveis e éticos da tecnologia de Inteligência Artificial, garantindo sua segurança, proteção e confiabilidade.

O Google migrou o Bard do LaMDA para o modelo de linguagem PaLM2, mais avançado, em maio de 2023.

Gigantes da tecnologia e inovadores, incluindo Elon Musk e Steve Wozniak, endossaram uma petição que defende uma pausa temporária no rápido desenvolvimento de sistemas avançados de IA. A petição cita preocupações sobre os possíveis riscos da criação de modelos de IA que poderiam superar a compreensão e o controle humanos, solicitando uma pausa de seis meses para reavaliar a trajetória dessa tecnologia.

O Google lançou seu chatbot Bard, com base nos modelos de linguagem LaMDA e PaLM, em caráter limitado, como resposta ao ChatGPT em março de 2023.

O modelo GPT-4 recentemente revelado pela OpenAI representa um avanço significativo em relação ao seu antecessor, o GPT-3.5, embora ainda compartilhe algumas limitações inerentes. Em especial, o GPT-4 apresenta recursos multimodais, permitindo que ele processe entradas de texto e imagem. Este modelo aprimorado foi integrado ao ChatGPT como uma oferta premium. De acordo com as avaliações internas da OpenAI, o GPT-4 demonstrou um desempenho excepcional, pontuando no 94º percentil no SAT, 88º percentil no LSAT e 90º percentil no Exame Uniforme da Ordem dos Advogados.

O ChatGPT, o impressionante modelo de linguagem de IA, atingiu um marco sem precedentes ao acumular mais de 100 milhões de usuários até janeiro de 2023, estabelecendo-se como a aplicação voltada para o consumidor com o crescimento mais rápido já testemunhado.

O GPT-3, um modelo de linguagem inovador desenvolvido pela OpenAI, utiliza técnicas avançadas de aprendizagem profunda para gerar textos de aparência humana em vários domínios, incluindo código de computador, poesia e outras tarefas de linguagem. Com uma capacidade sem precedentes, dez vezes maior do que seu antecessor T-NLG, o GPT-3 produz resultados surpreendentemente semelhantes e quase indistinguíveis do conteúdo escrito por humanos. Esse modelo de linguagem inovador foi apresentado em maio de 2020 e entrou em teste beta no mês seguinte.

O AlphaFold 2, modelo de previsão de estrutura de proteínas da DeepMind, saiu vitorioso na competição CASP 2020 realizada em novembro.

A Microsoft revelou seu Turing Natural Language Generation (T-NLG), um modelo de linguagem enorme com 17 bilhões de parâmetros sem precedentes, em fevereiro de 2020, estabelecendo um novo recorde para o maior modelo de linguagem já lançado.

O Google apresentou o Duplex, um sistema de IA capaz de engatar conversas naturais para lidar com tarefas como agendamento de horários. A fala da IA reproduzia padrões vocais humanos de forma tão convincente que o Los Angeles Times a descreveu como uma imitação "quase perfeita".

Um sistema de IA desenvolvido pela Alibaba para processamento de idiomas superou o desempenho dos principais participantes humanos em um exame de leitura e compreensão da Universidade de Stanford. A IA obteve uma pontuação de 82.44, superando ligeiramente a pontuação humana de 82.304, em um teste composto por 100.000 perguntas.

A criação da arquitetura do transformador abriu caminho para modelos de linguagem grandes e inovadores, como o BERT do Google e, posteriormente, a OpenAI foi pioneira no modelo de transformador pré-treinado generativo.

Um sistema de inteligência artificial desenvolvido pela OpenAI competiu no The International 2017, um prestigiado torneio de Dota 2, onde saiu vitorioso contra o jogador profissional Dendi em uma partida um contra um.

Uma ferramenta de software usada para solucionar problemas de satisfatibilidade booleana em lógica proposicional foi empregada para comprovar uma conjectura matemática antiga sobre triplos pitagóricos no conjunto de números inteiros. A prova inicial, que abrange um enorme volume de 200 terabytes, foi submetida à validação por dois sistemas separados de verificação automática de provas certificadas.

O algoritmo Deepstack116 superou os jogadores humanos em jogos com informações imperfeitas, especificamente no pôquer heads-up sem limite, com significância estatística. Posteriormente, a IA de pôquer Libratus, desenvolvida por um grupo de pesquisa diferente, derrotou cada um de seus quatro oponentes humanos altamente qualificados, alcançando uma taxa de vitória geral excepcionalmente alta em uma amostra estatisticamente significativa. Diferentemente do xadrez e do Go, o pôquer é um jogo de informações imperfeitas, o que torna a façanha mais desafiadora.

Um sistema de IA chamado AlphaGo, desenvolvido pelo Google DeepMind, derrotou de forma decisiva Fan Hui, um jogador profissional de Go e tricampeão europeu, com um placar de 5 jogos a 0.

Figuras renomadas como Stephen Hawking, Elon Musk e vários especialistas em IA defenderam o estudo dos possíveis impactos sociais da inteligência artificial em uma carta aberta em janeiro de 2015.

Técnicas como redes rodoviárias e ResNets permitiram o treinamento de redes neurais extremamente profundas com mais de 1.000 camadas, o que antes era um desafio.

O NEIL, um sistema projetado para aprender e analisar infinitamente as conexões visuais entre imagens, foi apresentado na Universidade Carnegie Mellon, permitindo que seja possível comparar e examinar continuamente as relações entre vários dados de imagens.

A AlexNet, um modelo pioneiro de aprendizagem profunda para reconhecimento de imagens desenvolvido por Alex Krizhevsky, conseguiu um grande avanço ao vencer o ImageNet Large Scale Visual Recognition Challenge com significativamente menos erros do que o segundo colocado. Isso marcou um momento importante na história da IA, levando à adoção generalizada de técnicas de aprendizagem profunda para tarefas de reconhecimento de imagens e ao abandono de várias abordagens alternativas. O uso inovador de chips de GPU por Krizhevsky para treinar a rede de aprendizagem profunda contribuiu para esse sucesso.

Estes assistentes virtuais inteligentes utilizam recursos de processamento de linguagem natural para compreender as consultas dos usuários, fornecer informações relevantes, oferecer sugestões e executar tarefas em smartphones.

Um sistema de inteligência artificial chamado Watson, desenvolvido pela IBM, derrotou os campeões do popular programa de perguntas e respostas da TV Jeopardy!, Rutter e Jennings.

Mary Lou Maher e Doug Fisher lideraram um workshop inaugural da Association for the Advancement of Artificial Intelligence, com foco no nexo entre IA e sustentabilidade ambiental.

Uma rede neural recorrente chamada LSTM, treinada usando a classificação temporal conexionista, saiu vitoriosa em competições de reconhecimento de padrões, especificamente no domínio do reconhecimento de escrita à mão conectada, estabelecendo um marco significativo como a primeira de seu tipo a alcançar tal sucesso.

Um grupo de pesquisadores da Universidade de Alberta determinou com sucesso o resultado do jogo de damas usando análise computacional.

A renomada revista científica Philosophical Transactions of the Royal Society, B – Biology, publicou uma edição especial explorando a aplicação da inteligência artificial na compreensão da inteligência biológica, intitulada "Models of Natural Action Selection".

A Conferência de Inteligência Artificial de Dartmouth explorou o futuro da IA ao longo das próximas cinco décadas. O evento, intitulado "AI@50", foi realizado de 14 a 16 de julho de 2006.

Uma iniciativa inovadora, a Blue Brain, foi lançada para desenvolver uma simulação abrangente do cérebro em nível molecular.

OWL (Web Ontology Language) é uma recomendação do W3C publicada em 10 de fevereiro de 2004. A linguagem é usada para representar ontologias ou domínios de conhecimento na web.

Robôs interativos comercialmente viáveis, chamados de “brinquedos inteligentes”, chegaram ao mercado, concretizando as ambições dos criadores de brinquedos do século XVIII.

Projeto de arquitetura Oxygen, um sistema desenvolvido para integrar dispositivos de computação móveis e fixos em um ambiente de rede adaptável.

Uma sala inteligente e agentes emocionais foram desenvolvidos no Laboratório de IA do MIT.

Os programas com tecnologia de IA, como os web crawlers, desempenham um papel fundamental na extração e utilização de informações da vasta extensão da World Wide Web.

Ulises Cortés e Miquel Sànchez-Marrè iniciaram um workshop pioneiro na Europa, intitulado "Binding Environmental Sciences and Artificial Intelligence", cujo objetivo era preencher a lacuna entre as ciências ambientais e a inteligência artificial durante a conferência ECAI.

O artigo Semantic Web Roadmap, que delineou uma visão mais inteligente e interconectada da Web, foi apresentado por Tim Berners-Lee.

O lançamento do Furby da Tiger Electronics foi um marco significativo como primeiro produto doméstico de IA que alcançou sucesso comercial.

Uma rede neural artificial chamada Memória de Curto Longo Prazo (Long Short-Term Memory, ou LSTM) foi apresentada por Sepp Hochreiter e Juergen Schmidhuber em seu trabalho de pesquisa publicado na revista Neural Computation.

Um software de inteligência artificial criado para jogar Othello, conhecido como Logistello, obteve uma vitória decisiva por 6 a 0 contra Takeshi Murakami, o atual campeão mundial do jogo.

Um poderoso computador de xadrez chamado Deep Blue, desenvolvido pela IBM, triunfou sobre o atual campeão mundial de xadrez, Garry Kasparov, em uma partida histórica.

Cindy Mason, funcionária da NASA, organiza o primeiro Workshop Internacional IJCAI dedicado a explorar o papel da Inteligência Artificial em questões ambientais.

O programa de computador Chinook triunfou sobre o campeão mundial de damas inglês Tinsley, que desistiu da partida. Além disso, o Chinook derrotou Lafferty, o segundo jogador mais bem classificado. Ele também obteve uma vitória expressiva no Torneio Nacional dos EUA, vencendo por uma margem ampla sem precedentes.

Zadeh, professor de Berkeley, desenvolveu o conceito de "soft computing", que integra diferentes campos, como redes neurais, lógica difusa, algoritmos evolutivos, programação genética e teoria do caos. Ele estabeleceu uma rede de pesquisa global que mesclou essas disciplinas, possibilitando avanços nos sistemas de inteligência computacional e de tomada de decisões.

A ISX Corporation foi reconhecida como a principal contratada da DARPA (Defense Advanced Research Projects Agency) por sua ferramenta DART (Dynamic Analysis and Replanning Tool). O sucesso dessa ferramenta baseada em IA foi considerado altamente valioso, superando o investimento total do governo em pesquisa de IA durante várias décadas.

O aplicativo de programação DART, utilizado durante a Guerra do Golfo, demonstrou com sucesso o valor das três décadas de esforços de pesquisa da DARPA em inteligência artificial, justificando o investimento substancial feito nesse campo.

O TD-Gammon, um programa de gamão criado por Gerry Tesauro, demonstra a eficácia do aprendizado por reforço no desenvolvimento de um jogo capaz de competir com jogadores de classe mundial em nível de campeonato.

A IA teve um progresso significativo em diversos domínios, incluindo aprendizado de máquina, sistemas de aprendizagem inteligente, raciocínio baseado em casos, planejamento multiagente, algoritmos de programação, técnicas de raciocínio incerto, métodos de mineração de dados, processamento de linguagem natural e modelos de tradução, visão computacional, simulações de realidade virtual, desenvolvimento de jogos e outras áreas emergentes.

O ALVINN (Autonomous Land Vehicle in a Neural Network), um sistema desenvolvido por Dean Pomerleau na Universidade Carnegie Mellon, foi utilizado no projeto Navlab, permitindo a navegação autônoma de veículos terrestres por meio da tecnologia de rede neural.

O avanço da tecnologia de semicondutores de óxido metálico complementar (CMOS), que é um tipo de integração de larga escala (VLSI) de semicondutores de óxido metálico (MOS), facilitou a implementação prática de redes neurais artificiais (ANNs) na década de 1980. Um trabalho seminal nesse campo foi o livro de 1989 "Analog VLSI Implementation of Neural Systems", de Carver A. Mead e Mohammed Ismail, que desempenhou um papel importante no desenvolvimento da tecnologia ANN.

Uma empresa chamada Alacritous Inc./Allstar Advice Inc., de Toronto, lançou a segunda geração de seu sistema de consultoria estratégica e gerencial comercial, o Alacrity 2.0. Esse sistema utilizava um sistema especializado de cadeia de previsão com cerca de 3.000 regras voltadas para a evolução do mercado e estratégias competitivas. Sua autoria foi compartilhada pelos fundadores da empresa, Alistair Davidson e Mary Chung, e o mecanismo subjacente foi desenvolvido por Paul Tarvydas. Além disso, o Alacrity 2.0 incluía um pequeno sistema especializado em finanças capaz de interpretar demonstrações e modelos financeiros.

Trabalho de Marvin Minsky em um modelo teórico da mente, no qual ele a propôs como um conjunto de agentes cooperativos. Ele vinha apresentando essa ideia em palestras anos antes de publicar seu livro, The Society of Mind.

As pesquisadoras pioneiras Barbara Grosz e Candace Sidner desenvolveram a estrutura computacional inicial para a análise discursiva, abrindo caminho para um novo campo de estudo.

O algoritmo de retropropagação, também chamado de diferenciação automática de modo reverso, introduzido por Seppo Linnainmaa em 1970 e posteriormente aplicado às redes neurais por Paul Werbos, contribuiu significativamente para a adoção generalizada das redes neurais.

O Cálculo de Intervalos, uma formalização pioneira de eventos temporais, foi concebido por James F. Allen, marcando um avanço significativo no campo.

John Laird e Paul Rosenbloom, em colaboração com Allen Newell, finalizaram sua pesquisa de doutorado sobre o Soar (programa) na Universidade Carnegie Mellon.

O projeto FGCS (Fifth Generation Computer Systems), iniciado pelo Ministério do Comércio Internacional e Indústria do Japão em 1982, tinha como objetivo desenvolver um "computador de quinta geração" que utilizasse o paralelismo maciço para realizar cálculos extensos. O projeto se concentrou na criação de um sistema de computação capaz de executar cálculos complexos através do processamento paralelo.

Danny Hillis projetou um sistema inovador de computação paralela, conhecido como Connection Machine, que impulsionou significativamente a IA e os recursos computacionais. Posteriormente, ele fundou a Thinking Machines Corporation.

A conferência inaugural da AAAI, uma organização dedicada à inteligência artificial, foi realizada na Universidade de Stanford.

Nesse período, as máquinas Lisp foram desenvolvidas, fabricadas e comercializadas. Além disso, surgiram os primeiros shells de sistemas especializados e aplicações comerciais.

Dirigido por Ed Feigenbaum e Joshua Lederberg, o recurso SUMEX-AIM em Stanford destacou como a ARPAnet facilitou a cooperação científica.

Os pesquisadores do MIT e de Stanford foram pioneiros no estudo de lógicas não monotônicas, explorando métodos formais para gerenciar e atualizar crenças ou conhecimentos à medida que novas informações se tornam disponíveis.

Um programa de computador para gamão, desenvolvido por Hans Berliner na CMU, consegue derrotar o atual campeão mundial, parcialmente devido a circunstâncias favoráveis.

Um veículo autônomo desenvolvido por Hans Moravec na Universidade de Stanford, conhecido como Stanford Cart, alcançou um marco ao navegar de forma independente por uma sala cheia de cadeiras e manobrar em torno do Laboratório de IA de Stanford.

Pesquisadores da Universidade de Stanford, incluindo Cordell Green, David Barstow e Elaine Kant, introduziram o sistema CHI, que possibilitou a programação automática.

O INTERNIST foi um programa de diagnóstico médico baseado em conhecimento criado por Jack Myers e Harry Pople, pesquisadores da Universidade de Pittsburgh. Ele utilizava a expertise clínica de Myers para diagnosticar condições médicas.

O programa MOLGEN, desenvolvido na Universidade de Stanford, demonstrou o potencial da programação orientada a objetos para a representação do conhecimento e o planejamento de experimentos de clonagem de genes.

A racionalidade limitada, um conceito inovador introduzido por Herbert A. Simon, rendeu-lhe o Prêmio Nobel de Economia. Essa teoria, que forma um pilar fundamental da Inteligência Artificial, postula que os indivíduos tomam decisões com base em informações e habilidades cognitivas limitadas, resultando em escolhas que satisfazem suas necessidades em vez de maximizar resultados ideais.

Um pesquisador chamado Tom Mitchell, da Universidade de Stanford, propôs a ideia de espaços de versão, que representa o espaço de busca para um algoritmo de formação de conceitos.

A pesquisa de doutorado de Davis em Stanford demonstrou a eficácia do raciocínio de meta-nível, onde um sistema de IA pode raciocinar sobre seus próprios processos de pensamento.

O programa AM, desenvolvido por Douglas Lenat para sua tese de doutorado em Stanford, ilustrou o modelo de descoberta, que envolveu uma busca livremente orientada por conjecturas intrigantes.

A percepção visual começa com a criação de uma representação preliminar, conhecida como “esboço primário”, que captura recursos essenciais como bordas, limites e orientações de superfície da entrada visual inicial. Este estágio fundamental estabelece a base para o posterior processamento e reconhecimento de objetos e cenas.

Barbara Grosz descobriu que os métodos tradicionais de IA para modelagem de textos tinham limitações. Mais tarde, Grosz, juntamente com Bonnie Webber e Candace Sidner, desenvolveu o conceito de "centralização", que ajuda a determinar o foco do texto e a resolver referências anafóricas no processamento de linguagem natural.

O sistema de inteligência artificial Meta-Dendral fez descobertas revolucionárias no campo da química, especificamente na área de espectrometria de massa, que foram publicadas em uma revista científica revisada por profissionais da área, estabelecendo um marco como as primeiras descobertas científicas feitas por um computador.

O influente artigo de Marvin Minsky sobre Frames introduziu uma representação do conhecimento que combinava ideias sobre esquemas e conexões semânticas.

Austin Tate criou o sistema Nonlin, capaz de explorar diferentes planos parciais como formas alternativas de atingir metas gerais de planejamento.

Earl Sacerdoti introduziu métodos de planejamento de ordem parcial com seu sistema NOAH, partindo da abordagem anterior de pesquisa de espaço de estado. O NOAH foi usado no SRI International para diagnóstico e reparo interativos de sistemas eletromecânicos.

A tese de doutorado de Ted Shortliffe em Stanford apresentou o MYCIN, um sistema baseado em regras para diagnóstico médico capaz de lidar com a incerteza. Inspirado pelo DENDRAL, o MYCIN teve um impacto significativo no desenvolvimento de sistemas especializados, especialmente os comerciais.

O relatório Lighthill criticou a pesquisa de IA na Grã-Bretanha, levando o governo a cortar o financiamento para estudos de IA, exceto em duas universidades.

Earl Sacerdoti criou um sistema de planejamento hierárquico inicial chamado ABSTRIPS.

A linguagem de programação Prolog foi criada por Alain Colmerauer.

O desenvolvimento do provador de teoremas Boyer-Moore começou em Edimburgo.

Bill Woods apresentou as Redes de Transição Aumentada (ATNs) como uma forma de representar e entender a linguagem natural.

Jaime Carbonell (Sr.) criou o SCHOLAR, um software interativo que facilita o aprendizado auxiliado por computador, utilizando redes semânticas para a representação do conhecimento.

Seppo Linnainmaa introduziu o modo reverso de diferenciação automática, uma técnica mais tarde denominada retropropagação, que é amplamente empregada no treinamento de redes neurais artificiais.

No SRI, Jane Robinson e Don Walker fundaram um grupo de pesquisa pioneiro voltado para o Processamento de Linguagem Natural que teve um impacto significativo na área.

McCarthy e Hayes introduziram o "frame problem" no raciocínio de IA.

Os "Perceptrons" de Minsky e Papert destacaram as limitações das redes neurais simples, que, segundo alguns, desencadearam o inverno da IA na década de 1970, embora os métodos de aprendizado profundo já existissem devido aos trabalhos de Ivakhnenko, Lapa e Amari.

Stanford sediou a primeira conferência IJCAI (Conferência Internacional Conjunta sobre Inteligência Artificial).

Yorick Wilks foi o pioneiro da Semântica de Preferência em Stanford, criando o primeiro sistema de tradução automática baseado em semântica, que influenciou muitos pesquisadores posteriores.

Roger Schank desenvolveu o modelo de dependência conceitual para a compreensão da linguagem em Stanford, que foi posteriormente expandido em Yale com os trabalhos de doutorado de Wilensky, Lehnert e Kolodner para a compreensão de histórias e modelagem de memória.

Wallace e Boulton criaram o Snob, um dos primeiros algoritmos de agrupamento que aplicava a navalha de Occam através dos princípios bayesianos de comprimento mínimo de mensagem.

No MIT, Richard Greenblatt desenvolveu o Mac Hack, um programa de xadrez inovador que atingiu o nível de torneio classe C, tornando-se a primeira IA de xadrez a competir com credibilidade contra humanos.

Joel Moses foi pioneiro na matemática simbólica com seu trabalho de doutorado no MIT sobre o Macsyma — o primeiro programa a resolver com sucesso problemas de cálculo de integrais usando inteligência artificial e representação de conhecimento.

Shun'ichi Amari foi o primeiro a usar a descida de gradiente estocástico para aprendizagem profunda em perceptrons multicamadas. Em experimentos de computador conduzidos por seu aluno Saito, um perceptron multicamadas de cinco camadas com duas camadas modificáveis aprendeu representações internas úteis para classificar classes de padrões não linearmente separáveis.

- Ross Quillian demonstrated semantic nets in his PhD dissertation at Carnegie Institute of Technology (now CMU).

- The Machine Intelligence 71 workshop at Edinburgh was the first of an influential annual series organized by Donald Michie and others.

- A negative report on machine translation killed much work in natural language processing (NLP) for many years.

- The Dendral program, developed by Edward Feigenbaum, Joshua Lederberg, Bruce Buchanan, and Georgia Sutherland at Stanford University, demonstrated the ability to interpret mass spectra on organic chemical compounds, making it the first successful knowledge-based program for scientific reasoning.

Edward Feigenbaum iniciou o projeto Dendral, um projeto de dez anos para desenvolver um software que pudesse deduzir a estrutura molecular de compostos orgânicos usando dados de instrumentos científicos. O Dendral foi o primeiro sistema especializado.

J. Alan Robinson inventou o Método de Resolução, um procedimento de prova mecânica que permitiu que os programas trabalhassem de forma eficiente com a lógica formal como linguagem de representação.

Em 1965, Lotfi A. Zadeh, professor da Universidade da Califórnia, em Berkeley, publicou seu artigo seminal "Fuzzy Sets" na revista Information and Control, introduzindo o conceito de lógica difusa.

Ivakhnenko e Lapa criaram o primeiro algoritmo de aprendizagem profunda para treinar perceptrons multicamadas na União Soviética, lançando técnicas pioneiras que mais tarde se tornariam fundamentais para as redes neurais modernas.

A dissertação de Bobrow no MIT demonstrou que os computadores podiam compreender a linguagem natural o suficiente para resolver problemas de álgebra, enquanto o trabalho de Raphael no SIR mostrou como a representação lógica do conhecimento poderia permitir que os sistemas de computador respondessem a perguntas.

Uhr e Vossler criaram um dos primeiros programas de aprendizado de máquina adaptável que podia gerar e modificar seus próprios recursos, indo além das limitações dos perceptrons de Rosenblatt.

Feigenbaum e Feldman compilaram “Computers and Thought”, a primeira antologia de artigos de pesquisa com foco em inteligência artificial.

Solomonoff estabeleceu uma base matemática para a IA ao desenvolver abordagens bayesianas universais para fazer previsões e aprender com exemplos.

Masterman e sua equipe em Cambridge criaram redes semânticas projetadas para facilitar a tradução automática.

Newell, Shaw e Simon desenvolveram o General Problem Solver (GPS) na CMU, enquanto McCarthy e Minsky fundaram o Laboratório de IA do MIT.

McCarthy criou o Lisp, uma das primeiras linguagens de programação projetadas para IA. Na IBM, Gelernter e Rochester desenvolveram um provador de teoremas geométricos que usava modelos visuais de casos típicos. A Teddington Conference apresentou vários artigos influentes: A proposta de McCarthy para o Advice Taker e o raciocínio de "senso comum", o "Pandemonium" de Selfridge e o trabalho de Minsky sobre programação heurística.

McCarthy, Minsky, Rochester e Shannon organizaram a conferência de verão da Dartmouth College, onde McCarthy apresentou o termo "inteligência artificial" — evento que marcou o início formal da IA como um campo.

No MIT, Richard Greenblatt desenvolveu o Mac Hack, um programa de xadrez inovador que atingiu o nível de torneio de classe C, tornando-se a primeira IA de xadrez a competir com credibilidade contra humanos. Em 1955, ele o aprimorou para incluir recursos de aprendizado, o que lhe permitiu melhorar com a experiência.

Strachey e Prinz criaram os primeiros programas funcionais de IA em 1951, desenvolvendo programas de damas e xadrez, respectivamente, para o computador Ferranti Mark 1 da Universidade de Manchester.

Donald Hebb estabeleceu a teoria Hebbiana, que propôs um mecanismo para que as redes neurais pudessem aprender através do fortalecimento das conexões entre neurônios disparados juntos.

Bush publicou "As We May Think" no The Atlantic Monthly, descrevendo um futuro em que os computadores aprimorariam as competências humanas em diversas atividades.

Von Neumann e Morgenstern publicaram "Teoria dos Jogos e Comportamento Econômico", estabelecendo a teoria dos jogos como uma estrutura matemática que mais tarde se tornaria essencial para o desenvolvimento da IA.

Rosenblueth, Wiener e Bigelow introduziram o termo "cibernética", que Wiener popularizou posteriormente em seu livro homônimo de 1948.

McCulloch e Pitts publicaram "A Logical Calculus of the Ideas Immanent in Nervous Activity", que forneceu o primeiro modelo matemático de redes neurais artificiais, representando como os neurônios poderiam realizar operações lógicas.

Zuse concluiu a construção do primeiro computador funcional programável de uso geral.

Edward Condon criou o Nimatron — um computador digital que podia jogar o jogo Nim sem cometer erros.

Konrad Zuse apresentou uma patente para um dos primeiros computadores programáveis.

Alonzo Church complementou o trabalho de Gödel provando a indecidibilidade de problemas computacionais gerais e desenvolvendo o cálculo lambda, que se tornou essencial para a teoria da linguagem de programação de computadores.

Kurt Gödel demonstrou as limitações fundamentais dos sistemas computacionais ao codificar afirmações matemáticas como números e provar que algumas afirmações verdadeiras não podem ser provadas por nenhum sistema mecânico consistente - uma descoberta que moldaria a ciência da computação teórica e a IA.

O modelo de Ising, desenvolvido por Lenz e Ising em 1925, foi uma das primeiras formas de rede neural recorrente que usava elementos de limiar. Posteriormente, Amari tornou esse sistema adaptável em 1972.

Torres Quevedo criou El Ajedrecista, a primeira máquina capaz de jogar jogos finais de xadrez, e foi pioneiro em conceitos como aritmética de ponto flutuante. Seu trabalho "Essays on Automatics" explorou a relação entre o pensamento e as máquinas automatizadas, o que lhe rendeu o reconhecimento como um dos pioneiros da IA.

O Principia Mathematica de Russell e Whitehead demonstrou que a matemática básica poderia ser expressa através do raciocínio lógico formal.

Samuel Butler propôs que as máquinas poderiam evoluir como organismos biológicos, prevendo que poderiam desenvolver consciência e substituir os seres humanos.

George Boole criou a álgebra booleana — um sistema matemático projetado para expressar e analisar operações centrais do raciocínio humano.

Bernard Bolzano tornou-se o pioneiro da abordagem moderna ao formalizar como o significado é representado na linguagem e na lógica (semântica).

Babbage e Lovelace colaboraram no desenvolvimento de computadores mecânicos programáveis para realizar cálculos.

Legendre e Gauss desenvolveram a regressão linear (também conhecida como método dos mínimos quadrados) no final do século 18/início do século 19 para prever o movimento planetário. Essa técnica matemática seria posteriormente reconhecida como a forma mais simples de rede neural artificial.

Von Kempelen criou o Turco, uma suposta máquina de jogar xadrez que percorreu a Europa derrotando adversários humanos. Posteriormente, ela foi exposta como uma farsa que escondia um jogador de xadrez humano.

O ensaio publicado postumamente por Thomas Bayes apresentou o que ficou conhecido como teorema de Bayes, um princípio matemático que mais tarde se tornaria fundamental para os sistemas de IA através das redes bayesianas.

La Mettrie propôs em "L'Homme Machine" (Homem Máquina) que os processos de pensamento humano eram inteiramente mecânicos por natureza.

David Hume identificou a indução - o processo de derivar princípios gerais de exemplos específicos - como um método fundamental de aprendizado.

Daniel Bernoulli desenvolveu o conceito de utilidade, ampliando a teoria da probabilidade em uma estrutura para mensurar o valor e a tomada de decisões - princípios que mais tarde se tornariam fundamentais para a forma como os sistemas de IA modelam metas e escolhas.

As Viagens de Gulliver, de Swift, satirizaram a Ars Magna de Llull e a lógica mecânica de Leibniz por meio do Motor de Laputa - uma máquina fictícia que alegava produzir trabalhos acadêmicos sem exigir inteligência ou aprendizado.

Leibniz imaginou um sistema lógico universal que atribuiria valores numéricos a todos os objetos, com o objetivo de criar um método algébrico para resolver qualquer problema através do raciocínio mecânico.

Leibniz descobriu a regra da cadeia, um princípio matemático que mais tarde se tornaria essencial para o treinamento de redes neurais por meio de algoritmos como o de retropropagação.

Leibniz avançou a computação mecânica ao criar a Stepped Reckoner, uma calculadora capaz de realizar operações de multiplicação e divisão.

Descartes teorizou que os corpos dos animais funcionavam como máquinas sofisticadas, embora mantivesse que a consciência e os processos mentais eram fundamentalmente distintos.

Blaise Pascal criou a primeira calculadora digital, um dispositivo mecânico capaz de realizar cálculos numéricos.

O Novum Organum de Francis Bacon, nomeado em referência à obra de Aristóteles, estabeleceu a metodologia empírica e o raciocínio indutivo como fundamentos para a aquisição de conhecimento.

De acordo com a lenda, o rabino Loew de Praga criou o Golem - um ser artificial feito de argila e magicamente trazido à vida.

Paracelso, o médico e alquimista renascentista, afirmou ter fabricado um ser humanoide usando uma combinação de forças magnéticas, material reprodutivo e processos alquímicos.

No século XIII, Ramon Llull criou a Ars Magna, adaptando um dispositivo árabe chamado Zairja para combinar conceitos mecanicamente. Ele os imaginou como máquinas capazes de gerar conhecimento complexo ao combinar verdades simples. Esse conceito influenciou posteriormente o trabalho de Leibniz nos anos 1600.

Al-Jazari projetou uma orquestra automatizada composta por figuras humanóides mecânicas que podiam ser programadas para tocar música de forma coordenada.

Al-Khwarizmi foi o autor de influentes livros didáticos de matemática que forneciam procedimentos detalhados e sistemáticos para a solução de problemas aritméticos e algébricos. Estes métodos foram amplamente utilizados na civilização islâmica, na Índia e na Europa por vários séculos, até o ano de 1500. Seu nome é a origem da palavra "algoritmo", refletindo sua contribuição para métodos sistemáticos de resolução de problemas.

O alquimista árabe Jabir ibn Hayyan desenvolveu uma estrutura teórica chamada Takwin, que explorava a possibilidade de criar vida artificialmente, inclusive vida humana, por meio de processos laboratoriais.

Porfírio, um filósofo grego, escreveu o Isagogê, uma obra que organizava o conhecimento e a lógica em categorias. Notavelmente, ela incluía uma representação visual que era uma versão inicial do que hoje chamamos de rede semântica (uma forma de mostrar as relações entre conceitos por meio de um diagrama estruturado).

Herói de Alexandria, um antigo inventor grego, projetou vários dispositivos automatizados, incluindo figuras humanoides mecânicas. Uma de suas realizações mais notáveis foi a criação do que alguns consideram a primeira máquina programável da história: um teatro automatizado que podia executar movimentos e cenas programadas.

Ctesibius, um antigo engenheiro grego, criou um relógio de água avançado que incluía um sistema de alarme. Esse dispositivo foi inovador, pois representou o primeiro uso conhecido de um mecanismo de controle de feedback, no qual o sistema podia monitorar e ajustar sua própria operação com base em seu estado atual.

Aristotle made two significant contributions to the foundations of systematic thinking and problem-solving:

1) In his work Organon, he developed the syllogism - a structured method of logical reasoning where conclusions are drawn from two premises. This represented one of the first formalized systems of mechanical, step-by-step logical thinking.

2) In Nicomachean Ethics, he outlined what we now call means-ends analysis - a method of solving problems by repeatedly identifying the gap between your current state and goal state, then taking actions to reduce that gap. Interestingly, this same basic algorithm would be implemented thousands of years later in one of the first AI programs, the General Problem Solver, created by Newell and Simon in 1959.

Durante a dinastia Zhou da China, um engenheiro chamado Yan Shi criou e mostrou ao rei Mu figuras automatizadas ou "homens mecânicos" que podiam se mover por conta própria.

No antigo Egito e na Grécia, as pessoas acreditavam que certas estátuas sagradas possuíam consciência e sentimentos. De acordo com os escritos atribuídos a Hermes Trismegisto, acreditava-se que essas estátuas mecânicas tinham percepção sensorial (sensus) e força vital ou respiração (spiritus). Ele afirmou que, ao compreender a natureza divina dos deuses, os humanos aprenderam a recriar essas qualidades em suas formas construídas.