No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados

Detalhes bibliográficos
Autor(a) principal: Cozman,Fabio Gagliardi
Data de Publicação: 2021
Tipo de documento: Artigo
Idioma: por
Título da fonte: Estudos Avançados
Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-40142021000100007
Resumo: RESUMO O estudo de Inteligência Artificial (IA) tem sido perseguido, desde seu início, segundo dois estilos diferentes, jocosamente referidos como scruffy (desgrenhado) e neat (empertigado). Esses estilos na verdade refletem distintas visões sobre a disciplina e seus objetivos. Neste artigo revisamos a tensão entre desgrenhados e empertigados ao longo da história da IA. Analisamos o impacto do atual desempenho de métodos de aprendizado profundo nesse debate, sugerindo que o desenvolvimento de arquiteturas computacionais amplas é um caminho particularmente promissor para a IA.
id UFRJ-8_d96c792d37203211d59087f7aa0795ba
oai_identifier_str oai:scielo:S0103-40142021000100007
network_acronym_str UFRJ-8
network_name_str Estudos Avançados
repository_id_str
spelling No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigadosInteligência ArtificialLógicaRepresentação de conhecimentoAprendizado profundoRESUMO O estudo de Inteligência Artificial (IA) tem sido perseguido, desde seu início, segundo dois estilos diferentes, jocosamente referidos como scruffy (desgrenhado) e neat (empertigado). Esses estilos na verdade refletem distintas visões sobre a disciplina e seus objetivos. Neste artigo revisamos a tensão entre desgrenhados e empertigados ao longo da história da IA. Analisamos o impacto do atual desempenho de métodos de aprendizado profundo nesse debate, sugerindo que o desenvolvimento de arquiteturas computacionais amplas é um caminho particularmente promissor para a IA.Instituto de Estudos Avançados da Universidade de São Paulo2021-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-40142021000100007Estudos Avançados v.35 n.101 2021reponame:Estudos Avançadosinstname:Universidade de São Paulo (USP)instacron:UFRJ10.1590/s0103-4014.2021.35101.002info:eu-repo/semantics/openAccessCozman,Fabio Gagliardipor2021-04-15T00:00:00Zoai:scielo:S0103-40142021000100007Revistahttps://www.revistas.usp.br/eavPUBhttps://www.revistas.usp.br/eav/oai||estudosavancados@usp.br1806-95920103-4014opendoar:2021-04-15T00:00Estudos Avançados - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
title No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
spellingShingle No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
Cozman,Fabio Gagliardi
Inteligência Artificial
Lógica
Representação de conhecimento
Aprendizado profundo
title_short No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
title_full No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
title_fullStr No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
title_full_unstemmed No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
title_sort No canal da Inteligência Artificial - Nova temporada de desgrenhados e empertigados
author Cozman,Fabio Gagliardi
author_facet Cozman,Fabio Gagliardi
author_role author
dc.contributor.author.fl_str_mv Cozman,Fabio Gagliardi
dc.subject.por.fl_str_mv Inteligência Artificial
Lógica
Representação de conhecimento
Aprendizado profundo
topic Inteligência Artificial
Lógica
Representação de conhecimento
Aprendizado profundo
description RESUMO O estudo de Inteligência Artificial (IA) tem sido perseguido, desde seu início, segundo dois estilos diferentes, jocosamente referidos como scruffy (desgrenhado) e neat (empertigado). Esses estilos na verdade refletem distintas visões sobre a disciplina e seus objetivos. Neste artigo revisamos a tensão entre desgrenhados e empertigados ao longo da história da IA. Analisamos o impacto do atual desempenho de métodos de aprendizado profundo nesse debate, sugerindo que o desenvolvimento de arquiteturas computacionais amplas é um caminho particularmente promissor para a IA.
publishDate 2021
dc.date.none.fl_str_mv 2021-04-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-40142021000100007
url http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-40142021000100007
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 10.1590/s0103-4014.2021.35101.002
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
dc.publisher.none.fl_str_mv Instituto de Estudos Avançados da Universidade de São Paulo
publisher.none.fl_str_mv Instituto de Estudos Avançados da Universidade de São Paulo
dc.source.none.fl_str_mv Estudos Avançados v.35 n.101 2021
reponame:Estudos Avançados
instname:Universidade de São Paulo (USP)
instacron:UFRJ
instname_str Universidade de São Paulo (USP)
instacron_str UFRJ
institution UFRJ
reponame_str Estudos Avançados
collection Estudos Avançados
repository.name.fl_str_mv Estudos Avançados - Universidade de São Paulo (USP)
repository.mail.fl_str_mv ||estudosavancados@usp.br
_version_ 1750128209164238848