Os Anos Dourados
O otimismo simbólico dos anos 1960
A GOFAI (Good Old-Fashioned Artificial Intelligence) apostava que símbolos, regras e busca poderiam explicar grande parte da inteligência.
O otimismo da IA simbólica
Depois do encontro de Dartmouth e dos primeiros programas de raciocínio automático, a Inteligência Artificial entrou em uma fase de grande entusiasmo.
Nas décadas de 1950 e 1960, muitos pesquisadores acreditavam que a inteligência humana poderia ser decomposta em operações simbólicas: manipular regras, representar conhecimento, provar teoremas, jogar, planejar ações e resolver problemas por busca.
Essa visão ficou conhecida, mais tarde, como GOFAI — Good Old-Fashioned Artificial Intelligence, ou “boa e velha IA à moda antiga”.
A ideia central era simples e poderosa: se o pensamento pode ser descrito por símbolos e regras, então computadores podem manipular esses símbolos e executar essas regras.
Os anos dourados da IA foram marcados pela confiança de que representação simbólica + regras lógicas + busca heurística seriam suficientes para produzir comportamento inteligente.
LISP: uma linguagem para pensar símbolos
Um dos marcos técnicos desse período foi a criação da linguagem LISP, associada a John McCarthy.
LISP tornou-se uma das principais linguagens da IA simbólica porque era especialmente adequada para manipular listas, expressões simbólicas e estruturas recursivas. Em vez de tratar a computação apenas como cálculo numérico, LISP facilitava a construção de programas que lidavam com símbolos, regras e árvores de decisão.
Isso era fundamental para a IA da época. Programas de prova de teoremas, planejamento, jogos e linguagem natural precisavam manipular estruturas abstratas, não apenas números.
Por isso, LISP se tornou uma espécie de linguagem clássica da IA.
Planejamento, jogos e prova automática
Durante esse período, surgiram programas capazes de realizar tarefas que pareciam exigir raciocínio.
Alguns sistemas jogavam xadrez ou damas. Outros buscavam provar teoremas matemáticos. Outros tentavam planejar uma sequência de ações para sair de um estado inicial e chegar a um objetivo.
Muitos desses programas se apoiavam em uma ideia comum: representar um problema como um espaço de possibilidades e usar estratégias de busca para encontrar uma solução.
O desafio era escolher bons caminhos sem testar todas as combinações possíveis. Por isso, as heurísticas se tornaram centrais: eram regras práticas que ajudavam o programa a decidir quais caminhos pareciam mais promissores.
Micromundos: inteligência em ambientes simplificados
Uma das estratégias mais importantes da IA simbólica foi trabalhar com micromundos.
Um micromundo é um ambiente artificialmente limitado, com poucas regras, poucos objetos e um vocabulário restrito. Ao reduzir a complexidade do mundo real, os pesquisadores conseguiam construir sistemas que pareciam compreender, planejar e responder de maneira inteligente.
Essa abordagem tinha uma vantagem clara: permitia avanços concretos. Mas também escondia uma dificuldade profunda: sistemas que funcionavam bem em micromundos muitas vezes falhavam quando expostos ao mundo aberto, ambíguo e imprevisível.
Essa tensão entre ambientes controlados e mundo real acompanharia a IA por décadas.
SHRDLU: linguagem natural em um mundo de blocos
Um dos exemplos mais famosos de micromundo foi o SHRDLU, desenvolvido por Terry Winograd no final dos anos 1960 e início dos anos 1970.
O sistema operava em um “mundo de blocos”: um ambiente simples com objetos geométricos que podiam ser movidos, empilhados e descritos por comandos em linguagem natural.
Dentro desse universo limitado, SHRDLU conseguia interpretar comandos, responder perguntas e executar ações. Para a época, parecia um enorme avanço na compreensão de linguagem natural.
Mas o sucesso de SHRDLU dependia justamente da simplicidade do seu mundo. Ele compreendia bem porque havia pouco a compreender. Quando a linguagem deixava o micromundo e entrava no mundo real, surgiam ambiguidade, contexto, conhecimento implícito e múltiplas interpretações.
A explosão combinatória
Um dos grandes problemas encontrados pela IA simbólica foi a explosão combinatória.
Em muitos problemas, o número de possibilidades cresce rapidamente à medida que o problema aumenta. Um programa pode conseguir resolver um pequeno quebra-cabeça ou planejar poucas ações, mas falhar quando o número de alternativas se torna imenso.
Esse problema aparecia em jogos, planejamento, linguagem, prova de teoremas e representação de conhecimento.
A explosão combinatória mostrou que inteligência não é apenas aplicar regras: é também saber quais informações são relevantes, quais possibilidades ignorar e como lidar com incerteza e contexto.
A crítica aos perceptrons
Embora os anos dourados sejam lembrados principalmente pela IA simbólica, também havia pesquisas em redes neurais simples, como os perceptrons.
Em 1969, Marvin Minsky e Seymour Papert publicaram um estudo crítico sobre as limitações dos perceptrons. O trabalho teve grande impacto e contribuiu para reduzir o entusiasmo com essa linha de pesquisa por um período.
É importante notar que a crítica se aplicava a modelos bastante simples, não às redes neurais profundas que surgiriam décadas depois. Mesmo assim, o efeito histórico foi significativo: a IA simbólica se fortaleceu, enquanto as abordagens conexionistas perderam espaço temporariamente.
Linha do tempo essencial
- 1958 — John McCarthy desenvolve o LISP.
- Década de 1960 — Crescem os programas de prova automática, jogos, planejamento e linguagem natural.
- 1966–1970 — Sistemas baseados em micromundos ganham destaque.
- 1968–1970 — Terry Winograd desenvolve o SHRDLU.
- 1969 — Minsky e Papert publicam críticas importantes aos perceptrons.
Conceitos-chave
- GOFAI: tradição clássica da IA baseada em símbolos, regras, lógica e busca.
- LISP: linguagem historicamente associada à manipulação simbólica em IA.
- Micromundos: ambientes simplificados usados para estudar linguagem, planejamento e raciocínio.
- Explosão combinatória: crescimento rápido do número de possibilidades em problemas complexos.
- Sistemas de produção: programas baseados em regras do tipo “se condição, então ação”.
- Heurísticas: atalhos ou estratégias práticas para guiar a busca por soluções.
Personagens em foco
- John McCarthy — criador do termo Artificial Intelligence e da linguagem LISP.
- Marvin Minsky — pioneiro da IA simbólica e da ciência cognitiva computacional.
- Seymour Papert — pesquisador influente em IA, educação e crítica aos perceptrons.
- Terry Winograd — criador do SHRDLU, um dos sistemas clássicos de linguagem natural em micromundos.
Leituras sugeridas
- NILSSON, Nils J. The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge University Press, 2010.
- WINOGRAD, Terry. Understanding Natural Language. Academic Press, 1972.
- MINSKY, Marvin; PAPERT, Seymour. Perceptrons: An Introduction to Computational Geometry. MIT Press, 1969.
- CREVIER, Daniel. AI: The Tumultuous History of the Search for Artificial Intelligence. Basic Books, 1993.
Síntese
Os anos dourados da IA foram marcados por confiança e ambição. Pesquisadores acreditavam que a inteligência poderia ser formalizada por símbolos, regras, representações e estratégias de busca.
Essa abordagem produziu resultados importantes: linguagens como LISP, programas de planejamento, sistemas de prova automática e experiências notáveis com linguagem natural em micromundos.
Mas também surgiram limites profundos. O mundo real era mais ambíguo, aberto e complexo do que os micromundos sugeriam. A explosão combinatória, a dificuldade de representar conhecimento comum e as promessas excessivas prepararam o terreno para a próxima fase: o inverno da IA.