Inteligência Artificial – Stuart Russell, Peter Norvig; tradução Regina Célia Simille.

A inteligência artificial (IA) é um grande campo, e este é um grande livro. Tentamos explorar toda a extensão do assunto, que abrange lógica, probabilidade e matemática do contínuo, além de percepção, raciocínio, aprendizado, ação e, ainda, tudo o que se refere à eletrônica, desde dispositivos microeletrônicos até robôs para exploração planetária. O livro também é grande porque nos aprofundamos na apresentação de resultados. O subtítulo deste livro é “Uma Abordagem Moderna”. O significado pretendido dessa frase um tanto vazia é que tentamos sintetizar o que hoje é conhecido numa estrutura comum, em vez de tentarmos explicar cada subcampo da IA em seu próprio contexto histórico. Pedimos desculpas àqueles que trabalham em subcampos, que, como resultado, receberam menos reconhecimento do que deveriam.

Novidades desta edição

Esta edição capturou as mudanças em IA que tiveram lugar desde a última edição em 2003. Houve aplicações importantes de tecnologia de IA, tais como a implantação generalizada da prática de reconhecimento de fala, tradução automática, veículos autônomos e robótica de uso doméstico. Houve marcos em algoritmos, como a solução do jogo de damas, e um significativo progresso teórico, particularmente em áreas como a do raciocínio probabilístico, aprendizado de máquina e visão computacional. Mais importante, do nosso ponto de vista, é a evolução contínua na maneira como pensamos sobre essa área e, dessa forma, como organizamos este livro. As principais mudanças foram as seguintes: • Colocamos mais ênfase em ambientes parcialmente observáveis e não determinísticos, especialmente nas configurações não probabilísticas de pesquisa e planejamento. Os conceitos de estado de crença (um conjunto de mundos possíveis) e estimação de estado (manutenção do estado de crença) foram introduzidos nesta versão; mais adiante, adicionamos probabilidades. • Além de discutir os tipos de ambientes e tipos de agentes, agora cobrimos com mais profundidade os tipos de representações que um agente pode utilizar. Distinguimos entre representações atômicas (em que cada estado do mundo é tratado como uma caixa-preta), representações fatoradas (em que um estado é um conjunto de atributos/pares de valor) e representações estruturadas (em que o mundo consiste em objetos e relações entre eles). • Nossa cobertura do planejamento aprofundou-se sobre o planejamento contingente em ambientes parcialmente observáveis, incluindo uma nova abordagem para o planejamento hierárquico. • Adicionamos um novo material de modelos probabilísticos de primeira ordem, incluindo modelos de universo aberto para casos de incerteza quanto à existência de objetos. • Reescrevemos totalmente o capítulo introdutório de aprendizado de máquina, salientando uma variedade ampla de aprendizagem mais moderna de algoritmos, colocando-os em um patamar teórico mais consistente. • Expandimos a cobertura de pesquisa na Web e de extração de informações e de técnicas de aprendizado a partir de conjuntos de dados muito grandes. • 20% das citações desta edição são de trabalhos publicados depois de 2003. • Estimamos que 20% do material é novo. Os 80% restantes refletem trabalhos mais antigos, mas foram amplamente reescritos para apresentar uma imagem mais unificada da área.

DOWNLOAD