GOFAI (inteligência artificial à moda antiga) é um termo na filosofia da inteligência artificial que se refere à IA simbólica clássica, em oposição a outras abordagens como redes neurais, robótica situada, IA simbólica restrita ou IA neuro-simbólica. O termo foi cunhado pelo filósofo John Haugeland em seu livro de 1985 Inteligência Artificial: A Própria Ideia. Haugeland introduziu o termo para abordar duas questões centrais: se a GOFAI pode produzir inteligência artificial de nível humano em uma máquina e se a GOFAI é o método primário que os cérebros usam para exibir inteligência.
No desenvolvimento e na tecnologia de IA, a GOFAI é usada para se referir a programas construídos com instruções deliberadas e explícitas para uma única tarefa, em contraste com abordagens que usam aprendizado de máquina. Exemplos de aplicações de GOFAI incluem o AlphaGo e o design inicial da Siri da Apple.
Contexto Histórico e Influência
A pesquisa em IA nas décadas de 1950 e 1960 teve uma influência enorme na história intelectual. Ela inspirou a revolução cognitiva, levou à fundação do campo acadêmico da ciência cognitiva e foi o exemplo essencial nas teorias filosóficas do computacionalismo, do funcionalismo e do cognitivismo, bem como nas teorias psicológicas do cognitivismo e da psicologia cognitiva. O aspecto específico da pesquisa em IA que levou a essa revolução foi o que Haugeland chamou de GOFAI.
Herbert A. Simon, um fundador da IA, especulou em 1963 que a GOFAI poderia produzir inteligência de nível humano e que era o método primário que os cérebros usam. Sua evidência era o desempenho de programas que ele coescreveu, como o Logic Theorist e o General Problem Solver, juntamente com sua pesquisa psicológica sobre resolução de problemas humanos.
Racionalismo Ocidental e GOFAI
Haugeland situa a GOFAI dentro da tradição racionalista na filosofia ocidental, que sustenta que a razão abstrata é a faculdade mais elevada, separa os humanos dos animais e é a parte mais essencial da inteligência. Essa suposição aparece em Platão e Aristóteles, em Shakespeare, Hobbes, Hume e Locke, e foi central para o Iluminismo, os positivistas lógicos da década de 1930 e os computacionalistas e cognitivistas da década de 1960.
A IA simbólica na década de 1960 simulou com sucesso o raciocínio de alto nível, incluindo dedução lógica, álgebra, geometria, raciocínio espacial e análise de meios e fins, tudo em frases precisas em inglês. Muitos observadores, incluindo filósofos, psicólogos e pesquisadores de IA, ficaram convencidos de que haviam capturado as características essenciais da inteligência. Essa convicção era implicada pelo racionalismo; se falsa, questionaria grande parte da tradição filosófica ocidental.
A filosofia continental, incluindo Nietzsche, Husserl e Heidegger, rejeitou o racionalismo, argumentando que o raciocínio de alto nível é limitado e propenso a erros, e que a maioria das habilidades vem de intuições, cultura e sensibilidade instintiva. Filósofos familiarizados com essa tradição, como Hubert Dreyfus e Haugeland, foram os primeiros a criticar a GOFAI e sua suficiência para a inteligência.
Definição de Haugeland
Críticos e apoiadores da posição de Haugeland acharam difícil definir a GOFAI com precisão. Drew McDermott, por exemplo, considera a descrição de Haugeland incoerente e argumenta que a GOFAI é um mito. Haugeland cunhou o termo para examinar as implicações filosóficas de afirmações essenciais a todas as teorias de GOFAI, que ele listou como: (1) nossa capacidade de lidar com as coisas de forma inteligente se deve à nossa capacidade de pensar sobre elas de forma razoável, incluindo o pensamento subconsciente; e (2) nossa capacidade de pensar sobre as coisas de forma razoável equivale a uma faculdade para a manipulação automática interna de símbolos.
Isso é semelhante à hipótese dos sistemas de símbolos físicos proposta por Herbert A. Simon e Allen Newell em 1963, que afirma que um sistema de símbolos físicos tem os meios necessários e suficientes para a ação inteligente geral. Também se assemelha à suposição psicológica de Hubert Dreyfus de que a mente pode ser vista como um dispositivo que opera em bits de informação de acordo com regras formais.
A descrição de Haugeland se refere à manipulação de símbolos governada por um conjunto de instruções. Os símbolos são coisas físicas discretas com semântica definida, como <gato> e <tapete>. Eles não se referem a sinais, números não identificados ou matrizes de números não identificados. Assim, a GOFAI de Haugeland não inclui técnicas como cibernética, perceptrons, programação dinâmica, teoria de controle ou técnicas modernas como redes neurais ou máquinas de vetores de suporte. Também não inclui sistemas que combinam IA simbólica com outras técnicas, como IA neuro-simbólica, ou sistemas de IA simbólica restrita projetados apenas para problemas específicos.
Respostas de Cientistas de IA
Russell e Norvig escreveram que a GOFAI corresponde ao design de agente lógico mais simples e que é difícil capturar cada contingência de comportamento apropriado em um conjunto de regras lógicas necessárias e suficientes, chamando isso de problema de qualificação. Trabalhos posteriores em IA simbólica após a década de 1980 incorporaram abordagens mais robustas para domínios abertos, como raciocínio probabilístico, raciocínio não monotônico e aprendizado de máquina. Atualmente, a maioria dos pesquisadores de IA acredita que o aprendizado profundo e, mais provavelmente, uma síntese de abordagens neurais e simbólicas (IA neuro-simbólica), serão necessários para a inteligência geral.
Legado e Relevância
A GOFAI permanece um conceito fundamental para entender a história e a filosofia da inteligência artificial. Ela destaca a mudança de sistemas de raciocínio explícito baseados em regras para abordagens orientadas por dados, como grandes modelos de linguagem e transformadores. Embora o domínio da GOFAI tenha diminuído com o avanço do aprendizado de máquina, sua influência persiste em áreas como sistemas especialistas, raciocínio automatizado e a exploração contínua de métodos neuro-simbólicos. O termo continua a servir como um ponto de referência crítico para debates sobre a natureza da inteligência e o futuro da pesquisa em IA.