Preprint / Version 1

Teaching Artificial Intelligence: Potentialities and Limitations of Different Approaches

##article.authors##

  • Bernardo Gonçalves Laboratório Nacional de Computação Científica image/svg+xml https://orcid.org/0000-0003-2794-8478
    • Conceptualization
    • Funding Acquisition
    • Investigation
    • Methodology
    • Writing – Original Draft Preparation
    • Writing – Review & Editing
    • Project Administration
  • Fabio Gagliardi Cozman Universidade de São Paulo image/svg+xml https://orcid.org/0000-0003-4077-4935
    • Conceptualization
    • Funding Acquisition
    • Investigation
    • Methodology
    • Project Administration
    • Validation
    • Writing – Original Draft Preparation
    • Writing – Review & Editing

DOI:

https://doi.org/10.1590/SciELOPreprints.18118

Keywords:

Artificial Intelligence, Teaching strategies

Abstract

The field of Artificial Intelligence has always had fluid boundaries and a multidisciplinary character, bringing together diverse domains and asking for different perspectives. In light of these characteristics, we examine here a few strategies that can be adopted in introductory Artificial Intelligence classes. We analyze these possible strategies by considering several aspects (theoretical and conceptual nature, historical focus, practical emphasis, and prominence to modern themes) and discuss the potential and limitations of different approaches positioned on a conceptual map. We use the textbook Artificial Intelligence: A Modern Approach (1995), which has held a key place in university-level AI education for several decades, as a reference for this discussion. We also seek to highlight the perhaps less evident potential of an approach that values the conceptual and historical evolution of the field.

Downloads

Download data is not yet available.

Author Biography

Bernardo Gonçalves, Laboratório Nacional de Computação Científica

Doutor em Modelagem Computacional pelo Laboratório Nacional de Computação Científica (2015, programa CAPES 7), e doutor em Filosofia pela USP (2021, programa CAPES 7), mestre e bacharel em Ciência da Computação pela UFES. Foi Visiting Fellow (eleito, 2023-2024) do King's College, Universidade de Cambridge. É Professor e Tecnologista Pleno na Coordenação de Métodos Matemáticas e Computacionais do Laboratório Nacional de Computação Científica (LNCC/MCTI), BRASIL, onde coordena o Grupo de Pesquisa Futuros Turing (http://dgp.cnpq.br/dgp/espelhogrupo/6643589455115329) e onde é Docente Permanente do Programa de Pós-Graduação em Modelagem Computacional (CAPES 7), e Pesquisador Associado do Instituto de IA. É também Pesquisador Associado do Center for AI (C4AI/USP); Associate Editor, IEEE Annals of the History of Computing. Autor do livro The Turing Test Argument (New York: Routledge, 2023). Atua nas áreas de Inteligência Artificial, Ciência de Dados, Fundamentos de Computação e da IA, História e Filosofia da Ciência e da Tecnologia com ênfase em Computação e IA, e Estudos sobre Alan Turing. Em 2025, com o nascimento de seu primeiro filho, dividiu-se entre cuidados parentais e suas atividades profissionais. Recentemente, mesmo com filho muito pequeno, teve seu projeto ''Testes de Turing automatizados para avaliar IAs de forma interativa, adversária, e centrada em dados'' selecionado para auxílio à pesquisa pela FAPERJ (Jovem Pesquisador Fluminense, 2025-2028) e pelo CNPq (Conhecimento Brasil - Atração e Fixação de Talentos, 2025-2029), e o projeto ''Metodologia e Infraestrutura para Avaliação de Sistemas deInteligência Artificial Centrada em Dados e Computação de Alto Desempenho'' selecionado para o auxílio pelo CNPq (Programa de Capacitação Institucional, 2026-2030). Anteriormente, foi Pesquisador Afiliado do Departamento de História e Filosofia da Ciência, Universidade de Cambridge, e bolsista FAPESP de pós-doutorado na Escola Politécnica da USP com o projeto de pesquisa ''O futuro da inteligência artificial: a estrutura lógica do argumento de Alan Turing'' (https://bv.fapesp.br/pt/bolsas/191927/o-futuro-da-inteligencia-artificial-a-estrutura-logica-do-argumento-de-alan-turing/). Foi ainda Cientista Pesquisador Pleno da IBM Research no laboratório do Brasil (2016-2020) com pesquisa científica, tecnológica e inovação em inteligência artificial aplicada a grandes indústrias globais; e também Pesquisador Visitante no Departamento de Ciência da Computação da Universidade de Michigan em Ann Arbor (2015-2016).

Submitted

09/23/2026

Posted

10/16/2026

How to Cite

Teaching Artificial Intelligence: Potentialities and Limitations of Different Approaches. (2026). In SciELO Preprints. https://doi.org/10.1590/SciELOPreprints.18118

Section

Exact and Earth Sciences

Funding data

Plaudit

Data statement

  • The research data is contained in the manuscript