Preprint / Versión 1

O Ensino de Inteligˆencia Artificial: Potencialidades e Limitações de Diferentes Abordagens

article.authors6af12f404b258

  • 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:

IA e Educação, O que é IA, História e Filosofia da Inteligência Artificial, Ensino de IA

Resumen

A área de Inteligência Artificial sempre teve fronteiras fluidas e caráter multi-disciplinar, congregando domínios de conhecimento diversos e exigindo diferentes perspectivas. Examinamos aqui, à luz dessas características da área, algumas estratégias que podem ser adotadas  em cursos introdutórios sobre Inteligência Artificial. Analisamos as possíveis estratégias considerando alguns aspectos (caráter teórico e conceitual, foco histórico, ênfase prática, ênfase em temais mais modernos), e discutimos potencialidades e limitações de diferentes abordagens posicionadas em um mapa conceitual. Utilizamos como referência para esta discussão o livro-texto Artificial Intelligence: A Modern Approach (1995), que ocupa posição de destaque no ensino universitário de IA há várias décadas. Além disso, enfatizaremos as potencialidades, talvez menos evidentes, de uma das abordagens, que valoriza a evolução conceitual e histórica da área.

Downloads

Los datos de descarga aún no están disponibles.

Biografía del autor/a

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).

Enviado

23/09/2026

Postado

16/10/2026

Cómo citar

O Ensino de Inteligˆencia Artificial: Potencialidades e Limitações de Diferentes Abordagens. (2026). In SciELO Preprints. https://doi.org/10.1590/SciELOPreprints.18118

Serie

Ciencias Exactas y de la Tierra

Derechos de autor 2026 Bernardo Gonçalves, Fabio Gagliardi Cozman

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Datos de los fondos

Crossref
Scopus
Google Scholar
Europe PMC

Plaudit

Declaración de datos

  • Los datos de investigación están incluidos en el propio manuscrito