https://docs.google.com/presentation/d/e/2PACX-1vSsjCXDYRizXFiPxlO_G3yxtZE_fpNg_n3TmsnyMoX2hqzZNcGO9SHmHSDWU-Sa1A/pubembed?start=false&loop=false&delayms=3000

1. Conceitos Fundamentais

A IA simbólica baseia-se na manipulação de símbolos e em regras lógicas pré-definidas para representar conhecimento e realizar inferências. 1

A IA baseada em aprendizado (aprendizado de máquina) extrai padrões estatísticos diretamente de grandes conjuntos de dados, ajustando seus parâmetros sem programação explícita de regras. 2

2. Representação do Conhecimento

• IA Simbólica: Conhecimento organizado em símbolos e regras “SE–ENTÃO”, facilmente interpretáveis por humanos. 3
• IA Baseada em Aprendizado: Conhecimento codificado em pesos de modelos matemáticos (por exemplo, redes neurais) que refletem correlações aprendidas nos dados. 4

3. Processo de “Aprendizado”

• IA Simbólica: Especialistas definem e atualizam manualmente regras e bases de conhecimento; o sistema “aprende” quando novas regras são incorporadas. 3
• IA Baseada em Aprendizado: Algoritmos ajustam-se automaticamente conforme recebem dados de treinamento rotulados ou não rotulados, como em aprendizado supervisionado ou não supervisionado. 5

4. Interpretabilidade e Transparência

• IA Simbólica: Alta explicabilidade, pois cada decisão pode ser rastreada até regras lógicas explícitas. 6
• IA Baseada em Aprendizado: Frequentemente considerada uma “caixa-preta”, exigindo métodos de interpretabilidade adicionais para explicar decisões complexas de redes neurais profundas. 6

5. Dependência de Dados

• IA Simbólica: Funciona com volumes limitados de dados, desde que as regras sejam completas e corretas. 3
• IA Baseada em Aprendizado: Requer grandes quantidades de dados para treinamento eficaz, possibilitando capturar padrões sutis e complexos. 4

6. Flexibilidade e Adaptabilidade

• IA Simbólica: Rígida frente a situações não previstas pelas regras, podendo falhar em cenários ambíguos. 3
• IA Baseada em Aprendizado: Mais adaptável a novos cenários, generalizando a partir de exemplos aprendidos, mas sujeita a vieses presentes nos dados. 2

7. Quando Utilizar Cada Abordagem