Conclusão                                           

Os estudos em I.A. atualmente dividem-se em quatro ramos fundamentais. Distingamos assim uma área ligada ao estudo das redes neurais e ao conexionismo que se relaciona também com a capacidade dos computadores aprenderem e reconhecerem padrões. Um outro ramo ligado à biologia molecular na tentativa de construir vida artificial. Um terceiro relacionado com a robótica, ligada à biologia e procurando construir máquinas que alojem vida artificial. E finalmente o ramo clássico da I.A. que se liga desde o início à Psicologia, desde os anos ’70 à epistemologia e desde os anos ’80 à sociologia, e que tenta representar na máquina os mecanismos de raciocínio e de procura.

Mas onde está a I.A.? Certamente ‘dentro dos agentes que são capazes de representar as situações que enfrentam e de realizar ações possuindo processos para manipular essas representações’. Mas estará ela no algoritmo, ou pelo contrário na arquitetura de estados mentais?

A construção de máquinas inteligentes pressupõe a existência de estruturas simbólicas (representação), a capacidade de elas poderem raciocinar (procura) e a existência de conhecimentos (matéria prima). Assim o campo mais popular da I.A. é sem dúvida o da engenharia do conhecimento pois é aí que se concebem os sistemas periciais, que são capazes de representar conhecimentos e de raciocinar.

Uma outra questão que se levantou desde os primeiros anos de I.A. foi se os computadores seriam realmente capazes de aprender. Questão que, a par da questão da representação de conhecimentos, e da capacidade das máquinas serem inteligentes e capazes de raciocinar é um pilar da investigação em I.A.

As sinergias combinam a inteligência com as capacidades de memória. É, de certa forma a fusão tecnológica no sentido da otimização das pesquisas em informação.

Assim o próximo desafio encontra-se no domínio do desenvolvimento de estratégias apropriadas para representar a informação e de conseguir chegar a raciocínios sintéticos ao longo de diferentes bases de conhecimentos.

As interfaces de língua natural para bases de dados dotadas de regras de inferência gramatical, possuem heurísticas de discurso adaptadas a vários ambientes de programação.