A lógica formal é a base para raciocínio estruturado em IA, permitindo representar conhecimento e inferir conclusões de forma sistemática e precisa.
Tipos de Lógica Formal
Tipo Descrição Exemplo
Lógica Proposicional Lida com proposições simples (V/F) e conectivos lógicos (E, OU, NÃO) (Chuva → SoloMolhado)
Lógica de Predicados Extensão que lida com objetos, propriedades e relações gosta_de(joão, ação)
Conectivos Lógicos Fundamentais
Símbolo Operador Significado
∧ E Verdadeiro se ambos forem V
∨ OU Verdadeiro se pelo menos um for V
¬ NÃO Inverte o valor lógico
→ Implicação Se antecedente V, consequente deve ser V
↔ Bicondicional Verdadeiro se ambos tiverem mesmo valor
Aplicações em IA
- Automação de Decisões
text
Regra: IF usuario.preferencia = "comédia" AND filme.genero = "comédia"
THEN recomendar(filme)
Exemplo: João gosta de comédia → recomendamos "Um Dia de Cão"
2. Verificação de Consistência
Detecta contradições em uma base de conhecimento:
(A ∧ ¬A) → contradição detectada
- Sistemas Baseados em Conhecimento
Usam regras do tipo SE-ENTÃO para simular raciocínio especialista:
text
SE febre AND tosse ENTÃO suspeita = gripe
SE gripe AND falta_de_ar ENTÃO encaminhar = emergência
Exemplo Prático: Recomendação de Filmes
python
Base de conhecimento em lógica de predicados
base_conhecimento = [
"gosta(ana, comedia)",
"gosta(ana, romance)",
"genero(um_dia_de_cao, comedia)",
"genero(interestelar, ficcao)",
"recomendar(X) :- gosta(ana, G), genero(X, G)" # regra
]
Inferência: quais filmes recomendar para Ana?
resultado: um_dia_de_cao (pois ela gosta de comédia)
Benefícios para IA
Benefício Explicação
Transparência O raciocínio pode ser auditado passo a passo
Consistência Detecta contradições automaticamente
Generalização Regras se aplicam a múltiplos casos
Explicabilidade É possível justificar cada conclusão
Limitações
Dificuldade com incerteza (probabilidade resolve isso)
Explosão combinatória em problemas grandes
Não aprende com dados (diferente de machine learning)
Conclusão
A lógica formal fornece a base para sistemas simbólicos de IA, onde o conhecimento é representado explicitamente e as conclusões são derivadas por regras de inferência. Combinada com probabilidade e aprendizado de máquina, forma o tripé da IA moderna.
