# Inteligência Artificial

Agentes, pesquisa, otimização, lógica, incerteza e aprendizagem na cadeira de IA da LEIC.

Página: https://resumos.rgo.pt/cadeiras/ia/

Inteligência Artificial é a cadeira onde programas deixam de seguir receitas fixas e passam a decidir: procuram caminhos, jogam, otimizam, tiram conclusões e aprendem com dados. O fio condutor destas páginas é sempre o mesmo problema concreto, um labirinto, visto com as ferramentas de cada tema. No fim deves conseguir escolher a técnica certa para cada tipo de problema e justificar a escolha com números, não com intuição.

O programa oficial é o da unidade curricular de Inteligência Artificial (L.EIC029) do 3.º ano, 2.º semestre da LEIC, ocorrência de 2025/26: agentes inteligentes, pesquisa não informada e heurística, pesquisa adversarial, otimização e algoritmos evolutivos, representação do conhecimento e lógica, incerteza e redes Bayesianas, aprendizagem computacional e redes neuronais, mais filosofia, ética e segurança.

## Como está organizado

Começa por [Agentes inteligentes](https://resumos.rgo.pt/cadeiras/ia/agentes-inteligentes/), que define o vocabulário da cadeira: o que é um agente, o que distingue ambientes e que arquiteturas existem. Depois vêm as duas páginas de pesquisa: [Pesquisa não informada](https://resumos.rgo.pt/cadeiras/ia/pesquisa-nao-informada/) explora o espaço de estados em largura, profundidade e custo uniforme, e [Pesquisa heurística](https://resumos.rgo.pt/cadeiras/ia/pesquisa-heuristica/) acelera a procura com heurísticas admissíveis e o A\*.

A segunda parte decide sob oposição e escassez: [Jogos e Minimax](https://resumos.rgo.pt/cadeiras/ia/jogos-e-minimax/) cobre Minimax, cortes alfa-beta e Monte Carlo, e [Otimização e evolução](https://resumos.rgo.pt/cadeiras/ia/otimizacao-e-evolucao/) troca a procura de caminhos pela procura de bons estados, com subida da colina, arrefecimento simulado e algoritmos evolutivos.

A terceira parte raciocina e aprende: [Lógica e conhecimento](https://resumos.rgo.pt/cadeiras/ia/logica-e-conhecimento/) representa factos e regras e infere conclusões, [Incerteza e Bayes](https://resumos.rgo.pt/cadeiras/ia/incerteza-e-bayes/) decide com probabilidades quando o mundo é incerto, e [Aprendizagem e redes neuronais](https://resumos.rgo.pt/cadeiras/ia/aprendizagem-e-redes/) constrói classificadores a partir de dados e avalia-os com matrizes de confusão.

## O que convém rever

A página de lógica usa conetivas e equivalências que podes rever em [Matemática Discreta](https://resumos.rgo.pt/cadeiras/md/) e em [Lógica proposicional](https://resumos.rgo.pt/cadeiras/md/logica-proposicional/). Os exemplos de código seguem o Python de [Fundamentos da Programação](https://resumos.rgo.pt/cadeiras/fp/). Quando se falar de problemas difíceis e heurísticas, a noção de P e NP está em [Teoria da Computação](https://resumos.rgo.pt/cadeiras/tc/).

## Como estudar

Cada página resolve um exemplo pequeno até ao fim. Refaz os exemplos à mão antes de leres a resolução: desenha a árvore de pesquisa, calcula o f do A\*, propaga o Minimax, conta os ataques das rainhas. A matéria desta cadeira aprende-se a calcular, não a ler. Quando um método falha no exemplo (a profundidade perde-se, a subida da colina prende-se, a heurística engana), percebe exatamente porquê, porque os testes pedem essa justificação.

## Avaliação

A forma de avaliação varia de ano para ano. Consulta a ficha da unidade curricular no SIGARRA e a página da disciplina no Moodle para saberes os pesos dos trabalhos e dos testes, as notas mínimas e as regras do recurso.

## Fontes e âmbito

Estas páginas seguem o âmbito da unidade curricular de Inteligência Artificial (L.EIC029) do 3.º ano, 2.º semestre da LEIC, ocorrência de 2025/26: agentes inteligentes, pesquisa não informada e heurística, pesquisa adversarial e Monte Carlo, otimização e algoritmos evolutivos, lógica e representação do conhecimento, incerteza e redes Bayesianas, aprendizagem supervisionada e não supervisionada, redes neuronais, filosofia, ética e segurança da IA. A avaliação na ocorrência de 2025/26 é distribuída, sem exame final: metade trabalhos práticos, metade testes, com nota mínima em cada componente e exame de recurso para quem falhar um teste. A bibliografia obrigatória da ficha é Russell e Norvig, Artificial Intelligence: A Modern Approach. Repositórios públicos de estudantes com projetos da cadeira serviram só para confirmar a ênfase prática dos temas.

Material oficial da FEUP:

*   Ficha da unidade curricular de Inteligência Artificial, ocorrência de 2025/26, com objetivos, programa, bibliografia e avaliação (consultada em setembro de 2026): [SIGARRA](https://sigarra.up.pt/feup/pt/ucurr_geral.ficha_uc_view?pv_ocorrencia_id=560114).