Por que toda decisão inteligente começa antes da certeza?
Todo sistema inteligente precisa decidir se deve aproveitar aquilo que já conhece ou explorar aquilo que ainda permanece incerto. Esse dilema entre exploração e aproveitamento aparece na ciência, nas finanças, na medicina, nos sistemas de recomendação, na robótica e na inteligência artificial moderna. O problema clássico do Multi-Armed Bandit oferece a forma matemática mais limpa desse dilema, enquanto o Restless Multi-Armed Bandit revela por que a inteligência no mundo real é muito mais difícil: o mundo muda enquanto o agente ainda está aprendendo. Este artigo introdutório abre a série **Inteligência Adaptativa**, traçando um caminho que vai da Regra dos 37% e dos problemas clássicos de bandits ao Índice de Gittins, aos ambientes instáveis e ao futuro da IA adaptativa. Seu argumento central é que inteligência não é apenas otimização, mas adaptação contínua sob incerteza.
