| INTELLIGENZA ARTIFICIALE 1
(obiettivi)
Lo studente è atteso apprendere i fondamenti, i paradigmi logico-matematici, le tecnologie e le principali applicazioni della disciplina nota come Intelligenza Artificiale, dedicata alla automazione dei comportamenti intelligenti dell’uomo attraverso la algoritmica dei sistemi software. Il Corso produce una panoramica completa dell’area fornendo alcuni approfondimenti su problemi e soluzioni efficienti della IA nelle applicazioni moderne del software. Ad alcuni richiami ai fondamenti di algebra e di logica, il Corso associa una introduzione alle tecnologie di programmazione che sono alla base dei sistemi basati su conoscenza. Al termine del corso, lo studente avrà acquisito le competenze necessarie per comprendere la progettazione di sistemi intelligenti in applicazioni moderne, ad esempio Web, incluse le tecnologie di ragionamento, di apprendimento e di pianificazione, che sono centrali nello sviluppo di sistemi software intelligenti ed autonomi (*conoscenza e capacità di comprensione*). In particolare, lo studente avrà avuto modo di apprendere gli strumenti e le tecnologie per progettare tali sistemi secondo lo svolgimento di esercizi e piccoli di progetti su processi intelligenti di media complessità (*capacità di applicare conoscenza e comprensione*). Il Corso fa riferimento a problemi algoritmici molto complessi tipici della intelligenza dell’uomo (ad es. il riconoscimento e la classificazione dei fenomeni semantici nell’agire linguistico) e richiede la individuazione degli elementi essenziali di tali processi, mirando a realizzare una forte *autonomia di giudizio* nello studente, obbiettivo rilevante del Corso. Osserviamo che la analisi richiesta nella progettazione logica dei workflow intelligenti coinvolti dal Corso corrisponde ad un processo molto complesso e stimola la capacità di interpretazione dei comportamenti e dei dati, amplificando dunque in modo sistematico le *abilità comunicative* dello studente. La *capacità di apprendimento* in questo Corso è dunque stimolata in modo significativo sia nei processi interpretativi che nei processi di progettazione: i flussi algoritmici avanzati presentati variano infatti da applicazioni ad algoritmica complessa (ad esempio problemi di ragionamento logico per la pianificazione) a metodi guidati dai dati (Machine Learning) e consentono allo studente metodi critici ed analitici in fronti molto diversi ed ugualmente importanti delle moderne ICTs.
|
|
Codice
|
8066598 |
|
Lingua
|
ITA |
|
Tipo di attestato
|
Attestato di profitto |
|
Crediti
|
6
|
|
Settore scientifico disciplinare
|
INF/01
|
|
Ore Aula
|
48
|
|
Ore Studio
|
-
|
|
Attività formativa
|
Attività formative caratterizzanti
|
Canale Unico
|
Mutua da
|
8066598 INTELLIGENZA ARTIFICIALE 1 in Informatica L-31 BASILI ROBERTO
(programma)
Intelligenza Artificiale: fondamenti e storia dell’IA. Fondamenti filosofici dell’IA. IA e etica. Agenti Intelligenti: definizione. Agenti Razionali e Ambiente Operativo. Metodi di Soluzione dei Problemi: Ricerca, Ottimizzazione, Giochi, Soddisfazione di Vincoli. Risoluzione di Problemi attraverso la Ricerca automatica. Strategie di Ricerca non informate ed euristiche. Alpha–Beta Pruning. Problemi a Soddisfazione di Vincoli. Propagazione dei Vincoli: Inferenza nei CSPs. Conoscenza: Rappresentazione e Uso. Dimostrazione dei teoremi in logica proposizionale. Ingegneria della conoscenza in Logica del Primo Ordine. Inferenza in Logica del Primo Ordine. Modelli di Rappresentazione della Conoscenza alternativi: reti semantiche e frame. Ragionamento e Pianificazione. Agenti Logici. Agenti basati su conoscenza. Pianificazione Classica. Algoritmi di Pianificazione come ricerca negli spazi di stato. Rappresentazione della conoscenza. Ingegneria delle Rappresentazioni Ontologiche. Ragionamento ontologico. Incertezza, Conoscenza e Ragionamento. Ragionamento Probabilistico. Machine Learning. Apprendimento da esempi. Reti neurali artificiali. Apprendimento e Rappresentazione della Conoscenza. Programmazione Logica Induttiva (Inductive Logic Programming). Apprendimento di Modelli Probabilistici. Comunicazione, percezione e azione negli agenti intelligenti. Trattamento Automatico delle Lingue (Natural Language Processing), Percezione, Robotica.
 • Stuart Russell, Peter Norvig, Intelligenza artificiale 3/Ed. - Vol. 1, Un approccio moderno, Pearson, ISBN9788871925936 (2010) • Note del docente e articoli scientifici distribuite durante il corso.
|
|
Date di inizio e termine delle attività didattiche
|
- |
|
Modalità di erogazione
|
Tradizionale
|
|
Modalità di frequenza
|
Non obbligatoria
|
|
Metodi di valutazione
|
Prova scritta
Prova orale
|
|
|