Sistemi Intelligenti I

Maria Simi      Tel. 0502212758

Conoscenze di base della logica dei predicati.

Acquisire una conoscenza dei concetti, delle tecniche e dei settori applicativi dell'Intelligenza Artificiale.

Il corso introdurrà l'Intelligenza Artificiale mediante una trattazione delle tecniche di risoluzione dei problemi come ricerca euristica in spazi di stati e delle tecniche di base per la rappresentazione della conoscenza, il ragionamento e l'apprendimento automatico, finalizzate alla realizzazione di agenti intelligenti.

Core Artificial Intelligence will be introduced by presenting problem solving techniques by means of heuristic search in state spaces and the basic methods for knowledge representation, reasoning and machine learning finalized to the construction of intelligent agents.

Introduzione (2 ore)

• Obiettivi e caratterizzazione dell'Intelligenza Artificiale.
• La visione dell'Intelligenza Artificiale come costruzione di "agenti intelligenti".

Risoluzione dei problemi come ricerca euristica (8 ore + 4 ore di esercitazione)

• Formulazione dei problemi come ricerca in uno spazio di stati.
• Algoritmi di ricerca non informata ed euristica.
• Problemi di soddisfacimento di vincoli.
• Giochi con avversario.

Rappresentazione della conoscenza e ragionamento (10 ore + 10 ore esercitazione)

• Introduzione alla rappresentazione della conoscenza: la mediazione tra espressività e complessità.
• Il calcolo proposizionale e la soddisfacibilità
• Il calcolo dei predicati come linguaggio di rappresentazione: uso e limitazioni.
• Deduzione automatica: il metodo di risoluzione e relative strategie di risoluzione.
• Introduzione alla programmazione logica.
• Sistemi a regole.
• Rappresentazioni strutturate: reti semantiche, rappresentazioni a "frame" e logiche terminologiche.

Pianificazione (4 ore + 2 ore di esercitazione)

• Il calcolo di situazioni e il problema del contorno.
• Pianificazione nello spazio delle situazioni.
• Pianificazione nello spazio dei piani.

Apprendimento automatico (4 ore + 2 di esercitazione)

• Concetti fondamentali che caratterizzano l'apprendimento automatico.
• Presentazione dei principali approcci all'apprendimento automatico.

S. Russell, P. Norvig, "Artificial Intelligence: a Modern Approach", Prentice Hall, 2002 (II edizione). Sito del libro

Machine Learning, Tom Mitchell, McGraw Hill, 1998.

La valutazione dello studente avverrà secondo una delle seguenti modalità:

• Prove in itinere (compitini): entrambe le prove devono essere sufficienti; il voto risultante potrà essere verbalizzato durante uno degli appelli di gennaio e febbraio come voto finale dell'esame. Durante le prove in itinere è consentito consultare materiale.
• Gli appelli di gennaio e febbraio sono di norma "solo scritti". Durante questi appelli è consentito recuperare anche solo uno dei due compitini o migliorarne il risultato. La consegna del compito mette in discussione eventuali voti precedenti sulla parte consegnata. Durante le prove di gennaio e febbraio è consentito consultare materiale.
• Appelli successivi: allo studente sarà richiesto di risolvere esercizi o rispondere a domande sulla teoria per scritto (eccezioni possono essere fatte per appelli con pochi candidati). La prova avrà caratteristiche diverse dai compitini e in particolare non sarà possibile consultare il materiale didattico.