ARTIFICIAL INTELLIGENCE
(obiettivi)
Obiettivi generali:
Conoscere i principi di base dell'intelligenza artificiale, in particolare la modellazione di sistema intelligente tramite la nozione di agente intelligente. Conoscere le tecniche di base dell'Intelligenza Artificiale con particolare riferimento alla manipolazione di simboli e, più in generale, a modelli discreti. Conoscere i principi fondamentali della interazione tra agenti intelligenti ed in particolare tra agente intelligente e uomo, attraverso il linguaggio parlato.
Obiettivi specifici:
Conoscenza e comprensione: Metodi di ricerca automatica nello spazio degli stati: metodi generali, metodi basati su euristiche, ricerca locale.Rappresentazioni fattorizzate: problemi di soddisfacimento di vincoli, modelli di pianificazione. Rappresentazione della conoscenza attraverso sistemi formali: logica proposizionale, logica del primo ordine, cenni alle logiche descrittive ad alle forme di ragionamento non monotono. Uso della logica come linguaggio di programmazione: PROLOG. Cooperazione e coordinamento tra agenti intelligenti, distribuzione di compiti, soddisfacimento distribuito di vincoli, analisi lessicale, sintattica e semantica del linguaggio parlato.
Applicare conoscenza e comprensione: Modellazione di problemi con i diversi metodi di rappresentazione acquisiti. Analisi del comportamento degli algoritmi di ragionamento di base. Progetto e realizzazione di sistemi per l'interazione tra molti agenti.
Capacità critiche e di giudizio: Essere in grado di valutare la qualità di un modello di rappresentazione di un problema e dei risultati ottenuti applicando su di esso tecniche di ragionamento automatico. Analisi e valutazione degli elementi salienti della interazione tra molti agenti.
Capacità comunicative: Le capacità di comunicazione orale dello studente vengono stimolate attraverso l'interazione durante le lezioni tradizionali mentre le capacità espositive nello scritto vengono sviluppate attraverso la discussione di esercizi e delle domande a risposta aperta previste nelle prove di esame. Le capacità comunicative vengono infine consolidate attraverso la presentazione di un progetto, realizzato anche in gruppo, e del report scritto ad esso associato.
Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, attraverso gli esercizi relativi all'applicazione dei modelli appresi, il corso contribuisce a sviluppare le capacità di risoluzione di problemi dello studente. Il progetto e realizzazione di un prototipo di sistema di interazione contribuiscono all'apprendimento della capacità di lavorare in gruppo.
|
Codice
|
10592832 |
Lingua
|
ENG |
Tipo di attestato
|
Attestato di profitto |
Crediti
|
9
|
Settore scientifico disciplinare
|
ING-INF/05
|
Ore Aula
|
54
|
Ore Esercitazioni
|
36
|
Ore Studio
|
-
|
Attività formativa
|
Attività formative caratterizzanti
|
Canale Unico
Docente
|
NARDI DANIELE
(programma)
L'obiettivo del corso è l'introduzione alle tecniche di base dell'Intelligenza di Intelligenza Articiale. In particolare, viene definito il modello dell'agente intelligente e vengono presentate le tecniche di ricerca automatica delle soluzioni e la pianificazione automatica; successivamente, viene definito il modello di rappresentazione della conoscenza basato sulla logica (proposizionale e calcolo dei predicati del primo ordine) e le tecniche di ragionamento, in particolare la risoluzione, anche attraverso l'uso della programmazione logica. Il corso si propone di fornire gli strumenti per la modellazione di problemi, sia i principali strumenti sviluppati per la ricerca delle soluzione nell'ambito dei modelli di rappresentazione considerati.
La seconda parte del corso (3 ECTS aggiuntivi rispetto al corso fruito da altri CDS) ha come obiettivo lo sviluppo di alcuni aspetti sviluppati nella prima parte del corso, in particolare l'estensione del modello di agente intelligente nel contesto di un sistema con molti agenti e l'interazione tra uomo e la macchina attraverso il linguaggio parlato. Questa parte del corso ha una significativa componente progettuale per far acquisire allo studente la capacità di usare i modelli studiati nel corso nello sviluppo di applicazioni.
S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, Fourth Edition, Prentice Hall Series in Artificial Intelligence, to appear 2019.
[W] M. Wooldridge, Multi-Agent Systems, John Wiley, 2009.
Daniel Jurafsky and James H. Martin. Speech and Language Processing. https://web.stanford.edu/~jurafsky/slp3/
|
Date di inizio e termine delle attività didattiche
|
- |
Date degli appelli
|
Date degli appelli d'esame
|
Modalità di erogazione
|
Tradizionale
|
Modalità di frequenza
|
Non obbligatoria
|
Metodi di valutazione
|
Prova scritta
Prova orale
Valutazione di un progetto
|
|
|