Università degli Studi Guglielmo Marconi

Insegnamento
Intelligenza artificiale
Docente
Prof. De Luca Ernesto William
Settore Scientifico Disciplinare
ING-INF/05
CFU
12
Descrizione dell'insegnamento

Il corso si propone di introdurre storicamente il concetto di “intelligenza” associato ai sistemi/agenti, analizzare le metodologie sviluppate per l’analisi di problemi complessi, valutare la complessità dei singoli approcci, identificare strutture e strategie per la risoluzione di problemi complessi. Analizzare, inoltre, la specificità della problematica nel momento in cui si dà vita ad agenti intelligenti sul web. Ampio spazio è dedicato alle problematiche relative alla rappresentazione della conoscenza e reasoning e al trattamento dei dati con strumenti automatici. In particolare vengono forniti i contenuti e gli strumenti per consentire agli studenti di apprendere gli algoritmi e le tecnologie per il recupero automatico dell´informazione.

Obiettivi formativi (espressi come risultati di apprendimento attesi)
Al termine di questo corso, lo studente sarà in grado di:
  • apprendere la risoluzione automatica dei problemi;
  • comprendere la rappresentazione della conoscenza e il Reasoning;
  • saper costruire basi di conoscenza;
  • conoscere i metodi di pianificazione;
  • studiare la rappresentazione della conoscenza incerta;
  • capire l’apprendimento automatico;
  • valutare l’elaborazione del linguaggio naturale;
  • definire cos'è l'ingegneria linguistica e utilizzare le risorse linguistiche in diverse applicazioni;
  • conoscere l’evoluzione del semantic retrieval;
  • usare User Modelling per la personalizzazione e l'adattamento dei sistemi alle esigenze specifiche dell'utente;
  • realizzare sistemi di information retieval anche capaci di affrontare i problemi relativi a differenti lingue;
  • capacità di apprendere e integrare conoscenze da varie fonti al fine di conseguire una visione più ampia dei task dell’intelligenza artificiale e mostrare anche un'autonomia nell'affrontare possibili soluzioni a nuovi problemi;
  • esprimere con opportuno linguaggio gli argomenti del corso;
  • valutare in autonomia i vantaggi e gli svantaggi di quanto introdotto nelle problematiche dell’intelligenza artificiale.
Prerequisiti

Non sono richiesti requisiti specifici.

Contenuti dell'insegnamento
Modulo 1: Rappresentazioni e metodologie. 
  • Gli obiettivi del modulo sono:
    • saper analizzare le metodologie sviluppate per l’analisi di problemi complessi;
    • comprendere le metodologie di ragionamento;
    • apprendere i fondamenti dell’apprendimento automatico.
  • Le lezioni sono 8:
    • Strutture e strategie per risolvere problemi complessi
    • Metodologie di ragionamento (trattata con 2 lezioni)
    • Pianificazione (trattata con 2 lezioni)
    • Conoscenza e ragionamento incerto (trattata con 2 lezioni)
    • Apprendimento automatico
Modulo 2: Linguaggio naturale
  • Gli obiettivi del modulo sono:
    • comprendere l’elaborazione del linguaggio naturale;
    • apprendere l’analisi semantica;
    • capire l’Information Extraction.
  • Le lezioni sono 13:
    • Elaborazione del linguaggio naturale (trattata con 4 lezioni)
    • Semantica
    • Semantica - Approcci computazionali (trattata con 6 lezioni)
    • Analisi del discorso (trattata con 2 lezioni)
Attività didattiche
Didattica erogativa
L'insegnamento prevede, per ciascun CFU, 5 ore di Didattica Erogativa, costituite da circa 2,5 videolezioni (tenendo conto delle necessità di riascolto da parte degli studenti). Ogni videolezione esplicita i propri obiettivi e argomenti, ed è corredata da materiale testuale in pdf.
L’insegnamento prevede videolezioni (in ognuna sono specificati gli argomenti e gli obiettivi) organizzate in moduli. Alcune videolezioni sono a carattere prevalentemente teorico e generale su diverse tematiche dell’intelligenza artificiale a partire da come poter rendere intelligenti sistemi e agenti fino ai nuovi approcci, metodi, tecniche per l’estrazione delle informazioni. Altre videolezioni sono focalizzate su aspetti pratici e riguardano le risorse, gli strumenti, e le tecnologie che consentono di realizzare sistemi intelligenti. Le videolezioni teoriche consentiranno di fornire agli studenti le conoscenze relative a concetti base della risoluzione di un problema, della rappresentazione della conoscenza e del recupero delle informazioni. Le videolezioni pratiche, contengono esempi reali di utilizzo di tali strumenti, applicativi e piattaforme, permetteranno di arricchire le competenze degli studenti fornendogli un bagaglio tecnologico adeguato.
Durante le videolezioni si metteranno a confronto metodi, tecnologie, e strumenti dei differenti task dell’intelligenza artificiale questo consentirà una certa autonomia dello studente nella selezione della tecnologia più adatta. In tutte le videolezioni si farà uso di una terminologia adeguata agli argomenti trattati per consentire allo studente una certa padronanza di linguaggio.
 
Didattica interattiva
L'insegnamento segue quanto previsto dalle Linee Guida di Ateneo sulla Didattica Interattiva e l'interazione didattica, e propone, per ciascun CFU, 1 ora di Didattica Interattiva dedicata alle seguenti attività: lettura area FAQ, partecipazione ad e-tivity strutturata costituita da attività finalizzate alla restituzione di un feedback formativo e interazioni sincrone dedicate a tale restituzione.
Tra le interazioni sincrone, sono utilizzate le aule virtuali. Il docente di solito rende disponibile un testo di esercitazione agli studenti e durante l’aula virtuale valuta il livello di apprendimento degli argomenti del corso, raccoglie i dubbi e fornisce chiarimenti ed eventuali approfondimenti.
Tra le interazioni sincrone, sono utilizzate le aule virtuali in genere così strutturate:
  • il docente rende disponibile un testo di esercitazione agli studenti con domande ed esercizi;
  • lo studente svolge in autonomia i quesiti proposti;
  • durante l’aula virtuale, il docente dà un “feedback formativo” ovvero valuta il livello di apprendimento degli argomenti del corso, raccoglie i dubbi e fornisce chiarimenti ed eventuali approfondimenti in base alle risposte date dagli studenti e alle difficoltà riscontrate. Il docente favorirà la discussione e il confronto al fine di sviluppare competenze critiche.
Modalità di verifica dell'apprendimento
Tutte le prove di verifica e autoverifica intermedie previste dai Corsi ed erogate in modalità distance learning sono da considerarsi altamente consigliate e utili ai fini della preparazione e dello studio individuali. Le prove di verifica e autoverifica intermedie non sono obbligatorie ai fini del sostenimento della prova d’esame, la quale deve essere svolta in presenza degli studenti davanti ad apposita Commissione ai sensi dell´art. 11 c.7 lett.e) del DM 270/2004.
L’esame finale è volto a verificare la comprensione degli argomenti trattati, la capacità di applicare correttamente le nozioni a casi studio e la comprensione delle problematiche proposte nel corso. L’esame si svolge in forma scritta.
La prova scritta consiste in domande con diversa natura: aperta, a risposta multipla e esercizi. Le domande sono formulate con questa tipologia sia per argomenti più teorici sia per argomenti più pratici. Viene richiesto agli studenti di dimostrare la comprensione dei concetti fondamentali relativi alla pianificazione e risoluzione di problemi complessi. Gli studenti devono dimostrare di saper progettare e realizzare agenti intelligenti sul web, sistemi in grado di processare automaticamente dati e documenti e sistemi per il recupero automatico dell’informazione.  La prova scritta ha una durata massima di 120 minuti durante la quale gli studenti devono illustrare in modo adeguato gli argomenti richiesti dimostrando di aver raggiunto gli obiettivi formativi prefissati.
Al fine di valutare il conseguimento degli obiettivi formativi del corso, il docente terrà conto nella valutazione finale dell’esame:
  • della capacità di apprendere e quindi di esporre l’argomento richiesto;
  • della padronanza di linguaggio dello studente;
  • della capacità di definire o usare architetture, funzionalità o strumenti per la progettazione di sistemi intelligenti e di valutare in modo appropriato le scelte tecnologiche in base a situazioni reali.
Per superare l’esame, lo studente deve dimostrare di aver acquisito conoscenze sufficiente a problemi complessi, una conoscenza di base sui metodi e le tecniche del processamento automatico delle informazioni, infine, di essere in grado di progettare soluzioni innovative per l’analisi, la gestione e il recupero di informazioni da grandi quantità di dati. Per conseguire un punteggio pari a 30/30 e lode, lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.
Libri di testo

Oltre alle lezioni realizzate dal Docente ed ai materiali didattici pubblicati in piattaforma, è obbligatorio lo studio del seguente testo:

  • S. J. Russell, P. Norvig: Intelligenza Artificiale: un approccio moderno, Prentice-Hall, vol. 1 e 2. (Capitoli 1, 2, 3, 4, 7, 8, 10, 11, 13, 14, 18, 22, 23)

Testi di Approfondimento:

Ricevimento studenti

Previo appuntamento (ew.deluca@unimarconi.it)