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, infine, la specificità della problematica nel momento in cui si dà vita ad agenti intelligenti sul web.

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.
Prerequisiti

Non sono richiesti requisiti specifici.

Contenuti dell'insegnamento

Risoluzione automatica di problemi. Spazio degli stati e operatori. Algoritmi di ricerca. In ampiezza, a costo uniforme, in profondità. Introduzione di euristiche. Funzioni di valutazione.

Rappresentazione della Conoscenza e Reasoning. Agenti che ragionano logicamente. La logica proposizionale. Logica dei predicati. Inferenza. Un agente per il mondo del Wumpus.

Costruzione di basi di conoscenza. Proprietà. Organizzazione della conoscenza. Ontologie. Sistemi a frame e reti semantiche.

Metodi di pianificazione. Differenze tra risoluzione di problemi e pianificazione. Agenti che agiscono logicamente. Algoritmi di pianificazione lineare. Calcolo delle situazioni.

Rappresentazione della Conoscenza Incerta e Reasoning. Concetto di incertezza, probabilità, assiomi, regole di Bayes e loro applicazione. Sistemi di ragionamento probabilistico.

Apprendimento Automatico. Agenti che apprendono. Apprendimento da osservazioni, induttivo, mediante alberi di decisione o basato sulla teoria della informazione.

Elaborazione del Linguaggio Naturale. Agenti che comunicano. Conoscenza linguistica e meta-linguistica. Sistemi di NLP (Natural Language Processing).

Attività didattiche
Didattica Erogativa
L'insegnamento prevede, per ciascun CFU, 5 ore di Didattica Erogativa, costituite da 2,5 videolezioni (tenendo conto delle necessità di riascolto da parte dello studente). Ciascuna videolezione esplicita i propri obiettivi e argomenti, ed è corredata da materiale testuale in pdf.

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.
Criteri di valutazione
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 dello studente davanti ad apposita Commissione ai sensi dell´art. 11 c.7 lett.e) del DM 270/2004.
Modalità della prova finale

L´esame si svolge in forma scritta e/o orale.

La prova ha la durata massima di 120 minuti.

Libri di testo

Oltre alle lezioni realizzate dal Docente ed ai materiali didattici pubblicati in piattaforma, è obbligatorio lo studio dei seguenti testi:

  • 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).