INTRODUZIONE ALL'INTELLIGENZA ARTIFICIALE

Settore: INF/01Codice: 586AACrediti: 6Semestre: 2
Docenti: Micheli Alessio, Gallicchio Claudio

Obiettivi di apprendimento

Conoscenze

Apprendere i concetti principali e i metodi che stanno alla base della progettazione e sviluppo di sistemi intelligenti.

Il corso introduce le tecniche di base per la realizzazione di agenti intelligenti e in particolare il paradigma di risoluzione dei problemi come ricerca in uno spazio di stati, la rappresentazione della conoscenza e il ragionamento automatico, i metodi e modelli di base dell’apprendimento automatico.

Modalità di verifica delle conoscenze

Le conoscenza sono verificate attraverso una prova scritta (prove in itinere o prova scritta prevista per ogni sessione) e una (eventuale) prova orale.

Capacità

Capacità di impostare e risolvere un problema secondo il paradigma di ricerca in uno spazio di stati; capacità di rappresentare conoscenze nei classici linguaggi logici e comprendere alcuni algoritmi di inferenza e loro complessità; capacità di scegliere ed utilizzare correttamente alcuni algoritmi base di apprendimento automatico.

Modalità di verifica delle capacità

Gli esercizi delle prove scritte verificano la capacità di risoluzione di semplici istanze di nuovi problemi con le metodologie presentate nel corso.

Lo studente può inoltre esercitare (autoverifica) alcune metodologie della materia attraverso strumenti software, resi disponibili durante il corso e arricchiti di documentazione per l’uso e di prove di esercitazione specifiche per il corso.

Comportamenti

Consapevolezza dei limiti attuali e delle potenzialità dei sistemi intelligenti.

Modalità di verifica dei comportamenti

Tramite la prova scritta e (eventuale) orale.

Prerequisiti

Algoritmi e strutture dati. Logica formale. Elementi di analisi matematica: funzioni, calcolo differenziale. Elementi di calcolo matriciale e relative notazioni. Elementi di calcolo di probabilità e statistica.

Indicazioni metodologiche

Il corso si articola in lezioni teoriche ed esercitazioni in aula, che hanno lo scopo di esemplificare i concetti sviluppati durante le lezioni e presentare problemi da formalizzare.
Le lezioni sono frontali, tipicamente con l'ausilio di slide (proiezione).

Si utilizza la piattaforma elearning Moodle per distribuire il materiale didattico di ausilio (slide, software etc.) e per i test.

Sono previste  prove intermedie in itinere (compitini) durante il semestre del corso, in accordo al calendario del corso.

 

Programma

Risoluzione di problemi come ricerca:

  • Formulazione di problemi come ricerca in uno spazio di stati
  • Strategie di ricerca non informata ed euristica
  • Giochi con avversario (opzionale)

Rappresentazione della conoscenza e  ragionamento:

  • Il problema fondamentale della rappresentazione della conoscenza: espressività e complessità computazionale
  • Algoritmi efficienti per la soddisfacibilità
  • Deduzioni automatica: il metodo di risoluzione
  • Sistemi a regole: basi di dati deduttive e programmazione  logica

Introduzione all’ apprendimento automatico:

  • Paradigma,  “forme” e metodi dell’ apprendimento automatico
  • Apprendimento induttivo di regole proposizionali
  • Apprendimento supervisionato: classificazione e regressione (modelli lineari e instance based)
  • Apprendimento non supervisionato (clustering)
  • Validazione: tecniche e aspetti teorici
  • Cenni ai modelli dei paradigmi simbolico, sub-simbolico, Bayesiano
  • Esempi di applicazioni.

Bibliografia

S. Russell, P. Norvig, “Artificial Intelligence: a modern approach", Pearson, Third Edition, 2010.

T. Mitchell, "Machine Learning", McGraw-Hill 1997.

Slide del corso forniti sulla piattaforma Moodle e materiale suggerito nelle slide.

Non frequentanti

Non sono previste variazioni.

Modalità di esame

Scritto e (eventuale) orale

La prova scritta consiste in domande sulle conoscenze teoriche e esercizi volti ad accertare la capacità di risolvere semplici istanze di nuovi problemi.  
La prova scritta è superata  se sono risposte correttamente le domande che verificano le conoscenze di base della materia e se sono svolti  con le metodologie presentate nel corso gli esercizi sui problemi da risolvere.

La (eventuale) prova orale consiste in un colloquio tra il candidato e i docenti del corso, relativo a tutte le parti del programma e, ove occorra, alla discussione dell'elaborato scritto.
La prova orale è superata se il candidato è in grado di esprimersi in modo chiaro e di usare la terminologia corretta su tutte le parti basilari del corso e mostra la capacità di mettere in relazione le diverse nozioni acquisite, mostrando  una sufficiente consapevolezza del funzionamento  e delle limitazioni e  potenzialità dei sistemi intelligenti.

La prova orale è necessaria se il candidato, pur avendo conseguito una valutazione globalmente sufficiente, non ha conseguito una sufficienza su tutte le parti della prova scritta.

Altri riferimenti web

Si utilizza la piattaforma elearning Moodle (elearning.di.unipi.it)

Maggiori informazioni sulla modalità delle lezioni, delle prove intermedie e degli esami saranno fornite a lezione e sul sito Moodle del corso e li aggiornate

Fonte: ESSETRE e Portale esami