ELEMENTI DI INTELLIGENZA ARTIFICIALE

Informatica ELEMENTI DI INTELLIGENZA ARTIFICIALE

0512100031
DIPARTIMENTO DI INFORMATICA
CORSO DI LAUREA
INFORMATICA
2013/2014



ANNO CORSO 2
ANNO ORDINAMENTO 2008
PRIMO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
Obiettivi
IL CORSO FORNISCE UN INTRODUZIONE CONCISA ALL'I.A. PER STUDENTI CHE NON HANNO NESSUNA CONOSCENZA PREGRESSA DI QUESTA AREA E PREPARA LO STUDENTE AD EVENTUALI APPROFONDIMENTI SUCCESSIVI. PIÙ SPECIFICAMENTE:

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
NATURALMENTE ALCUNI TEMI SONO OMESSI, COMUNQUE GLI ARGOMENTI DI BASE SONO ADEGUATAMENTE SVILUPPATI (RAPPRESENTAZIONE DELLA CONOSCENZA E INFERENZA, SISTEMI ESPERTI, TECNICHE DI RICERCA PER IL PROBLEM SOLVING, TEORIA DEI GIOCHI, RAGIONARE IN PRESENZA DI INCERTEZZA, ELABORAZIONE DEL LINGUAGGIO NATURALE).

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE: SVILUPPO DI ABILITÀ PER IL PROBLEM SOLVING APPLICATE ALL’IDEAZIONE, PROGETTAZIONE E REALIZZAZIONE DI UN SEMPLICE SISTEMA ESPERTO.

AUTONOMIA DI GIUDIZIO:
CAPACITÀ DI SCELTA DEL LINGUAGGIO DI RAPPRESENTAZIONE DELLA CONOSCENZA APPROPRIATO PER GESTIRE UN SEMPLICE PROBLEMA SPECIFIC. CAPACITÀ DI ANALISI CRITICA CIRCA LA COMPLESSITÀ DI SEMPLICI PROBLEMI.

ABILITÀ COMUNICATIVE:
CAPACITÀ DI COMUNICARE INFORMAZIONI, IDÉE, PROBLEM, SPIEGAZIONI RIGUARDO A SEMPLICI PROBLEM I.A.

CAPACITÀ DI APPRENDERE:
SVILUPPO DI ABILITÀ AL FINE DI POTER ALMENO PARZIALMENTE APPROFONDIRE IN MODO AUTONOMO LO STUDIO DELLE TECNICHE A.I. NON VIENE ASSUNTA LA CONOSCENZA DI ALCUN LINGUAGGIO DI PROGRAMMAZIONE SPECIFICO E GLI ALGORITMI PRESENTATI POSSONO ESSERE REALIZZATI IN VARI LINGUAGGI DI PROGRAMMAZIONE.
Prerequisiti
GLI STUDENTI DOVREBBERO AVERE FAMILIARITÀ CON UN LINGUAGGIO DI PROGRAMMAZIONE E CON I CONCETTI DI BASE DEL CALCOLO DELLE PROBABILITÀ
Contenuti
1. CONCETTI DI BASE.
L’INTELLIGENZA ARTIFICIALE. PROBLEMI TIPICI IN AI. TECNICHE AI: RAPPRESENTAZIONE DELLA CONOSCENZA, RICERCA. RISULTATI E PROSPETTIVE. ASPETTI FONDAZIONALI. IL SISTEMA ELIZA.

2. RAPPRESENTAZIONE DELLA CONOSCENZA E REGOLE DI INFERENZA
LINGUAGGI PER LA RAPPRESENTAZIONE DELLA CONOSCENZA. RETI SEMANTICHE E FRAMES. LOGICA PROPOSIZIONALE. LOGICA DEI PREDICATI. SINTASSI, SEMANTICA, REGOLE DI INFERENZA. PROGRAMMAZIONE LOGICA. RAPPRESENTAZIONE DELLA CONOSCENZA MEDIANTE LA LOGICA DEI PREDICATI. SISTEMI BASATI SU REGOLE. SISTEMI FORWARD CHAINING. SISTEMI BACKWARD CHAINING. CONFRONTO FRA LINGUAGGI.

3. SISTEMI ESPERTI
PROGETTAZIONE DI UN SISTEMA ESPERTO: SCELTA DEL PROBLEMA, INGEGNERIA DELLA CONOSCENZA, ARCHITETTURA DEL SISTEMA, METODI DI PROBLEM SOLVING. SISTEMI ESPERTI BASATI SU REGOLE E DI TIPO BACKWARD CHAINING.

4. LA GESTIONE DELLA CONOSCENZA INCERTA
PROBABILITÀ A PRIORI. PROBABILITÀ CONDIZIONALE. TEOREMA DI BAYES. COSA FARE IN PRESENZA DI INCERTEZZA. APPLICAZIONE DEL TEOREMA DI BAYES.

5. ALGORITMI DI RICERCA PER IL PROBLEM SOLVING
TECNICHE DI RICERCA. GRAFI E ALBERI. ALGORITMI BFS E DFS PER ALBERI E GRAFI. RICERCA EURISTICA: HILL CLIMBING, BEST FIRST SEARCH, ALGORITMO A*. PROBLEM SOLVING COME RICERCA: TECNICHE DI PIANIFICAZIONE. L'APPROCCIO MEA. ALBERI DI GIOCO. GIOCO DEL TRIS. ALGORITMO MINIMAX. POTATURA ALFA-BETA.


6. TEORIA DEI GIOCHI
GIOCHI A SOMMA ZERO: MATRICI DI GIOCO. STRATEGIE PURE E MISTE. VALORE ATTESO. VALORE DEL GIOCO. STRATEGIE MINIMAX. TEOREMA DI VON NEUMANN. GIOCHI STRETTAMENTE DETERMINATI. RIGHE E COLONNE DOMINANTI. MATRICI DI GIOCO 2 X 2. TEOREMA MINIMAX PER GIOCHI 2 X 2. GIOCHI NON A SOMMA ZERO: EQUILIBRI IN STRATEGIE DOMINANTI. EQUILIBRI DI NASH. TEOREMA DI NASH. IL DILEMMA DEL PRIGIONIERO.

7. ELABORAZIONE DEL LINGUAGGIO NATURALE
RICONOSCIMENTO DEL PARLATO. ANALISI SINTATTICA: GRAMMATICHE, PARSING. ANALISI SEMANTICA. PRAGMATICA. AMBIGUITÀ NEL LINGUAGGIO. GENERAZIONE DEL LINGUAGGIO.


Metodi Didattici
LEZIONI FRONTALI
ESERCITAZIONI
REALIZZAZIONE DI PROGETTI
ANALISI DI CASI DI STUDIO
Verifica dell'apprendimento
IL CORSO SARÀ VALUTATO IN BASE AL RISULTATO DELLA PROVA FINALE CONSISTENTE IN UNA PROVA SCRITTA E UN ESAME ORALE. LA PROVA SCRITTA SERVE A VALUTARE LA CAPACITÀ  EFFETTIVA DELLO STUDENTE DI AFFRONTARE UN SEMPLICE PROBLEMA I.A. LA PROVA ORALE SERVE A VALUTARE LA PREPARAZIONE RISPETTO ALL'INTERO PROGRAMMA.ANCHE LA PRESENTAZIONE DI EVENTUALI PROGETTI VERRÀ USATA PER CALCOLARE IL VOTO FINALE.
Testi
- APPUNTI DELLE LEZIONI
I TESTI ADOTTATI PER IL CORSO SONO I SEGUENTI:
- CAWSEY A.: THE ESSENCE OF ARTIFICIAL INTELLIGENCE – PRENTICE HALL
CAPP.1-5 ESCLUSI PARAG. 3.5, 4.3.1, CAP. 7 ESCLUSI PARAG. 7.3, 7.4
- RUSSELL S.J., NORVIG P.: INTELLIGENZA ARTIFICIALE, VOL.2 - PEARSON
CAPP.13, 17.6
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2016-09-30]