INTELLIGENZA ARTIFICIALE

Angelo MARCELLI INTELLIGENZA ARTIFICIALE

0622700020
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2015/2016

ANNO CORSO 2
ANNO ORDINAMENTO 2012
SECONDO SEMESTRE
CFUOREATTIVITÀ
660LEZIONE
Obiettivi
OBIETTIVI FORMATIVI
IL CORSO PRESENTA GLI ASPETTI FONDAMENTALI PER LA MODELLAZIONE DI AGENTI ARTIFICIALI IN GRADO DI INTERAGIRE CON AMBIENTI MUTEVOLI. VENGONO AFFRONTATI GLI ASPETTI RELATIVI ALLA RAPPRESENTAZIONE DEL MONDO, AI METODI GENERALI PER LA RISOLUZIONE DEI PROBLEMI, ALL’APPRENDIMENTO AUTOMATICO DI STRATEGIE COMPORTAMENTALI. IL CORSO E’ COMPLETATO DA UNA PARTE PROGETTUALE RELATIVA ALLA REALIZZAZIONE DI UN AGENTE INTELLIGENTE MEDIANTE LINGUAGGI LOGICI.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE
CONOSCENZA DELLE METODOLOGIE E DEGLI STRUMENTI PER LA MODELLAZIONE DI AGENTI INTELLIGENTI. COMPRENSIONE DELLE RELAZIONI TRA RAPPRESENTAZIONI DEL MONDO, STRATEGIE DI RISOLUZIONE DEI PROBLEMI E POSSIBILITA’ DI APPRENDIMENTO AUTOMATICO.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE
SAPER INDIVIDUARE I MODELLI E GLI STRUMENTI PIU’ ADATTI PER LA RAPPRESENTAZIONE E LA SOLUZIONE DI PROBLEMI COMPLESSI E STIMARNE I COSTI COMPUTAZIONALI E LE PRESTAZIONE. CAPACITA’ DI IMPLEMENTARE AGENTI INTELLIGENTI.
AUTONOMIA DI GIUDIZIO
SAPER SCEGLIERE ED INTEGRARE MODELLI E METODI PROPOSTI IN LETTERATURA PER LA REALIZZAZIONE DI AGENTI. INDIVIDUARE I TREND METODOLOGICI E TECNOLOGICI PER LE APPLICAZIONI A PROBLEMI REALI.
ABILITÀ COMUNICATIVE
SAPER LAVORARE IN GRUPPO, DOCUMENTARE IL LAVORO SVOLTO IN FORMA SCRITTA E COMUNICARE ORALMENTE I RISULTATI DELLA PROPRIA ATTIVITA’.
CAPACITÀ DI APPRENDERE
SAPER VALUTARE LE INNOVAZIONI METODOLOGICHE E LE SOLUZIONI TECNOLOGICHE PROPOSTE NELLA LETTERATURA SPECIALIZZATA.
Prerequisiti
ELEMENTI DI LOGICA, PROGETTAZIONE DI ALGORITMI E STRUTTURE DATI.
Contenuti
INTRODUZIONE AL CORSO
(LEZIONE: 3H; ESERCITAZIONE: 0H)
CONCETTI FONDAMENTALI: AGENTE, AMBIENTE, PRESTAZIONI – I FONDAMENTI TEORICI: TEORIA DELLA COMPUTABILITA’ – MODELLI DI AGENTI INTELLIGENTI
RISOLUZIONE DI PROBLEMI
(LEZIONE: 15H)
STRATEGIE DI RICERCA NON INFORMATA – STRATEGIE DI RICERCA INFORMATA – RICERCA LOCALE E PROBLEMI DI OTTIMIZZAZIONE - CSP
RICERCA CON AVVERSARI
(LEZIONE: 7H)
TEORIA DEI GIOCHI – DECISIONI OTTIME – POTATURA ALFA-BETA
AGENTI LOGICI
(LEZIONE: 9H)
LOGICA PROPOSIZIONALE – DIMOSTRAZIONE DI TEOREMI – MODEL CHECKING – AGENTI BASATI SULLA LOGICA PROPOSIZIONALE
LOGICA DEL PRIMO ORDINE
(LEZIONE: 6H)
SINTASSI E SEMANTICA – USO DELLA LOGICA DEL PRIMO ORDINE – INGEGNERIA DELLA CONOSCENZA E LOGICA DEL PRIMO ORDINE
INFERENZA NELLA LOGICA DEL PRIMO ORDINE
(LEZIONE: 6H)
INFERENZA PROPOSIZIONALE E INFERENZA DEL PRIMO ORDINE – UNIFICAZIONE E LIFTING – CONCATENAZIONE IN AVANTI E ALL’INDIETRO - RISOLUZIONE
LINGUAGGIO PROLOG
(LEZIONE: 4H; ESERCITAZIONE: 4H; LABORATORIO: 6H)
SINTASSI - CLAUSOLE DI HORN - UNIFICAZIONE - RICORSIONE - BACKTRACKING
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE ED ESERCITAZIONI IN AULA. NELLE ESERCITAZIONI IN AULA VIENE ASSEGNATO AGLI STUDENTI, DIVISI PER GRUPPI DI LAVORO, UN PROGETTO CHE COMPRENDE UNITARIAMENTE TUTTI I CONTENUTI DELL’INSEGNAMENTO ED È STRUMENTALE ALL’ACQUISIZIONE, OLTRE CHE DELLE CAPACITÀ SPECIFICHE, DELLE CAPACITÀ DI LAVORARE IN TEAM.
Verifica dell'apprendimento
LA VALUTAZIONE DEL RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI AVVIENE MEDIANTE UN COLLOQUIO E LA PRESENTAZIONE DEL PROGETTO SVOLTO. IL VOTO SI OTTIENE DALLA SOMMA PESATA DELLE VALUTAZIONE DEI CONTENUTI DEL PROGETTO (70%), DELLA SUA PRESENTAZIONE (10%) E DEL COLLOQUIO (20%).
Testi
S. RUSSELL, P. NORVIG, INTELLIGENZA ARTIFICIALE: UN APPROCCIO MODERNO, VOLUME I, PEARSON, 3A ED., 2010
L. STERLING, E. SHAPIRO, THE ART OF PROLOG, SECOND EDITION: ADVANCED PROGRAMMING TECHNIQUES, THE MIT PRESS, 1986
Altre Informazioni
ULTERIORI MATERIALI DIDATTICI SONO DISPONIBILI SUL SITO DEL CORSO
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2016-09-30]