2. Docenti
  3. Didattica

AGENTI INTELLIGENTI

Antonio DELLA CIOPPA AGENTI INTELLIGENTI

0622700075
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2022/2023

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2017
SECONDO SEMESTRE
CFUOREATTIVITÀ
432LEZIONE
18LABORATORIO
18ESERCITAZIONE
ANGELO MARCELLI T Curriculum
ANTONIO DELLA CIOPPA Curriculum
Obiettivi
L’INSEGNAMENTO PRESENTA I PARADIGMI PER LA MODELLAZIONE E L’IMPLEMENTAZIONE DI AGENTI ARTIFICIALI
CAPACI DI INTERAGIRE CON AMBIENTI MUTEVOLI MEDIANTE L’IMPIEGO DI TECNICHE DELL’ARTIFICIAL INTELLIGENCE
CLASSICA.

CONOSCENZE E CAPACITÀ DI COMPRENSIONE
METODOLOGIE E STRUMENTI PER LA MODELLAZIONE DI AGENTI INTELLIGENTI. PARADIGMA DI RISOLUZIONE DEI
PROBLEMI COME RICERCA IN UNO SPAZIO DI STATI. TEORIA DEI GIOCHI. AGENTI BASATI SULLA LOGICA. LOGICA DEL PRIMO ORDINE E PROGRAMMAZIONE LOGICA. LINGUAGGIO PROLOG.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE
INDIVIDUARE I MODELLI E GLI STRUMENTI PIÙ ADATTI PER LA RAPPRESENTAZIONE E LA SOLUZIONE DI PROBLEMI
COMPLESSI E STIMARNE I COSTI COMPUTAZIONALI E LE PRESTAZIONI. FORMULARE LA SOLUZIONE DI UN PROBLEMA
IN TERMINI DI RICERCA IN UNO SPAZIO DEGLI STATI APPOSITAMENTE DEFINITO. REALIZZARE AGENTI INTELLIGENTI
MEDIANTE PROGRAMMAZIONE LOGICA, USANDO IL LINGUAGGIO PROLOG.

Prerequisiti
ELEMENTI DI LOGICA, PROGETTAZIONE DI ALGORITMI E STRUTTURE DATI.
Contenuti
UNITÀ DIDATTICA 1: Introduzione all’intelligenza artificiale
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/1/0)
LEZIONE 1 (1 ORA): Introduzione: Storia, fondamenti, Rischi e benefici dell’intelligenza artificiale
LEZIONE 2 (2 ORE): Fondamenti di teoria della computabilita’
Lezione 3 (1 ora): Agenti intelligenti: modello PEAS
Esercitazione (1 ora): Definizione del modello PEAS di agenti
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: potenzialità e limiti, rischi e benefico dell’IA
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper definire il modello PEAS di agenti intelligenti per specifiche applicazioni


UNITÀ DIDATTICA 2: Risoluzione di problemi con la ricerca
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/2)
LEZIONE 4 (2 ORE): Strategie di ricerca non informata
LEZIONE 5 (2 ORE): Strategie di ricerca informata
LEZIONE 6 (2 ORE): Funzioni euristiche
LEZIONE 7 (2 ORE): RICERCA LOCALE E PROBLEMI DI OTTIMIZZAZIONE
Laboratorio 1 (2 ORE): Uso di tools PER LA RISOLUZIONE DI PROBLEMI PROPOSTI
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: CONOSCERE LE varie STRATEGIE DI RICERCA PER LA RISOLUZIONE DI PROBLEMI di RICERCA e ottimizzazione
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper scegliere la strategia più adatta per la risoluzione di problemi di ricerca e ottimizzazione


UNITÀ DIDATTICA 3: RICERCA CON AVVERSARI e giochi
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/0/0)
LEZIONE 8 (2 ORE): TEORIA DEI GIOCHI, DECISIONI OTTIME
LEZIONE 9 (2 ORE): ALGORITMO ALFA-BETA DI RICERCA EURISTICA
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: saper identificare le tipologie di problemi di ricerca con avversari e le euristiche per le decisioni ottime
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper scegliere la corretta strategia euristica di risoluzione in problemi di ricerca con avversari




UNITÀ DIDATTICA 4: Problemi di soddisfacimento dei vincoli
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/0/0)
LEZIONE 10 (2 ORE): Problemi di soddisfacimento dei vincoli (CSP), Inferenza nei CPS
LEZIONE 11 (2 ORE): Ricerca con Backtracking e ricerca locale nei CSP
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Saper identificare le tipologie di problemi con vincoli
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper effettuare la propagazione dei vincoli e la ricerca di soluzioni mediante Backtracking e ricerca locale




UNITÀ DIDATTICA 5: Conoscenza e ragionamento
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 6/2/0)
LEZIONE 12 (2 ORE): Agenti logici
LEZIONE 13 (2 ORE): Logica del primo ordine
Lezione 14 (2 ore): Inferenza in logica del primo ordine
Esercitazione 2 (2 ore): Formalizzazione delle regole di parentela
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Formalismo della logica predicativa e metodi di inferenza
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: Formalizzazione in logica predicativa del ragionamento


UNITÀ DIDATTICA 6: Programmazione logica
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/0/4)
LEZIONE 15 (2 ORE): Il linguaggio Prolog
LEZIONE 16 (3 ORE): Backtracking e cut
LABORATORIO 2 (4 ore): Implementazione in SWI-prolog del ragionamento sulle relazioni di parentela
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Sintassi del prolog e struttura di un programma, Funzionamento del motore di inferenza Prolog
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: Uso dell’ambiente SWI-Prolog per la codifica, testing e debugging di programmi


UNITÀ DIDATTICA 7: PROGETTO FINALE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 0/1/8)
LEZIONE 17 (1 ORA): Specifiche del progetto finale
LABORATORIO 3 (8 ORE): Progetto finale
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: Organizzazione del teamworking: definzione dei task e delle milestone del progetto
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: PROGETTAZIONE ed IMPLEMENTAZIONE di un agente intelligente per la risoluzione di problemi


TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 30/4/14
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA E ATTIVITA' LABORATORIALE DURANTE LE QUALI GLI STUDENTI, ORGANIZZATI IN PICCOLI GRUPPI, INIZIANO REALIZZAZIONE DEL PROGETTO FINALE.
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 (50%), DELLA SUA PRESENTAZIONE (20%) E DEL COLLOQUIO (30%).
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
L'INSEGNAMENTO E' EROGATO IN ITALIANO

MATERIALE DIDATTICO INTEGRATIVO SARà DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-08-21]