UNIVPM: Guida insegnamenti

[51188] - INTELLIGENZA ARTIFICIALEARTIFICIAL INTELLIGENCE
Aldo Franco DRAGONI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM12] INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE Master Degree (2 years) - [IM12] COMPUTER AND AUTOMATION ENGINEERING
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 1 - Primo Semestre
Anno offertaAcademic year: 2019-2020
Anno regolamentoAnno regolamento: 2019-2020
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

LINGUA INSEGNAMENTO LANGUAGE

Italiano

Italian

PREREQUISITI PREREQUISITES

nessuno

none

MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

I contenuti teorici sono affidati principalmente alle lezioni videoregistrate disponibili sul sito di e_learning di Ateneo, nonché ai testi consigliati. In aula vengono sinteticamente richiamati i contenuti teorici, dopodiché viene effettuata una breve sessione di domande e risposte. La maggior parte del tempo è successivamente spesa con esercitazioni pratiche ed implementazione in PROLOG di quasi tutti gli algoritmi illustrati nelle videolezioni.

The theoretical content is mainly based on video lessons available on the e_learning site and recommended texts. The theoretical contents are briefly recalled in the classroom, after which a question and answer session is carried out. Most of the time it is spent with practical programming exercises in PROLOG.

RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES

Conoscenze e comprensione.

L'obiettivo del corso è quello di fornire una sinottica più ampia possibile di concetti e metodi che
tradizionalmente si riconoscono sotto la comune denominazione di "Intelligenza Artificiale". Maggior enfasi
viene data all’approccio "logicista", cioè alla replicazione dei meccanismi logico-inferenziali del pensiero
umano, ovvero:
1. de-duzione logica (ragionamento assiomatico)
2. ab-duzione logica (ragionamento diagnostico)
3. in-duzione logica (apprendimento),
nonché alle loro tecniche di implementazione mediante ricerca nello spazio degli stati (con e senza euristica).
Come strumento di programmazione viene impartito l'insegnamento teorico/pratico della programmazione
logica con vincoli.

Capacità di applicare conoscenze e comprensione.

Grazie al portale per l’ “e-learning” messo a disposizione dall’Ateneo, ogni argomento teorico è impartito
mediante videolezioni tenute dal docente scaricabili sui propri “devices”. L’apprendimento dei contenuti teorici
viene verificato in aula tramite esercizi online ed approfondito mediante scrittura, compilazione ed esecuzione
di programmi in Prolog direttamente sui propri dispositivi. Alla conclusione del corso gli studenti sono quindi in
grado di implementare meccanismi inferenziali in forma di algoritmi espressi secondo la modalità dichiarativa
del Prolog.

Competenze trasversali.

L’acquisita capacità di pianificare i meccanismi inferenziali che sottendono la soluzione di un dato problema,
arrivando a concepire per esso un algoritmo risolutivo espresso in forma dichiarativa, contribuisce a sviluppare
la capacità di “problem solving” dello studente. Questa capacità costituisce anche il fulcro delle competenze e
delle abilità che deve possedere un progettista in qualunque settore dell’attività umana, dai campi prettamente
tecnici a quelli più umanistici. Lo studio della logica simbolica contribuisce altresì ad acquisire una “forma
mentis” che rende capace il discente di formalizzare correttamente i problemi che si troverà ad affrontare nel
corso della propria vita, professionale e non.

Knowledge and Understanding.

The objective of the course is to provide the widest possible synoptic of concepts and methods that are
traditionally recognized under the common name of "Artificial Intelligence". Greater emphasis is given to the
"logicist" approach, that is, to the replication of the logical-inferential mechanisms of human thought, that is:
1. logical de-induction (axiomatic reasoning)
2. logical ab-production (diagnostic reasoning)
3. logical induction (learning),
as well as their techniques of implementation through research in the space of the states (with and without
heuristics). As a programming tool, the theoretical and practical training of logical programming with constraints
is given.

Capacity to apply Knowledge and Understanding.

Thanks to the portal for "e-learning" made available by the University, every theoretical subject is imparted
through video lectures held by the teacher that can be downloaded on his "devices". The learning of theoretical
content is verified in the classroom through online exercises and deepened directly on their devices by writing,
compiling and executing programs in Prolog. At the end of the course students are therefore able to implement
inferential mechanisms in the form of algorithms expressed according to the declarative mode of the Prolog.

Transversal Skills.

The acquired ability to plan the inferential mechanisms that underlie the solution of a given problem, coming
to conceive for it an algorithm solution expressed in declarative form, helps to develop the ability of "problem
solving" of the student. This ability is also at the heart of the skills and abilities that a designer must possess
in any area of human activity, from the purely technical fields to the more humanistic ones. The study of
symbolic logic also contributes to acquiring a "mindset" that makes the learner able to properly formalize the
problems he or she will face during his or her professional and non-professional life.

PROGRAMMA PROGRAM

LOGICA DEL 1° ORDINE e PROGRAMMAZIONE LOGICA. Sintassi, Semantica, Sistema formale. Il teorema di Herbrand. Riduzione in clausole. Risoluzione per clausole ground. Unificazione e Risoluzione Lineare. Programmi “definiti”. Correttezza e Completezza della Risoluzione SLD. Indipendenza dalla Regola di Computazione. Refutazione SLD. Adeguatezza computazionale dei Programmi Definiti. Programmi “Normali”, "Closed World Assumption" e "Negation as Failure".
PROLOG
RICERCA NELLO SPAZIO DEGLI STATI. Breadth First Search. Depth First Search. Uniform Cost Search. Depth Limited Search. Iterated Deepening Search.
RICERCA INFORMATA NELLO SPAZIO DEGLI STATI. Euristica. Best First Search. Greedy Search. A*. Beam Search. A* con approfondimento iterativo (IDA*). Ricerca Best-First Ricorsiva (RBFS). A* con memoria limitata (SMA*). Real Time A* (RTA*). Euristiche Dominanti. Misura del potere Euristico. Generazione di Funzioni euristiche.
RICERCA IN CONDIZIONI REALISTICHE. Hill-Climbing, Simulated annealing, Genetic algorithms. Ricerca con azioni non-deterministiche. Ricerca con osservazioni parziali. Alternare ricerca ed azione per generare lo spazio degli stati.
RICERCA CON AVVERSARI (Giochi). Tipologie di gioco. Giochi come ricerca nello spazio degli stati. Algoritmo “minimax” e sue proprietà. Potatura "alpha - beta". Soluzioni con risorse computazionali limitate e considerazione sulla funzione di valutazione. Giochi con componente casuale. Giochi ad informazione parziale.
PIANIFICAZIONE. Pianificazione vs. Problem Solving. STRIPS. Pianificazione in Prolog. Operatori. Il “Frame Problem”. Rappresentazione di un piano. Means Ends Analysis e sua implementazione. Pianificazione “Best-first”. Partial Order Planning. Evoluzione degli approcci classici alla pianificazione. Pianificazione in condizioni del mondo realistiche.
DIAGNOSI BASATA SULLA LOGICA. "Model-based diagnosis". Diagnosi basata sulla consistenza. Algoritmo per calcolare gli Hitting-Sets a partire dai Conflict-Sets. Abductive Logic Programming.
APPRENDIMENTO AUTOMATICO. Apprendimento supervisionato e non supervisionato. Induzione di Regole. Induzione di alberi di decisione.
RETI NEURALI e DEEP LEARNING. Neurone artificiale. Reti multistrato. Percettrone multistrato. Error-BackPropagation. Convolutional Neural Networks.
RAPPRESENTAZIONE DELLA CONOSCENZA. Ingegneria ontologica. Categorie ed Oggetti. Composizione fisica. Tipi Naturali. Misure. Sostanze e Cose. Sistemi di Ragionamento per le categorie. Reti Semantiche. Traduzione in F.O.L e limiti delle Reti Semantiche. Ereditarietà. Logiche Descrittive. Sintassi e Semantica delle Logiche Descrittive: inferenza logica, sussunzione, normalizzazione.
LOGICA MODALE e ATTITUDINI MENTALI. Il problema della Consapevolezza della Conoscenza. Logica Modale. Assiomi della Logica Modale. Regole d'inferenza della Logica Modale.Sistemi Assiomatici T, S4, S5. La Semantica dei Mondi Possibili. Caso proposizionale MultiAgente. Conoscenza comune e conoscenza implicita. Modellazione di Stati Mentali, Beliefs Desires Intentions (BDI).
RAGIONAMENTO NON-MONOTÒNO. Logiche Non-Monotòne e Truth Maintenance Systems. Belief Revision.
RAGIONAMENTO IN CONDIZIONI DI INCERTEZZA. Vaghezza concettuale vs. Incertezza. Elementi di teoria delle probabilità, probabilità (s)oggettive, indipendenza condizionale, teorema di Bayes, reti bayesiane. Affidabilità delle fonti e Teoria Dempster-Shafer dell'Evidenza.
SISTEMI MULTI-AGENTE. Agent-Oriented Programming. Tipologie ed architetture di agenti. Forme d'interazione e comportamenti emergenti. Cooperazione, competizione, collaborazione. Negoziazione e vendita di servizi all'asta. Counicazione e standardizzazione dei messaggi. FIPA ACL. Implementazione di MAS. JADE. Agenti ed Ontologie.

LOGIC OF THE 1st ORDER and LOGICAL PROGRAMMING. Syntax, Semantics, Formal system. Herbrand's theorem. Reduction into clauses. Resolution for ground clauses. Unification and Linear Resolution. Defined" programs. Correctness and Completeness of SLD Resolution. Independence from the Computation Rule. Refutation SLD. Computational adequacy of Defined Programs. Normal", "Closed World Assumption" and "Negation as Failure" programs.
PROLOG
SEARCH. Breadth First Search. Depth First Search. Uniform Cost Search. Depth Limited Search. Iterated Deepening Search.
INFORMED SEARCH. Heuristics. Best First Search. Greedy Search. A*. Beam search. A* with iterative deepening (IDA*). Best-First Recursive Research (RBFS). A* with limited memory (SMA*). Real Time A* (RTA*). Dominant heuristics. Measure of heuristic power. Generation of heuristic functions.
SEARCH UNDER REALISTIC CONDITIONS. Hill-Climbing, Simulated annealing, Genetic algorithms. Research with non-deterministic actions. Research with partial observations. Alternate search and action to generate state space.
SEARCH WITH AVVERSARIES (Games). Types of game. Games like search in the space of the states. Minimax" algorithm and its properties. Alpha beta pruning. Solutions with limited computational resources and consideration of the evaluation function. Games with random component. Partial information games.
PLANNING. Planning vs. Problem Solving. STRIPS. Planning in Prolog. Operators. The Frame Problem. Representation of a plan. Means Ends Analysis and its implementation. Best-first" planning. Partial Order Planning. Evolution of classical approaches to planning. Planning under realistic world conditions.
LOGIC-BASED DIAGNOSIS. "Model-based diagnosis. Consistency-based diagnosis. Algorithm for calculating Hitting-Sets from Conflict-Sets. Abductive Logic Programming.
AUTOMATIC LEARNING. Supervised and unsupervised learning. Induction of Rules. Induction of decision trees.
NEURAL NETWORKS and DEEP LEARNING. Artificial neuron. Multilayer networks. Multilayer Percettrone. Error-BackPropagation. Convolutional Neural Networks.
KNOWLEDGE REPRESENTATION. Ontological engineering. Categories and Objects. Physical composition. Natural Types. Measures. Substances and Things. Reasoning systems for categories. Semantic Networks. Translation in F.O.L and limits of Semantic Networks. Inheritance. Descriptive Logics. Syntax and Semantics of Descriptive Logics: logical inference, subsumption, normalization.
MODAL LOGIC and MENTAL ATTITUDE. The problem of Knowledge Awareness. Modal Logic. Axioms of Modal Logic. Rules of Inference of Modal Logic.Axiomatic Systems T, S4, S5. The Semantics of Possible Worlds. Multi-Agent propositional case. Common knowledge and implicit knowledge. Modeling of Mental States, Beliefs Desires Intentions (BDI).
NON MONOTONIC REASONING. Maintenance Systems. Belief Revision.
REASONING UNDER UNCERTAINTY. Conceptual vagueness vs. Uncertainty. Elements of probability theory, (s)objective probabilities, conditional independence, Bayes' theorem, Bayesian networks. Reliability of sources and Dempster-Shafer Theory of Evidence.
MULTI-AGENT SYSTEMS. Agent-Oriented Programming. Types and architectures of agents. Forms of interaction and emerging behaviours. Cooperation, competition, collaboration. Negotiation and sale of services by auction. Counting and standardization of messages. FIPA ACL. Implementation of MAS. JADE. Agents and Ontologies.

MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION

Modalità di valutazione dell'apprendimento.

L'apprendimento viene valutato sulla base di due prove. La prima di programmazione in PROLOG e la seconda di esercizi e problemi da risolvere mediante le tecniche apprese durante il corso.

Criteri di valutazione dell'apprendimento.

Si valuta la capacità dell'allievo di capire le problematiche e scegliere le metodologie giuste per gestirle in automatico mediante lo sviluppo di adeguato software.

Criteri di misurazione dell'apprendimento.

Prova di programmazione e tests di apprendimento.

Criteri di attribuzione del voto finale.

voto in trentesimi

Learning Evaluation Methods.

Learning is assessed on the basis of two tests. The first is programming in PROLOG and the second is exercises and problems to be solved using the techniques learned during the course.

Learning Evaluation Criteria.

The student's ability to understand the problems and choose the right methodologies to manage them automatically through the development of appropriate software is evaluated.

Learning Measurement Criteria.

Programming test and learning tests.

Final Mark Allocation Criteria.

evaluation in thirtieths

TESTI CONSIGLIATI RECOMMENDED READING

Russel, Norvig "Intelligenza Artificiale-un approccio moderno", Pearson
Ivan Bratko "Prolog Programming for Artificial Intelligence", Pearson
Materiale didattico disponibile sul sito https://learn.univpm.it

Russel, Norvig "Intelligenza Artificiale-un approccio moderno", Pearson
Ivan Bratko "Prolog Programming for Artificial Intelligence", Pearson
e-learing https://learn.univpm.it

E-LEARNING E-LEARNING

SI

Scheda insegnamento erogato nell’A.A. 2019-2020
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2019-2020

Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente