Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
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: 2023-2024
Anno regolamentoAnno regolamento: 2023-2024
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Italiano
Italian
nessuno
none
Il docente utilizza:
a) lezioni in aula o videoregistrate disponibili online
b) esercitazioni in presenza proposti
agli studenti (in piccoli gruppi per discutere, analizzare e riportare in aula i risultati raggiunti)
The lecturer uses:
a) face-to-face or videotaped lectures available online
b) in-person exercises proposed
to students (in small groups to discuss, analyze, and report back to the classroom)
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.
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.
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.
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
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.
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.
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.
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
Russel, Norvig "Artificial Intelligence: A Modern Approach, 4th edition", Pearson.
Ivan Bratko "Prolog Programming for Artificial Intelligence", Pearson.
Fabrizio Riguzzi "Foundations of Probabilistic Logic Programming Languages, Semantics, Inference and Learning, 2nd edition",
River Publishers.
Materiale didattico disponibile al seguente indirizzo: https://learn.univpm.it
Russel, Norvig "Artificial Intelligence: A Modern Approach, 4th edition", Pearson.
Ivan Bratko "Prolog Programming for Artificial Intelligence", Pearson.
Fabrizio Riguzzi "Foundations of Probabilistic Logic Programming Languages, Semantics, Inference and Learning, 2nd edition",
River Publishers.
Slides and other support available at the following URL: https://learn.univpm.it
no
no
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427