75943 - INTELLIGENZA ARTIFICIALE, PROBLEM SOLVING E WEB SEMANTICO (1)

Anno Accademico 2020/2021

  • Docente: Francesco Bianchini
  • Crediti formativi: 6
  • SSD: M-FIL/05
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea in Scienze della comunicazione (cod. 8885)

Conoscenze e abilità da conseguire

Al termine del corso lo/la studente/ssa ha acquisito i concetti fondamentali dell'intelligenza artificiale e delle scienze cognitive, con particolare riguardo al problem solving, alla pianificazione, alla rappresentazione della conoscenza sul web e nei sistemi intelligenti, alla modellizzazione cognitiva.

Contenuti

Lo sviluppo sempre più veloce di conoscenze e tecnologie connesse all'intelligenza artificiale rende indispensabile la comprensione di sistemi che ne fanno uso e degli strumenti ad essa connessi. Il corso affronta gli aspetti principali dell'intelligenza artificiale, partendo da un punto di vista storico-teorico per arrivare a questioni tecniche e specialistiche degli sviluppi contemporanei della materia.

Il corso è un corso base e non richiede particolari conoscenze o abilità pregresse.

Saranno affrontate questioni relative al problem solving, alla rappresentazione della conoscenza e ai concetti, all'apprendimento automatico, alla pianificazione, all'elaborazione del linguaggio naturale, all'interazione uomo-macchina, al web semantico e alle ontologie, nonché alle loro implicazioni per la robotica più recente. A scopo introduttivo si affronteranno la nascita e gli sviluppi dell'intelligenza artificiale, della scienza cognitiva classica e della nuova scienza cognitiva, della robotica. Verrà posta particolare attenzione a temi relativi al ragionamento e alla teoria dei processi decisionali. Il quadro di riferimento è quello delle modalità e delle tecniche di comunicazione dell'era digitale.

Il corso è diviso temporalmente in tre parti di lunghezza equivalente:

1) Le tematiche principali dell’intelligenza artificiale

2) Problem solving e pianificazione automatica

3) Rappresentazione della conoscenza e tecnologie semantiche

Testi/Bibliografia

Letture obbligatorie

- S. Russell, P. Norvig, Intelligenza artificiale. Un approccio moderno, volume 1, Pearson-Italia, Milano-Torino, 2010 (capitoli 1, 3, 4, 7, 8, 9, 10, 11, 12, 26, 27)

Letture consigliate:

- F. Bianchini, A. Gliozzo, M. Matteuzzi (a cura di), Instrumentum vocale. Intelligenza artificiale e linguaggio, Bononia University Press, Bologna, 2007.

- R. Pieraccini, The Voice in the Machine. Building Computers That Understand Speech, MIT Press, Cambridge, Mass. 2012. 

- K. Warwick, Intelligenza artificiale. Le basi, Flaccovio Editore, 2015.

Ulteriore materiale bibliografico sarà segnalato nel corso delle lezioni.

Gli studenti non frequentanti sono tenuti a portare in aggiunta un testo a scelta fra le letture consigliate.

Metodi didattici

Lezioni frontali. Discussioni sugli argomenti principali. Sarà possibile, per gli studenti interessati, fare una breve presentazione individuale o di gruppo su un argomento concordato col docente.

Modalità di verifica e valutazione dell'apprendimento

Lo studente sarà valutato attraverso una prova orale nella quale verranno discussi sia argomenti generali relative all'intelligenza artificiale, sia questioni più specifiche relative ai vari campi coinvolti in questo ambito disciplinare. In particolare, saranno valutate sia le conoscenze apprese sia la capacità di rielabolarle e di condurre ragionamenti autonomi su temi specifici, nonché di produrre riflessioni personali a partire dai contenuti affrontati durante il corso. Si richiederà, dove possibile, anche l'applicazione dei concetti principali della materia in semplici esercitazioni.

In particolare, saranno valutate in ordine crescente di importanza:

1) la completezza delle conoscenze acquisite strettamente in merito al programma;

2) l'appropriatezza del linguaggio;

3) la capacità personale di rielaborazione e di utilizzo dei concetti appresi;

4) la capacità di impostare una riflessione interdisciplinare;

5) la capacità di applicare a singoli casi di ricerca le tematiche apprese e di produrre riflessioni autonome e originali.

1) e 2) costituiscono obiettivi minimi per la sufficienza. Attraverso 3) si arriverà a una valutazione discreta, tanto più quanto meno mnemoniche saranno le conoscenze apprese dallo studente. 4) potrà portare a una valutazione buona o ottima, 5) a una valutazione eccellente.

Strumenti a supporto della didattica

Slide e contenuti digitali saranno utilizzati nel corso delle lezioni.

Orario di ricevimento

Consulta il sito web di Francesco Bianchini

SDGs

Istruzione di qualità Imprese innovazione e infrastrutture Partnership per gli obiettivi

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.