34781 - INTELLIGENZA ARTIFICIALE LM

Anno Accademico 2009/2010

  • Docente: Andrea Roli
  • Crediti formativi: 9
  • SSD: ING-INF/05
  • Lingua di insegnamento: Italiano
  • Moduli: Andrea Roli (Modulo 1) Stefano Benedettini (Modulo 2)
  • Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
  • Campus: Cesena
  • Corso: Laurea Magistrale in Ingegneria informatica (cod. 8200)

Conoscenze e abilità da conseguire

Al termine del corso, lo studente possiede le conoscenze relative ai fondamenti delle tecniche di intelligenza artificiale ed, in particolare: tecniche di risoluzione di problemi modellati in uno spazio di ricerca, di problemi di soddisfacimento di vincoli e per giochi a due giocatori; logica proposizionale e del prim'ordine e sistemi esperti; tecniche di intelligenza collettiva; pianificazione. In particolare, lo studente è in grado di: Modellare problemi e individuarne le tecniche risolutive più promettenti; Adattare, progettare e sviluppare algoritmi e sistemi software per la soluzione di problemi tramite tecniche di intelligenza artificiale.

Contenuti

  • Introduzione
    • I fondamenti dell'intelligenza artificiale
    • Inquadramento storico dell'intelligenza artificiale
    • Problemi tipici affrontati nell'ambito dell'intelligenza artificiale
  • Risoluzione di problemi
    • Problemi definiti nello spazio degli stati
    • Strategie di ricerca non informata
    • Strategie di ricerca euristica
    • Problemi di soddisfacimento di vincoli
    • Tecniche di soluzione di problemi di soddisfacimento di vincoli (tecniche di ricerca complete e incomplete: standard backtracking, tecniche con propagazione di vincoli, ricerca locale)
    • Giochi a due giocatori (caso a conoscenza perfetta deterministico e caso con elementi casuali)
  • Conoscenza e ragionamento
    • Rappresentazione della conoscenza
    • Inferenza nella logica proposizionale e del primo ordine
    • Sistemi esperti
  • Pianificazione
    • Introduzione ai problemi di pianificazione e problematiche relative
    • Pianificazione con ricerca nello spazio degli stati
  • Apprendimento
    • Apprendimento per rinforzo
    • Computazione evolutiva
    • Reti neurali

Testi/Bibliografia

Russell, Norvig, "Intelligenza artificiale: un approccio moderno", Vol.1 e Vol.2 (in parte), seconda edizione, Pearson/Prentice Hall

Metodi didattici

  • Lezioni in aula (con eventuale uso di lucidi e programmi dimostrativi)
  • Esercitazioni in laboratorio

Modalità di verifica e valutazione dell'apprendimento

Esame scritto e orale.

Strumenti a supporto della didattica

  • Pagina web del corso con lucidi e schemi delle lezioni in formato PDF, articoli e altro materiale e link utili
  • Software per lo sviluppo di applicazioni relative ai principali argomenti del corso

Link ad altre eventuali informazioni

http://www.lia.deis.unibo.it/~aro/

Orario di ricevimento

Consulta il sito web di Andrea Roli

Consulta il sito web di Stefano Benedettini