75836 - TEORIE E SISTEMI DELL'INTELLIGENZA ARTIFICIALE (1)

Scheda insegnamento

Anno Accademico 2020/2021

Conoscenze e abilità da conseguire

Conoscenze e abilità da conseguire - saper distinguere sia da un punto di vista teorico che pratico le applicazioni di IA da quelle tradizionali., e tra dominio del computabile e del solo genericamente "razionale"; - trattare con competenza il problem solving, acquisendo tecniche specifiche di euristica nella risoluzione dei problemi; - avere nozione degli strumenti di rappresentazione della conoscenza in un ambiente artificiale; - conoscere e sapere applicare le principali metodologie di "planning".

Contenuti

Gli studenti avranno mezzi metodologici e pratici per capire l'evoluzione dell'Intelligenza Artificiale (IA), le distinzioni principali e lo stato attuale.

Gli studenti otterranno riferimenti e capacità di base su alcuni aspetti alla conoscenza nell'IA:

  • lingue naturali e conoscenza formale
  • la conoscenza come dati che possono essere interrogati computazionalmente, congiuntamente con ragionamento automatico e inferenze generalizzate
  • requisiti fondazionali (filosofici, semiotici, cognitivi) vs. requisiti orientati agli obiettivi di un progetto
  • aspetti deduttivi vs. induttivi della conoscenza nei knowledge graph
  • reti, frames, grafi e embeddings
  • il Web 3.0 come piattaforma (aperta) per la conoscenza e precondizione per l'IA

Le tecniche di IA saranno apprese "sul campo", cioè madiante l'analisi di strumenti, metodi, pratiche e problemi. Alcuni articoli selezionati per ogni argomento saranno proposti, discussi e accompagnati da chiarimenti teorici e pratici.

Durante il corso saranno presentati componenti software usati nelle tecnologie IA.

Testi/Bibliografia

Manuali (da usare come riferimenti generali):

Artificial Intelligence: A Modern Approach, 3rd ed. by Stuart Russell (UC Berkeley) and Peter Norvig (Google) - slides from the 2014 course: http://ai.berkeley.edu/course_schedule.html

M. Flasinski. Introduction to Artificial Inteligence. Springer (2016)

J. van Benthem et al. Logic in Action. http://www.logicinaction.org/

R.S. Michalski, J.G. Carbonell, T.M. Mitchell. Machine Learning: An artificial intelligence approach. Springer (2013)

Testi su argomenti più specifici:

 

A. Gangemi. Norms and plans as unification criteria for social collectives. Autonomous Agents and Multi-Agent Systems, 16(3) (2008)

F. Bianchini, A. Gliozzo, M. Matteuzzi. Instrumentum vocale. Bononia Univ. Press (2008)

A. Gangemi. What’s in a Schema?, In Huang C.R. et al. (eds.): Ontology and the Lexicon. Cambridge University Press (2010)

John McCarthy and Patrick J. Hayes. Some philosophical problems from the standpoint of artificial intelligence.


Patrick J. Hayes. Second naïve physics manifesto.


Marvin Minsky. A Framework for Representing Knowledge.


Thomas R. Gruber. A Translation Approach to Portable Ontology Specifications.


Peter Clark, John Thompson, and Bruce Porter. Knowledge Patterns.
Deb Roy. Grounding Language in the World: Schema Theory Meets Semiotics.


Luciano Floridi. A defence of constructionism: philosophy as conceptual engieneering.


Roberto Cordeschi. Searching in a maze, in search of Knowledge: issues in early artificial intelligence.

 

Altro materiale: articoli, slides ed esercizi, sarà reso disponibile su IOL.

Metodi didattici

Il metodo di insegnamento si basa su sessioni di 2 ore l'una, che includono lezioni frontali interattive e sessioni di studio pratico.

Le principali tecniche di AI relative alla creazione, uso e verifica della conoscenza saranno apprese "sul campo", mediante la comprensione e l'analisi critica di articoli selezionati, strumenti di calcolo, metodi e problemi aperti.

Modalità di verifica e valutazione dell'apprendimento

L'esame finale consiste in un colloquio, volto a verificare la comprensione dei temi fondamentali e lo sviluppo di un argomento a scelta dello studente fra alcun proposti.

Eventuali risultati di progetti svolti durante il corso saranno anche considerati nel voto finale.

I voti finali saranno pubblicati sul sito del docente, di solito entro una settimana dalla fine dei colloqui.

Strumenti a supporto della didattica

Oltre agli strumenti disponibili in aula, gli studenti useranno componenti software per l'IA sulle macchine disponibili, da soli, in coppia o in gruppo. Il software permetterà agli studenti di testare in modo realistico alcuni problemi di ricerca in IA.

Si useranno anche media sociali per l'interazione informale tra gli studenti e con il docente.

Orario di ricevimento

Consulta il sito web di Luigi Asprino