- Docente: Andrea Omicini
- Crediti formativi: 6
- SSD: IINF-05/A
- Lingua di insegnamento: Italiano
- Moduli: Andrea Omicini (Modulo 1) Giovanni Ciatto (Modulo 2)
- Modalità didattica: Lezioni in presenza (totalmente o parzialmente) (Modulo 1); Lezioni in presenza (totalmente o parzialmente) (Modulo 2)
- Campus: Cesena
- Corso: Laurea Magistrale in Ingegneria e scienze informatiche (cod. 6699)
-
Orario delle lezioni (Modulo 1)
dal 17/09/2026 al 13/11/2026
-
Orario delle lezioni (Modulo 2)
dal 19/11/2026 al 18/12/2026
Conoscenze e abilità da conseguire
Il corso ha l’obiettivo di fornire agli studenti una solida comprensione degli agenti intelligenti e dei sistemi multi-agente (MAS), concentrandosi sia sui fondamenti teorici sia sulle applicazioni pratiche. Si esploreranno concetti chiave come l’autonomia, le architetture basate su agenti, il ragionamento automatico, e le reti Bayesiane. Gli studenti analizzeranno inoltre paradigmi emergenti, tra cui agentic AI e gli agenti neuro-simbolici, e acquisiranno esperienza pratica con tecnologie e piattaforme per la creazione e l’implementazione di agenti intelligenti, programmazione logica inclusa. Infine, i principi, le tecnologie, e i metodi basati sugli agenti verranno utilizzati quali fondamenti per l'ingegneria dei sistemi intelligenti.
Contenuti
Fondamenti dell’Intelligenza Artificiale
- Intelligenza e verità
- Tecniche simboliche, subsimboliche e non simboliche
Intelligenza Artificiale simbolica
- Logica e programmazione logica / Prolog
- Programmazione a vincoli / MiniZinc
- Ragionamento automatico
- Pianificazione automatica / STRIPS
Fondamenti dell’agenzia
- Intelligenza e autonomia
- Logiche e architetture BDI / Jason
- Ragionamento in condizioni di incertezza: ragionamento probabilistico, logica fuzzy, ragionamento bayesiano
Sistemi multi-agente
- Agreement technologies: comunicazione, cooperazione, coordinamento
Agenti neuro-simbolici
- Tecniche neuro-simboliche / SKI/SKE
- XAI, agenti autoesplicativi
Agenti AI
- Agenti e sistemi multi-agente subsimbolici
- Agenti basati sulla GenAI
- Apprendimento distribuito nei sistemi multi-agente
- LangGraph / AutoGen / CrewAI
Testi/Bibliografia
La bibliografia è resa disponibile tramite il sito del corso.
Metodi didattici
- Lezioni teoriche in aula con uso di lucidi
- Esempi discussi e costruiti in aula al computer dal docente e da esperti
- Laboratorio
Modalità di verifica e valutazione dell'apprendimento
- Esame scritto in aula
- Progetto (opzionale)
Strumenti a supporto della didattica
- Sito web del docente
- Pagina web del corso con PDF dei lucidi, altro materiale e link utili
Link ad altre eventuali informazioni
https://apice.unibo.it/xwiki/bin/view/Course/Iag2627/
Orario di ricevimento
Consulta il sito web di Andrea Omicini
Consulta il sito web di Giovanni Ciatto
SDGs
L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.