81940 - INTELLIGENZA ARTIFICIALE

Conoscenze e abilità da conseguire

Al termine del corso, lo studente conosce i principali linguaggi, tecniche di modellizzazione e metodi di ragionamento che stanno alla base della risoluzione di problemi di intelligenza artificiale. In particolare, è in grado di realizzare sistemi 'intelligenti' che, nella soluzione di problemi, simulano il comportamento di esperti umani della disciplina in oggetto. Inoltre è in grado di modellizzare e risolvere semplici problemi di ottimizzazione basati su programmazione a vincoli.

Contenuti

Introduzione all' intelligenza artificiale.
Le principali tecnologie e applicazioni dell'intelligenza artificiale.
La nozione di agente.
Strategie di ricerca non informata.
Strategie di ricerca informata.
Ricerca con avversari.
Modellazione di problemi con vincoli e CSP: nozioni di base.
Programmazione logica.
Programmazione con vincoli, cenni a MiniZinc.
Introduzione al machine learning.
Il calcolo sub-simbolico e le reti neurali

Large language models

Aspetti economici, etici e filosofici.

Testi/Bibliografia

Russell, Norvig. Artificial Intelligence: A Modern Approach, 3rd Edition. Pearson (Intl) 2010 (US edition) and 2016 (Global edition).

Materiale fornito a lezione.

Metodi didattici

Lezioni frontali

Modalità di verifica e valutazione dell'apprendimento

L’esame consiste nello sviluppo di un progetto e nella sua presentazione e discussione. 

in ogni anno accademico sono fissati sei “appelli”: due nella prima Sessione (Gennaio/Febbraio); tre nella seconda (Giugno/Luglio) e uno nella terza (Settembre). Le date degli appelli sono pubblicate su Almaesami e possono subire variazioni. Si consiglia di verificare 24 ore prima dello scritto che la data non sia cambiata.

Per partecipare ad un appello d’esame occorre iscriversi su Almaesami entro 7 giorni dalla data dell’esame. Chi non si iscrive in tempo non potrà sostenere l’esame, e dovrà attendere l’appello successivo.

La verifica avviene con la presentazione del progetto ed eventuali domande sugli argomenti del corso. 
Lo studente dovrà quindi dimostrare di aver lavorato attivamente al progetto (che viene fatto a gruppi)( 
e di padroneggiare le tecniche principali di AI viste nel corso.

Il voto dell’esame è stabilito in base ai criteri seguenti:

- se i contenuti del progetto, la sua esposizione e la discussione sono limitati, con limitata padronanza degli argomenti del corso, il voto sarà compreso nell’intervallo 18-21;
- se i contenuti del progetto, la sua esposizione e la discussione sono soddisfacenti, con sufficiente padronanza degli argomenti del corso, il voto sarà compreso nell’intervallo 22-25;
- se i contenuti del progetto, la sua esposizione e la discussione sono buoni, con buona padronanza degli argomenti del corso, il voto sarà compreso nell’intervallo 26-29;

- se i contenuti del progetto, la sua esposizione e la discussione sono ottimi, con piena padronanza degli argomenti del corso, allora il voto sarà 30 oppure 30 e lode.

Al termine della prova orale lo studente saprà il voto conseguito e potrà decidere se accettarlo o rifiutarlo. Come da regolamento didattico di ateneo,
il rifiuto deve essere concesso dal docente almeno una volta sul singolo insegnamento.

Questo corso è integrato con il corso di 28796 - COMPLEMENTI DI BASI DI DATI,
di conseguenza la verbalizzazione del voto finale potrà avvenire solo entro 3 giorni dal conseguimento di entrambi i voti.

Strumenti a supporto della didattica

Le lezioni saranno tenute usando slides. Durante il corso saranno usati anche alcuni strumenti software specifici per IA.

Orario di ricevimento

Consulta il sito web di Maurizio Gabbrielli

Consulta il sito web di Stefano Pio Zingaro