Obiettivi
Formativi :
Il corso intende fornire le conoscenze e gli strumenti
fondamentali per l'utilizzo di metodologie e tecniche
di Intelligenza Artificiale. Durante lo svolgimento
delle lezioni verranno analizzati in dettaglio
i contributi scientifici più significativi
del settore, mettendo anche in luce le principali
problematiche legate alla cosiddetta Ingegneria
della Conoscenza, disciplina che giuoca un ruolo
centrale nella costruzione dei Sistemi Esperti;
verro inoltre descritte le tecniche di base per
la soluzione di problemi, per la rappresentazione
della conoscenza, nonchè quelle connesse
alla Visione Artificiale ed al 'Machine-Learning'.
Verranno anche approfonditi alcuni temi teorici
scelti di volta in volta.
Programma :
INTRODUZIONE - Cos'è l'intelligenza
artificiale. Basi dell'intelligenza artificiale.
storia dell'intelligenza artificiale. sistemi
intelligenti. campi di applicazione. tecniche
di intelligenza artificiale.
Linguaggi per l'intelligenza artificiale - Lisp,
Prolog. .RAPPRESENTAZIONE DELLA CONOSCENZA - L'uso
della logica dei predicati. conoscenze strutturate:
reti semantiche e frame. sistemi a produzioni.
Rappresentazione di conoscenza incerta: incertezza,
reti bayesiane, logiche di default
LOGICA FUZZY
Apprendimento Simbolico.Generalità. Punto
di vista recente (inferenziale). classificazione
in base alla quantità di inferenza, classificazione
sulla base delle strategie di inferenza. apprendimento
induttivo tramite esempi. apprendimento come classificazione:
arch (winston, 1975). Apprendimento come ricerca.version
space (mitchell, 1982), id3 (quinlan, 1983). RETI
NEURALI. proprietà delle reti: proprietà
dei nodi, dinamica del sistema, calcolo dei livelli
di attivazione.inferenza ed apprendimento, rappresentazione
dei dati, classificazione funzionale: modelli
di classificazione, perceptrone singolo strato,
perceptrone multistrato. modelli associativi:
rete di hopfield; modelli di ottimizzazione: neural
network learning, backpropagation, radial basis
function network; reti autoorganizzantisi: apprendimento
hebbiano, estrazione delle componenti principali,
oja, sanger algorithm. modelli basati sulla competizione:
formazione di mappe topografiche, algoritmo di
kohonen, rule based neural network, kbcnn algorithm.algoritmi
genetici. LA VISIONE NELLE MACCHINE .Generalità.
I livelli di un sistema di visione. La rappresentazione
della conoscenza visiva. Le tecniche legate alle
immagini generalizzate. Formazione dell'immagine:
La funzione dell'immagine, Geometria dell'immagine,
la riflettanza, proprietà spaziali, colore,
immagini digitali. Elaborazione promaria: filtraggio
digitale, operatori differenziali, optical flow.
Le tecniche legate alle immagini segmentate. Alcuni
metodi di estrazione dei contorni, estrazione
delle regioni, interpretazione delle immagini
di basso livello, tessiture. Rappresentazioni
geormetriche. Rappresentazione di contorni, rappresentazione
di regioni, rappresentazioni 3D. Regolarizzazione
in Early Vision. Problemi mal-posti e teoria della
regolarizzazione. Morfologia. Dilatazione in immagini
binarie, erosione in immagini binarie, Apertura
e Chiusura, gradiente morfologico, segmentazione
morfologica, operatore di Canny. Inseguimento
di oggetti in sequenze di immagini. Modulo di
controllo, valutatore di moto. Elaborazioni connesse
con le rappresentazioni relazionali. Riconoscimento
di oggetti, comprensione di scene, rappresentazione
della conoscenza e forme di ragionamento usate,
esempio di strategia di matching.PROBLEM SOLVING.Searching
State Space.Searching esaustivo, Searching in
sottospazi selezionati, Tipi di strategie: Breadth-first,
Depth-first, Best-first. Searching Decompotion.
Searching and/or graphs, AO*, AO* Search, Means-End
Analysis, Procedura MEA, Decomposizione "Torre
di Hanoi". Pianificazione del movimento di
robot. Problema dei 3 cubi, Backchaining.REASONING.Ragionamento.
Logica proposizionale Decidibile, Regole di Inferenza,
Natural deduction, Regola di risoluzione, Completezza
della risoluzione, Calcolo dei predicati: Interpretazione
di formule, Semidecidibilità. Conversione
di una WFF in forma clusale, Risoluzione di due
clausole: Fattorizzare le clausole per risolverle.
Risoluzione per ricusazione, Demodulazione; Regole
di produzione per sistemi esperti: Prodrule per
l'analisi, Foreward chaining per l'analisi, Backward
chaining, Reti di inferenza, Caratteristiche utili
per un sistema esperto. Ragionamento Plausibile
nei sistemi esperti. Schema bayesiano, Misure
di necessità e sufficienza, Certezza di
un'evidenza. Diagnosi. Semplificazioni statistiche.
Fattori di Certezza. Regole di combinazione, Modello
di Dempster-Shafer. Case-Based Reasoning. FUZZY
LOGIC.Fuzzy Sets. Le operazioni insiemistiche
, Il principio di estensione, Operazioni estese
ed Insiemi Fuzzy estesi. Le relazioni Fuzzy. Proiezione,
Estensione cilindrica , Composizione. Le funzioni
Fuzzy. Vincoli fuzzy su funzioni classiche, Insiemi
estremali. Teoria della possibilità. Fuzzy
Logic e ragionamento approssimato. Le variabili
linguistiche, variabile booleana, La logica fuzzy.PLANNING.CARATTERISTICHE
GENERALI DI UN SISTEMA DI PIANIFICAZIONE. Classical
and Deductive Planning. Strips. Reactive Planning.
Reactive Planning Theories.Introduzione ai Sistemi
Esperti - Problemi Di Acquisizione della Conoscenza,
Rappresentazione eella Conoscenza, Applicazione
aella Conoscenza, Generazione delle Spiegazioni.
Ciclo di Vita Dei Sistemi Esperti. Strumenti per
lo sviluppo di Sistemi Esperti. Alcuni esempi
di Sistemi Esperti.
Gli agenti e i sistemi Multi-Agente. Modelli e
architetture di agente. I Linguaggi. Sistemi Multi-Agente
cooperanti e concorrenti. Alcuni esempi di applicazione
dei sistemi ad agente.GETFOL.Introduzione. Metodi
di ragionamento in ambiente getfol.Principali
comandi. Natural Deduction, I decisori, Computazione,
Semplificazione, I sort e il contesto META. Esempio.SITUATION
CALCULUS.Definizione. Fluents. Tre Problemi: Qualification
Problem, Ramification Problem, Frame Problem.
Proiezione temporale. Leggi del moto; Esempio:
il mondo dei blocchi. Operatori in Strips: Operatore
di progressione, Operatore di regressione, Vantaggi
e Svantaggi di STRIPS. Il linguaggio ADL. Regole
per calcolare la regressione, Complessità
computazionale, Esempio: i bicchieri d'acqua.
leggi del moto, Add Condition e Delete condition,
Frame axiom.LOGICA DELLA VERITÀ E DELLA
STABILITA' LAMBDA CALCOLO.Vocabolario. Definizione
induttiva, Teorema del punto fisso, Modelli del
lambda calcolo, Semantica, Calcolo dei predicati,
Bicondizionale di Tarski, Verità attraverso
i punti fissi. Verso la logica a tre valori. Logica
di Kleene forte a tre valori, Modelli di KFG,
Verità falsità e preposizioni, KFG
come teoria modale.Verità stabile. Teoria
semantica di Gupta-Herzberger, Logica della verità
stabile, Logica modale debole della verità,
Assiomi stabili e necessità: L'assioma
T, L'assioma S4, L'assioma S5, Il mentitore ed
il sincero. Il punto. Le strutture di Frege. Il
linguaggio, Assiomi delle preposizioni, Modelli
in TP, Risultati indefinibili, Modalità
e Verità. Il Linguaggio. La semantica dei
mondi possibili, Logica K, Logica D, Logica T,
Logica S4, Logica S5. Verità nella logica
modale. Teorie Modali di Kleene, Modelli, Modalità
e stabilità, La logica D, Assiomi stabili
di Verità, Assiomi di verità sicuri
ma instabili. Una teoria di proposizioni, verità
e modalità. Il linguaggio, Definizione
di WFF, Le teorie, Modelli-estensioni di TP. Modalità
predicativa. Linguaggio, Paradosso intensionale,
Logiche di verità e modalità con
necessità forte
Testi di Riferimento :
E. RICH, K. KNIGHT, " Intelligenza
Artificiale ", II edizione, , McGraw
Hill. , Milano, 1993.
E. CHARNIAK, D. MCDERMOTT, " Introduzione
alla Intelligenza Artificiale ", Masson
- Addison Wesley, , London, 1988.
S. J. Russel, P. Norvig, Intelligenza Artificiale:
un approccio moderno , UTET, 1998.
G. Tascini, Introduzione all' Intelligenza
Artificiale Applicata, in press.
Modalità di svolgimento
dell’esame :
Prova scritta e orale.
Ricevimento Studenti :
Martedì dalle 11.00-13.00
|