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