Anno di corso: 1

Anno di corso: 2

Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 12
Tipo: A scelta dello studente
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 33
Tipo: Lingua/Prova Finale

INTELLIGENZA ARTIFICIALE

Scheda dell'insegnamento

Anno accademico di regolamento: 
2015/2016
Anno di corso: 
2
Anno accademico di erogazione: 
2016/2017
Tipo di attività: 
Obbligatorio a scelta
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
50
Prerequisiti: 

Conoscenze logico-matematiche di base.

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

La verifica dell'apprendimento verrò effettuata prevalentemente mediante la discussione di un progetto. Il progetto potrà consistere in: progettazione e/o sviluppo software mediante modelli computazionali discussi durante il corso; approfondimento di un particolare problema discusso nel corso con analisi critica dello stato dell'arte; progettazione e/o realizzazione di sperimenti per la valutazione di modelli computazionali e tecnologie proposti nel corso. Il progetto potrà essere individuale o realizzato in gruppi.

Valutazione: 
Voto Finale

Obiettivi formativi

L’obiettivo del corso è quello di mettere in grado lo studente di padroneggiare conoscenze e strumenti di base necessari per affrontare la comprensione, l’utilizzo e la creazione di sistemi di Intelligenza Artificiale, insieme alle capacità di analizzare classi di problemi particolarmente adatti ad essere trattati con metodi e tecniche caratterizzanti della disciplina. La natura insieme applicativa ed esplorativa dell’Intelligenza Artificiale inviterà lo studente ad affrontare problematiche di discriminazione tra fruibilità di soluzioni attuali e direzioni innovative promettenti della ricerca in questo settore. Verranno forniti strumenti concettuali, computazionali e metodologici di base per comprendere e sviluppare soluzioni innovative a problemi di automazione mediante tecniche avanzate di Intelligenza Artificiale. Il corso si rivolge studenti che ambiscano a inserirsi in ambienti lavorativi e di ricerca in cui prevalgano scelte innovative per la soluzione di problemi complessi e ambiti a forte valenza multidisciplinare.

Contenuti

Il corso tratterà due aspetti fondamentali dell’Intelligenza Artificiale moderna di particolare rilavanza nel quadro tecnologico contemporaneo: elaborazione simbolica della conoscenza e intelligenza distribuita. Per ambedue gli ambiti saranno selezionati dall’area dell’Intelligenza Artificiale modelli computazionali e concettuali di particolare impatto innovativo, puntando alla trasmissione di scenari tecnologici presenti e futuri adatti al disegno di soluzioni per problemi complessi e caratterizzanti delle nuove generazioni di sistemi informatici avanzati. Nello specifico, il corso sarà composto da due parti principali. Nella prima parte del corso ci si occuperà di intelligenza come capacità di integrare informazioni e di inferire nuove conoscenze mediante l’integrazione di informazioni e motori semantici; in questa parte del corso si studieranno modelli per la rappresentazione e l’elaborazione semantica della conoscenza su vasta scala, con particolare riferimento al Web, e a modelli formali e tecnologici innovativi entrati ormai a far parte delle tecnologie ICT più avanzate presenti sul mercato (si pensi a sistemi come IBM Watson, al Google Knowledge Graph, a portali quali quelli della BBC o del New York Times). Nella seconda parte del corso, ci si occuperà di intelligenza distribuita e modelli computazionali reattivi; in questa parte del corso si studieranno modelli per la realizzazione di sistemi per i quali il comportamento intelligente sia ottenuto tramite l'azione e l'interazione di agenti autonomi, non necessariamente caratterizzati da un comportamento individuale particolarmente sofisticato. Applicazioni di esempio di questo paradigma saranno discusse in relazione al contesto della simulazione di sistemi complessi, auto-organizzanti e applicazioni di ambient intelligence. Il corso prevede la discussione di progetti, applicazioni reali, e casi di studio paradigmatici, oltre favorire una visione multidisciplinare delle problematiche affrontate.

Programma esteso

1 Semantica e modelli di rappresentazione delle informazioni sul Web (motori semantici e meccanismi di interrogazione basi di dati e motori di ricerca, folksonomie, ontologie e metadati).

2 Semantic Web: esplicitazione della la semantica delle informazioni e principi base del Semantic Web (Linked Open Data e RDF; interrogazione di sorgenti di conoscenza con SPARQL). Motori semantici con ragionamento automatico (inferenza e meccanismi di dimostrazione; rappresentazione di ontologie sul Web con RDFS e OWL; tipi di relazioni particolarmente significative).

3 Architetture per l'integrazione di informazioni ("One size does not fit all": composizione di motori semantici per domini complessi; rassegna di tecnologie innovative per l'estrazione; ruolo del machine learning nelle tecnologie semantiche).

4 Modelli e tecniche di matching semantico per integrare informazioni eterogenee (link discovery nel semantic Web; ontology matching su schemi e istanze).

5 Agenti autonomi: definizione, classificazione, comportamento, modelli di agenti con riflessi semplici, con memoria, basati su obiettivi, basati sull'utilità

6 Modelli e meccanismi di interazione tra agenti

7 Intelligenza Artificiale e Sistemi complessi: il caso della folla (modellazione, simulazione, analisi di comportamenti auto-organizzanti)

8 Sistemi distribuiti e agenti autonomi: il caso degli smart environment (modelli, piattaforme ed esempi applicativi)

Bibliografia consigliata

Libri di testo:
S.J. Russell, P. Norvig, “Intelligenza Artificiale: un approccio moderno“, 2a edizione, Pearson - Prentice Hall, 2005 (volume 1)
Emanuele Della Valle, Irene Celino, Dario Cerizza. Semantic Web. Dai fondamenti alla realizzazione di un'applicazione. 1° ed. (Person, Addison Wesley, 2009), pp. 273.

Libri consigliati:
Tom Heath, Christian Bizer. Linked Data: Evolving the Web into a Global Data Space. 1° ed. (Morgan & Claypool, 2011), pp. 136.
Alberto Gandolfi. Formicai, imperi, cervelli: introduzione alla scienza della complessità
(Bollati Boringhieri, 2008), pp. 300.
Cesare Cornoldi. Formicai, imperi, cervelli: introduzione alla scienza della complessità
(Il Mulino, 2007), pp. 235.

Metodi didattici

Il corso prevede lezioni frontali, esercitazioni, discussione di casi d'uso e utilizzo della piattaforma Moodle, dove verrà pubblicato materiale didattico fornito dai docenti.