Intelligenza Artificiale: Sistemi Esperti

L'obiettivo del corso è l'approfondimento sistematico dei problemi legati alla realizzazione di sistemi dotati della capacità di agire razionalmente. I sistemi esperti devono dotarsi in particolare di adeguate tecnologie informatiche utili al raggiungimento di tale scopo, attraverso la Rappresentazione della Conoscenza ed il Ragionamento Automatico. Il corso si occuperà della modellazione formale della conoscenza e dello sviluppo di tecniche di programmazione basate su linguaggi specifici come KL-one, ma anche su general-purpose preferiti dell'area LISP, Prolog e più recentemente JAVA.

Programma del corso:

• Introduzione al corso: Scopi e metodologie dell'indagine in Intelligenza Artificiale; Lo studio dell'Intelligenza: cenni storici; I modelli di Intelligenza nell'approccio ingeneristico; Test di Turing; Approccio debole e approccio forte; Approccio strutturale e comportamentista.

• Linguaggi dell'Intelligenza Artificiale: Cenni a LISP e Prolog in AI; Java in AI.

• Problemi classici dell'IA: Problem solving; Forma di un problema concettuale; Rappresentazione di un problema: tecniche di Teoria dei grafi; La natura del problem solving come modellazione concettuale; Spazio delle soluzioni; Complessità del Problem Solving Generale; Search; Planning; Scheduling; Bactracking; Simulated Annealing; A*.

• Rappresentazione della conoscenza: Forme della conoscenza e modellazione concettuale; La natura della conoscenza: irriducibilità della conoscenza ad informazione; Modelli concettuali della conoscenza versus modelli concettuali dei dati; Basi di conoscenza e basi di dati; Modelli logici ed algebrici della conoscenza; Operatori epistemologici K ed F; Completezza; Consistenza; Adeguatezza; Conoscenza relazionale e modelli algebrici; Algebre di relazioni; Vincolii; Reti semantiche; Logiche descrittive; T-box and A-box; Classificazione e sussunzione; Operatori delle logiche descrittive; Ontologie formali; Il Knowledge Sharing.

• Ragionamento: Approcci al ragionamento; Ragionamento come search: l'applicabilità del backtracking; Ragionamento come deduzione: tecniche logiche; Ragionamento specializzato; Metodi basati sulla conoscenza e ragionamento qualitativo; Ragionamento temporale; Ragionamento spaziale; Ragionamento etico; Problemi di soddisfazione dei vincoli; Struttura dei problemi di soddisfazione dei vincoli; Potere espressivo dei vincoli; Alcuni problemi di elaborazione dei vincoli; Dualità; Problemi indeboliti: la consistenza parziale.

• Tecniche euristiche e soft-computing: Metodi informati; Euristiche per il search: Intelligent e Selective Backtracking; Euristiche per il reasoning: inferenza incompleta, induzione, abduzione; Metodi non completi di reasoning; Incompletezza e consistenza in dominii non dualizzabili; Completamento delle tecniche di reasoning in sistemi dualizzabili; Approcci al reasoning senza backtracking; Algoritmi genetici; Il search parziale: taratura di un metodo genetico; Struttura di un algoritmo genetico: popolazione, generazione, fitness, cross-over e mutazioni.

Testi:

1. S.J. Russel and P. Norvig, "Artificial Intelligence: A modern approach", Prentice Hall, 1995.
2. P. Jackson, "Introduction to expert systems", Addison-Wesley, 1999.