Next: PROFILO Reti e sistemi
Up: PROFILO Intelligenza Artificiale
Previous: Intelligenza Artificiale: Deduzione automatica
  Indice
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:
- S.J. Russel and P. Norvig, "Artificial Intelligence: A modern approach",
Prentice Hall, 1995.
- P. Jackson, "Introduction to expert systems", Addison-Wesley, 1999.
Next: PROFILO Reti e sistemi
Up: PROFILO Intelligenza Artificiale
Previous: Intelligenza Artificiale: Deduzione automatica
  Indice
Roberto Giacobazzi
1999-07-20