La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Apprendimento Automatico: Introduzione Roberto Navigli 1 Apprendimento Automatico: Introduzione.

Presentazioni simili


Presentazione sul tema: "Apprendimento Automatico: Introduzione Roberto Navigli 1 Apprendimento Automatico: Introduzione."— Transcript della presentazione:

1 Apprendimento Automatico: Introduzione Roberto Navigli 1 Apprendimento Automatico: Introduzione

2 Roberto Navigli 2 Apprendimento Automatico (Machine Learning) Una delle aree fondamentali dellIntelligenza Artificiale Mira a sviluppare algoritmi e metodi al fine di permettere alla macchina di apprendere Apprendimento: il processo di comprendere costruendo un modello dei dati osservati al fine di utilizzarlo in predizioni future –Regole dassociazione –Classificazione –Regressione –Clustering Tipicamente si vuole ottimizzare un criterio di prestazione utilizzando dati desempio o precedente esperienza

3 Apprendimento Automatico: Introduzione Roberto Navigli 3 Dove si colloca lApprendimento Automatico sapere

4 Apprendimento Automatico: Introduzione Roberto Navigli 4 Dove si colloca lApprendimento Automatico scienze

5 Apprendimento Automatico: Introduzione Roberto Navigli 5 Dove si colloca lApprendimento Automatico informatica

6 Apprendimento Automatico: Introduzione Roberto Navigli 6 Dove si colloca lApprendimento Automatico Intelligenza Artificiale

7 Apprendimento Automatico: Introduzione Roberto Navigli 7 Cosè lIntelligenza Artificiale? A voi la risposta…

8 Apprendimento Automatico: Introduzione Roberto Navigli 8 Unarea dellIntelligenza Artificiale Risoluzione di problemi Ragionamento automatico Pianificazione Apprendimento automatico Rappresentazione della conoscenza Elaborazione del linguaggio naturale Visione artificiale Robotica …

9 Apprendimento Automatico: Introduzione Roberto Navigli 9 Macchine Intelligenti in Breve (1) Lidea di dispositivi meccanici e macchine intelligenti data almeno ai tempi della Grecia antica Aristotele inventa il sillogismo, il primo sistema formale di deduzione logica (V secolo a.C.)

10 Apprendimento Automatico: Introduzione Roberto Navigli 10 Macchine Intelligenti in Breve (1) Lidea di dispositivi meccanici e macchine intelligenti data almeno ai tempi della Grecia antica Aristotele inventa il sillogismo, il primo sistema formale di deduzione logica (V secolo a.C.) Roger Bacon (frate, filosofo e scienziato) si dice abbia creato teste parlanti (talking heads) che potevano rispondere a qualsiasi domanda (XIII secolo d.C.)

11 Apprendimento Automatico: Introduzione Roberto Navigli 11 Macchine Intelligenti in Breve (1) Lidea di dispositivi meccanici e macchine intelligenti data almeno ai tempi della Grecia antica Aristotele inventa il sillogismo, il primo sistema formale di deduzione logica (V secolo a.C.) Roger Bacon (frate, filosofo e scienziato) si dice abbia creato teste parlanti (talking heads) che potevano rispondere a qualsiasi domanda (XIII secolo d.C.) La Bibbia di Gutenberg va in stampa (1456) Blaise Pascal (1642) creò la prima calcolatrice, migliorata poi da Leibniz

12 Apprendimento Automatico: Introduzione Roberto Navigli 12 Macchine Intelligenti in Breve (1) Lidea di dispositivi meccanici e macchine intelligenti data almeno ai tempi della Grecia antica Aristotele inventa il sillogismo, il primo sistema formale di deduzione logica (V secolo a.C.) Roger Bacon (frate, filosofo e scienziato) si dice abbia creato teste parlanti (talking heads) che potevano rispondere a qualsiasi domanda (XIII secolo d.C.) La Bibbia di Gutenberg va in stampa (1456) Blaise Pascal (1642) creò la prima calcolatrice, migliorata poi da Leibniz Mary Shelley pubblica Frankestein (1818)

13 Apprendimento Automatico: Introduzione Roberto Navigli 13 Macchine Intelligenti in Breve (1) Lidea di dispositivi meccanici e macchine intelligenti data almeno ai tempi della Grecia antica Aristotele inventa il sillogismo, il primo sistema formale di deduzione logica (V secolo a.C.) Roger Bacon (frate, filosofo e scienziato) si dice abbia creato teste parlanti (talking heads) che potevano rispondere a qualsiasi domanda (XIII secolo d.C.) La Bibbia di Gutenberg va in stampa (1456) Blaise Pascal (1642) creò la prima calcolatrice, migliorata poi da Leibniz Mary Shelley pubblica Frankestein (1818) Charles Babbage e Lady Ada Byron (Lovelace) inventarono la prima macchina programmabile (macchina analitica, )

14 Apprendimento Automatico: Introduzione Roberto Navigli 14 Macchine Intelligenti in Breve (2) Warren McCulloch e Walter Pitts pubblicano "A Logical Calculus of the Ideas Immanent in Nervous Activity" (1943), gettando le fondamenta per le reti neurali Alan Turing pubblica "Computing Machinery and Intelligence" (1950), in cui viene proposto il Test di Turing: –La macchina riesce a comportarsi in modo sufficientemente simile a un essere umano? –Se una macchina supera il test di Turing, allora è intelligente (Strong AI) Isaac Asimov pubblica le tre leggi della robotica (1950) John McCarthy conia il termine intelligenza artificiale" come argomento della Dartmouth Conference, la prima conferenza sul tema (1956) Arthur Samuel (IBM) scrive il primo programma che gioca (a dama, ) Margaret Masterman e colleghi (Cambridge) inventano le reti semantiche per la traduzione automatica Marvin Minsky e Seymour Papert pubblicano Perceptrons (1968) e dimostrano i limiti delle reti neurali semplici

15 Apprendimento Automatico: Introduzione Roberto Navigli 15 Macchine Intelligenti in Breve (3) Terry Winograd dimostra come sia possibile scrivere programmi che comprendano semplici comandi in lingua inglese (SHRLDU) –Natural Language Understanding Nel 1975, Minsky pubblica A framework for representing knowledge (introducendo i frame) Metà degli anni 70: emergono i limiti degli approcci GOFAI allIA –GOFAI (Good Old-Fashioned Artificial Intelligence): lapproccio storico allIA basato su logica e risoluzione dei problemi in domini ristretti (es. giocare a scacchi) 1978: Tom Mitchell (Stanford) inventa il concetto di Spazio delle Versioni per descrivere lo spazio di ricerca di un programma per la formazione di concetti Anni 80: le reti neurali vengono ampiamente utilizzate grazie allalgoritmo di Backpropagation (descritto per la prima volta da Werbos nel 1974). Inizio anni 90: TD-Gammon, sviluppato da Gerry Tesauro, dimostra limportanza dellapprendimento per rinforzo (campione del mondo) Deep Blue (programma per scacchi) batte lattuale campione del mondo, Garry Kasparov

16 Apprendimento Automatico: Introduzione Roberto Navigli 16 Macchine Intelligenti in Breve (3) Camera cinese –Esperimento (Searle, 1980) che tenta di dimostrare come una macchine che elabora simboli non possa comprendere o avere una mente –Supponiamo che lIA abbia finalmente realizzato un programma per computer che si comporti come se fosse in grado di comprendere il cinese. Data una stringa cinese in ingresso, esso fornisce una risposta in cinese. Supponiamo che la macchina passi il Test di Turing. –Supponiamo che un essere umano abbia un manuale in inglese contenente il suddetto programma… egli passerebbe il test non capendo tuttavia nulla di cinese!

17 Apprendimento Automatico: Introduzione Roberto Navigli 17 Perché non scrivere direttamente un programma? Esercizio: provate a scrivere un programma che giochi bene a scacchi –Claude Shannon: "Programming a computer to play chess" (1950). Situazioni in cui non è possibile codificare semplicemente la conoscenza in un programma: –Esperienza umana non è disponibile (es. una sonda spaziale) –Luomo non è in grado di spiegare lesperienza (es. riconoscimento del parlato) –Le scelte cambiano nel tempo (sistemi dinamici, reti di computer) –Le scelte devono essere adattate a casi particolari (es. riconoscimento dei volti)

18 Apprendimento Automatico: Introduzione Roberto Navigli 18 Apprendimento Automatico Schematizzato classificatore supervisione ambiente dati classificazione

19 Apprendimento Automatico: Introduzione Roberto Navigli 19 Esempio di Problema di Apprendimento Automatico (1) Riconoscimento della scrittura:

20 Apprendimento Automatico: Introduzione Roberto Navigli 20 Esempio di Problema di Apprendimento Automatico (2) Risoluzione dellambiguità del linguaggio: –Es. ricerca con google: beagle –Eppure beagle significa:

21 Apprendimento Automatico: Introduzione Roberto Navigli 21 Esempio di Problema di Apprendimento Automatico (3) Agenti intelligenti:

22 Apprendimento Automatico: Introduzione Roberto Navigli 22 Apprendimento Automatico: Altri Esempi Strategie di marketing: impiego di informazioni dacquisto per determinare suggerimenti pubblicitari (es. amazon) Classificazione di una forma donda in una parola del lessico (speech recognition) Question typing: classificazione del tipo di domanda in un sistema di Question Answering Rischio del credito: quanto è affidabile un cliente? Determinare il comportamento di un personaggio in un ambiente di storytelling (es. storytron) Traduzione automatica (machine translation) Conduzione di autovetture

23 Apprendimento Automatico: Introduzione Roberto Navigli 23 Come apprendiamo noi? cake, cake, cake, I do love cake!

24 Apprendimento Automatico: Introduzione Roberto Navigli 24 Importanza dellApprendimento Automatico Collo di bottiglia della conoscenza (knowledge acquisition bottleneck) –E più facile acquisire automaticamente la conoscenza che codificarla a mano Progressi nellarea degli algoritmi e dei modelli teorici e sperimentali Macchine più potenti Applicazioni industriali rilevanti Crescente disponibilità di dati in linea –Wikipedia, Wiktionary, Flickr, Twitter, ecc. –Collezioni di blog –Google Web1T –Search log –Reti sociali Fortissima relazione con il data mining

25 Apprendimento Automatico: Introduzione Roberto Navigli 25 Notizie sul corso 4 crediti (dal prossimo anno: 6 crediti!) 11 settimane (45 ore circa) Testi: –T. Mitchell. Machine Learning, McGrawHill, 1997 –E. Alpaydin. Introduction to Machine Learning, MIT Press, 2004 –P. Tan, M. Steinbach, V. Kumar, Introduction to Data Mining, Pearson Addison Wesley, 2005 Pagina del corso: –http://twiki.di.uniroma1.it/twiki/view/ApprAuto Per discussioni, progetto, ecc. iscrivetevi al gruppo google apprauto2010: –http://groups.google.com/group/apprauto2010

26 Apprendimento Automatico: Introduzione Roberto Navigli 26 Argomenti del Corso Apprendimento supervisionato –Alberi di decisione –Apprendimento basato su istanze –Apprendimento probabilistico –Reti neurali Apprendimento non supervisionato –Clustering Apprendimento per rinforzo Applicazioni: Traduzione automatica

27 Apprendimento Automatico: Introduzione Roberto Navigli 27 Modalità dEsame E necessario: –Sostenere due prove scritte desonero oppure una prova orale a fine corso –Realizzare un progetto in java ( thesis track available) Il progetto sarà modulare, in modo da poter essere svolto in gruppo ma anche da consentire che ognuno sia in grado di svolgere la sua parte di lavoro autonomamente: –Sarà prevista una revisione periodica del progetto dal momento della sua assegnazione fino alla prima data di consegna Chi non segue, può richiedere un progetto ad hoc, assegnato dal docente, e può svolgere solo la prova orale

28 Apprendimento Automatico: Introduzione Roberto Navigli 28 Sogni realizzabili Ricevimento a fine lezione una volta a settimana Alla fine di ogni lezione saranno proposti uno o più esercizi da svolgere a casa –Non è obbligatorio svolgerli, ma serve a rendere più solida la vostra preparazione Dispense Laddove possibile, proporre spunti di ricerca –Un universo da esplorare… Proporvi seminari di ricerca attinenti la materia –Es. caffè scienza, visitatori del dipartimento, ecc. Birra & ricerca

29 Apprendimento Automatico: Introduzione Roberto Navigli 29 Sogni meno realizzabili


Scaricare ppt "Apprendimento Automatico: Introduzione Roberto Navigli 1 Apprendimento Automatico: Introduzione."

Presentazioni simili


Annunci Google