CORSO DI INTELLIGENZA ARTIFICIALE PROF Flora Amato Ph.D. Ricercatrice T.D.B Dipartimento di Ingegneria Elettrica e delle Tecnologie dell'Informazione Università degli Studi di Napoli Federico II Stanza 3.14 - Ed. 3 - Via Claudio,21 - 80125 - Napoli - Italy http://wpage.unina.it/flora.amato https://www.docenti.unina.it/flora.amato e-mail: flora.amato@unina.it Tel:  081-7683851

PROGRAMMA DEL CORSO Che cosa Studieremo

Parte I: Introduzione all’Intelligenza Artificiale   Agenti intelligenti Agenti ed ambienti Il concetto di razionalità La natura degli ambienti La struttura degli agenti

Parte II: Ragionamento AUTOMATICO Agenti logici Agenti basati sulla conoscenza Logica Calcolo proposizionale Schemi di ragionamenti nel calcolo proposizionale Concatenazione in avanti e all'indietro Logica del primo ordine Sintassi e semantica della logica del primo ordine  

Parte II: Ragionamento AUTOMATICO Usare la logica del primo ordine L' inferenza nella logica del primo ordine Inferenza proposizionale e inferenza del primo ordine Unificazione Concatenazione in avanti Concatenazione all'indietro  

Parte II: Ragionamento AUTOMATICO Programmazione Logica Logica matematica e Concettualizzazione. Programmazione logica e Prolog. Unificazione e Pattern Matching. Prolog Dervatori Simbolici in Prolog

Parte II: Ragionamento AUTOMATICO Liste in Prolog Operatori extra-logici in Prolog: not, cut, fail Sistemi esperti in Prolog Laboratorio su Ragionamento Automatico

Contest sul ragionamento automatico

Parte iIi: RAPPRESENTAZIONE DELLA Conoscenza Schemi per la rappresentazione della conoscenza La qualità della conoscenza. Ragionamento automatico: ragionamento modale e temporale Introduzione alle Ontologie Linguaggi per la rappresentazione della conoscenza OWL/RDF

Parte iIi: RAPPRESENTAZIONE DELLA Conoscenza Logiche Descrittive: Sintassi e Semantica Estrazione della Conoscenza dal Linguaggio Naturale Sistemi di NLP (Natural Language Processing). Laboratorio su Gestione della Conoscenza

Contest suLLA RAPPRESENTAZIONE DELLA CONOSCENZA

Parte IV: Risoluzione di problemi Risolvere i problemi con la ricerca  Agenti risolutori di problemi Problemi esemplificativi Cercare soluzioni Strategie di ricerca non informata Ricerca in ampiezza Ricerca a costo uniforme Ricerca in profondità Ricerca a profondità limitata Confronto tra le strategie di ricerca non informata

Parte IV: Risoluzione di problemi Evitare ripetizioni negli stati Ricerca con informazione parziale Ricerca informata Strategie di ricerca informata o euristica Ricerca Best-first greedy o "golosa" Ricerca A* Ricerca euristica con memoria limitata Algoritmi di ricerca locale e problemi di ottimizzazione

Parte IV: Risoluzione di problemi Strumenti : il Linguaggio Python

Contest suLLA RISOLUZIONE DEI PROBLEMI

Parte V: Teoria dei Giochi Introduzione alla Teoria dei Giochi Decisioni ottime nei giochi L'algoritmo minimax Potatura alfa-beta

Parte V: Teoria dei Giochi Decisioni imperfette in tempo reale Giochi che includono elementi casuali Lo stato dell'arte dei programmi di gioco Laboratorio su Teoria dei Giochi

Testi di riferimento S. Russell, P. Norvig, Intelligenza artificiale. Un approccio moderno, volume 1, Pearson-Italia, Milano-Torino, ediz. 2010 (anche 2005) capitoli 1, 2, 3, 4, 7, 8, 9, 10, 11, 12, 26, 27

Letture suggerite - N. Bostrom, Superintelligenza. Tendenze, pericoli, strategie, Bollati Boringhieri, 2018.  - R. Cingolani, G. Metta, Umani e umanoidi, Il Mulino, Bologna, 2015. - M. Di Francesco, M. Marraffa, A. Tomasetta, Corpo, coscienza, pensiero, Carocci, Roma, 2017. - K. Warwick, Intelligenza artificiale. Le basi, Flaccovio Editore, 2015. - F. Bianchini, A. Gliozzo, M. Matteuzzi (a cura di), Instrumentum vocale. Intelligenza artificiale e linguaggio, Bononia University Press, Bologna, 2007. - M. Marraffa, A Paternoster, Persone, menti, cervelli, Mondadori, Milano, 2012.

MODALITA’ DI ESAME Prova Scritta Prova Orale Elaborati su argomenti assegnati e discussi durante le lezioni di laboratorio