Lautonomia McCarthy & Hayes, 1969: –per agire intelligentemente nel mondo, un agente deve mantenere una rappresentazione interna del mondo con cui filtrare.

Slides:



Advertisements
Presentazioni simili
…da von Neumann al computer quantistico
Advertisements

…da von Neumann al computer quantistico architettura dellelaboratore.
Intelligenza artificiale
Traccia di lavoro di lavoro per EMMA 2010:
Due esempi di valutazione per competenze nella matematica.
Deduzione naturale + Logica & Calcolabilità
IMPLICAZIONI DELLA TEORIA DI VYGOTSKY NELL’EDUCAZIONE
1 Una relazione di autorità è caratterizzata dalla sospensione o cessione di alcuni propri diritti di decisione da parte di un attore e laccettazione delle.
Gestione dei dati e della conoscenza (agenti intelligenti) M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 7 Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza (agenti intelligenti) Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 8
Sistemi basati su conoscenza Ricerca di soluzioni a problemi Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Conoscenza e ragionamento Prof. M.T. PAZIENZA a.a
Obbligo d’istruzione L’Asse matematico Donatella MARTINI
IL LABORATORIO Prof. Carmelo Piu.
Avviamento ai giochi sportivi
FILOSOFIA DELLA MENTE Giacomo Romano a. a. 2007/2008: II° Quarto, Modulo 2 Kinds of Minds I 14/01/08.
L’indagine OCSE-PISA: il framework e i risultati per la matematica
Modelli simulativi per le Scienze Cognitive
Strategia e pianificazione
Ingegneria della conoscenza e sistemi esperti Dario Bianchi, 1999 Risoluzione di problemi e ricerca.
Teoria dei giochi Università degli Studi di Parma Parma,
Intelligenza Artificiale - AA 2001/2002 Logica formale (Parte 2) - 1 Intelligenza Artificiale Breve introduzione alla logica classica (Parte 2) Marco Piastra.
Logica formale e logica discorsiva 2° Lezione
Intelligenza artificiale, Orario: merc., giov. e venerdì 15:30-17:30 Luogo: aula 5 del DSI Docente titolare: Mario Ornaghi, riserve: Alessandro.
Sul concetto di ‘concetto’
Perché gli scacchi a scuola?
Logica Matematica Seconda lezione.
Jean Piaget.
L’etica di Aristotele Lavoro realizzato da Maria Luisa Mazzieri per “Progetto Docente”
Matematica e Multimedialità
INFORMATICA MATTEO CRISTANI.
L’inventore del calcolatore odierno
Problemi facili, problemi difficili
1 AUTOMATIZZAIAUTOMATIZZAIAUTOMATIZZAIAUTOMATIZZAI S.I. SISTEMASISTEMA INFORMATIVO INFORMATIVO PROCESSOPROCESSO DECISIONALE DECISIONALE DECISIONEDECISIONE.
S.I. AUTOMATIZZAI SISTEMA INFORMATIVO PROCESSO DECISIONALE DECISIONE.
DIDATTICA DELLA MATEMATICA TFA A059
Pensiero, Ragionamento & Intelligenza
IO E LA MATEMATICA PROCEDURALE
Sistemi basati su conoscenza Gestione della conoscenza Prof. M.T. PAZIENZA a.a
PERCEZIONE Processo psicologico di creazione di un’immagine interna del mondo esterno.
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Tecnica SCAP.
Finalità generale della scuola: sviluppo armonico e integrale della persona all’interno dei principi della Costituzione italiana e della tradizione culturale.
L'apprendistato al senso dei simboli in algebra
Logica A.A Francesco orilia
Robotica Lezione 4. 2 Attributi dell’Intelligenza Pensiero Capacita’ a risolvere problemi Apprendimento e Memoria Linguaggio Intuizione e Creativita’
Grottaferrata 24 marzo 2015 Esami di Stato a conclusione del primo quinquennio di applicazione delle Indicazioni Nazionali Gestire il cambiamento.
Associare le idee Aristotele: SOMIGLIANZA - CONTRASTO - CONTIGUITA’ INTELLIGENZA ARTIFICIALE.
UN’INTRODUZIONE AI SISTEMI AD AGENTE E MULTIAGENTE Sistemi per il governo dei Robot,
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Costruire un curricolo
IL PROBLEMA DEI “PROBLEMI” Una traccia di curriculum
Sistemi basati su conoscenza (agenti intelligenti) Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
AOT Lab Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
INTELLIGENZA ARTIFICIALE
I giochi con avversario Maria Simi a.a. 2008/2009.
Giochiamo a tris. Un campo di esperienza per il problem-solving: i giochi di interazione strategica.
Intelligenza Artificiale – M. Ornaghi 1 Lezione 17 Rappresentazione della conoscenza.
…da von Neumann al computer quantistico L’archittettura dell’elaboratore.
UNIVERSITA’ DEGLI STUDI DI MACERATA FACOLTA’ DI SCIENZE DELLA COMUNICAZIONE PSICOLOGIA DELLA FORMAZIONE L’OBIETTIVO secondo Quaglino, Cortese, Casagrande,
Code.org In Italia “L’Ora del Codice” fa parte del progetto “Programma il Futuro”. E’ un’iniziativa partita dagli Stati Uniti nel 2013 per far sì che ogni.
European Commission 2006 Competenza come prodotto dell’istruzione (ciò che si sa, sa fare, si è motivati a fare dopo un percorso di formazione): descrivibile.
Intelligenza Artificiale: applicazioni Prof. Paola Velardi.
INSIEMI E LOGICA PARTE QUARTA.
Transcript della presentazione:

Lautonomia McCarthy & Hayes, 1969: –per agire intelligentemente nel mondo, un agente deve mantenere una rappresentazione interna del mondo con cui filtrare linput lagente è intelligente perché comprende linput (attraverso la rappresentazione interna) –se input e rappresentazione sono entrambi dati come formule logiche, la comprensione si riduce a manipolazione simbolica (deduzione automatica) –la rappresentazione è contingente/soggetta a revisione

La prassi Progettare, implementare ed utilizzare un programma per calcolatore (eventualmente dotato di hardware speciale) che risolve un task: normalmente associato allintelligenza. che si presta ad una modellazione matematica Un agente intelligente ma rigido (idiot savant)

Esempio: gioco degli scacchi Si definisce una funzione, detta obbiettivo, f, che misura il grado di desiderabilità di una certa configurazione Ad ogni turno di mossa, si calcola il valore di f per ogni possibile configurazione-risultato di mossa. Poi si sceglie argmax {config. raggiungibili} f Questa strategia, detta greedy, è rovinosa. La definizione di f deve rendere conto dei possibili sviluppi

gioco degli scacchi II Idea: valutare f come il minimo delle valutazioni delle configurazioni raggiungibili da quella considerata Richiede una valutazione ricorsiva (ricerca su albero di decisione) Lalbero è potenzialmente infinito (e sicuramente grande: k l Che mossa farà lavversario? Richiede un modello della razionalità dellavversario aspetto euristico aspetto epistemologico

Meccanismo intellettuale Idea: attraverso osservazione, sperimentazione ed introspezione, isolare principi del ragionamento che possono venire riutilizzati Richiede la rappresentazione esplicita del principio (linguaggio logico) Richiede un dimostratore automatico Sono note relativamente poche leggi del pensiero (Boole) di valore davvero generale Modus ponens Abduzione

Il test di Turing Intelligenza come adeguatezza relazionale Contro-argomento della chinese room Aspetto più difficile: la creatività Esempio della scacchiera mutilata