CORSO DI INTELLIGENZA ARTIFICIALE PROF Flora Amato Ph

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

Che cosa Studieremo

§ Agenti intelligenti § Agenti ed ambienti § Il concetto di razionalità § La natura degli ambienti § La struttura degli agenti

§ 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

§ 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

§ Programmazione Logica § Logica matematica e Concettualizzazione. § Programmazione logica e Prolog. § Unificazione e Pattern Matching. § Prolog § Dervatori Simbolici in Prolog

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

§ 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

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

§ 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

§ 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

§ Strumenti : il Linguaggio Python

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

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

§ 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

§ - 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.

§ Prova Scritta § Prova Orale § Elaborati su argomenti assegnati e discussi durante le lezioni di laboratorio