Questo insegnamento ha lo scopo di fornire un inquadramento storico-culturale dell'intelligenza artificiale, illustrarne i principali ambiti di applicazione e le problematiche relative, e presentare alcune delle tematiche di base quali tecniche di risoluzione di problemi modellati in uno spazio di ricerca, di problemi di soddisfacimento di vincoli e per giochi a due giocatori e sistemi di supporto alle decisioni. Le abilità che lo studente dovrà conseguire sono la modellazione di problemie il progetto e sviluppo di sistemi software per la soluzione di problemi tramite tecniche di intelligenza artificiale.

01. Introduzione all'Intelligenza Artificiale
  01.01 Cenni storici 
  01.02 Problemi tipici affrontati nell'ambito dell'Intelligenza Artificiale
  01.03 Principali ambiti applicativi  

02. Agenti Intelligenti
   02.01 Architetture principali 

03.  Risoluzione di problemi
  03.01 Rappresentazione nello spazio degli stati
  03.02 Strategie di ricerca (informate e non)
  03.03 Giochi e ricerca con avversari
  03.04 Esercizi e implementazione problema e soluzione in aima.code

04 Conoscenza e Ragionamento
  04.01 Agenti Logici, logica proposizionale e inferenza logica
  04.02 Logica dei predicati del primo ordine
  04.03 Sistemi a regole di produzione
  04.04 Sistemi basati sulla conoscenza. 
  
05 Conoscenza Incerta e Ragionamento in Condizioni di Incertezza
  05.01 Quantificare l'incertezza
  05.02 Ragionamento probabilistico
  05.03 Processo decisionale di Markov
  05.04 Apprendimento per rinforzo

06 Linguaggi per l'Intelligenza Artificiale. 
  06.01 Il Prolog: dalla logica alla programmazione logica
  06.02 Il linguaggio Prolog come risolutore
  06.03 Progettazione e sviluppo di programmi Java (agenti) + Prolog (reasoning)

Non vi sono propedeuticità obbligatorie. 

Il materiale didattico predisposto dalla/dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni della/del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it

Esercizi svolti per l'autovalutazione della preparazione dello studente disponibili all'interno della piattaforma Moodle per il blended learning.

Modalità didattiche

• Lezioni teoriche in aula (con eventuale uso di lucidi e programmi dimostrativi)
• Esercitazioni in laboratorio

Obblighi

Sebbene fortemente consigliata, la frequenza non è obbligatoria.

Testi di studio

• S. J. Russel, P. Norvig, a cura di Francesco Amigoni: "Intelligenza Artificiale: Un approccio moderno", Pearson Italia, Volume 1, Quarta Edizione o edizioni precedenti anche in Inglese.

Modalità di
accertamento

La prova d'esame consiste in una prova scritta, di durata due ore, organizzata come un insieme di esercizi e domande teoriche che possono vertere su tutti gli argomenti trattati nell'insegnamento. Il punteggio totale per tale prova consiste di 32 punti, con una soglia di sufficienza posta a 18/32. 

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.