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 e probelmi per giochi a due giocatorii. Verranno inoltre appresi i principi del ragionamento logico per la risoluzione di problemi basati su conoscenza. Verranno infine fornite le basi per risolvere problemi in ambienti stocastici attraverso i processi decisionali di markov, base per apprendere i prinicipi dell'apprendimento per rinforzo.  Le abilità che lo studente dovrà conseguire sono la modellazione di problemi e 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 Problemi di ottimizzazione, ricerca locale, e ricerca in ambienti non deterministici
  03.04 Giochi e ricerca con avversari
  03.05 Esercizi 

04 Conoscenza e Ragionamento
  04.01 Agenti Logici
  04.02 Logica proposizionale e inferenza logica
  04.03 Logica dei predicati del primo ordine
  04.04 Sistemi a regole di produzione
  04.05 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 ma è certamente consigliato aver seguito il corso di Machine Learning. 

Conoscenza e capacità di comprensione: lo studente avrà acquisito le conoscenze fondamentali per la comprensione dei fondamenti dell'intelligenza artificiale, a partire dal concetto di agente intelligente e sua progettazione attraverso algoritmi di ricerca e ottimizzazione, logiche per la rappresentazione della conoscenza e algoritmi di apprendimento per rinforzo.

Conoscenza e capacità di comprensione applicate: lo studente sarà in grado di comprendere le principali caratteristiche dei più comuni problemi di intelligenza artificiale, e saprà scegliere tra le tecniche apprese la più adeguata allo specifico problema.

Autonomia di giudizio: lo studente sarà in grado di determinare l'adeguatezza e l'efficacia di metodologie e algoritmi di intelligenza artificiale, con specifico riferimento a problemi di ricerca, ottimizzazione e apprendimento in condizione di incertezza e non.

Abilità comunicative: lo studente imparerà ad illustrare in maniera appropriata le principali tecniche di risoluzione di problemi, ragionamento logico e ragionamento in condizioni di incertezza.

Capacità di apprendere: ad avvenuto completamento dell'insegnamento, lo studente avrà acquisito un buon livello di autonomia nella comprensione critica di materiali di studio relativi alle principali tematiche dell'intelligenza artificiale, che gli permetterà anche di affrontare nuovi scenari di tipo progettuale, ai quali applicare le conoscenze acquisite.

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

L'insegnamento viene erogato in modalità mista, ovvero le lezioni si svolgono simultaneamente in presenza in aula e a distanza all'interno della piattaforma Moodle.

Le lezioni saranno svolte in due modalità:

• 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.

Modalità didattiche

Materiale derivante dalle lezioni frontali ed esercitazioni di laboratorio.

Obblighi

Come per frequentanti.

Testi di studio

Come per frequentanti.

Modalità di
accertamento

Come per frequentanti.

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.