Inizio della pagina -
Logo DISCO
|
Visita la Versione ad elevata leggibilità
|
Vai al Contenuto della pagina
|
Vai alla Fine dei contenuti
|
Vai al Menu Principale
|
Vai alla Barra di navigazione (sei in)
|
Vai al Menu di navigazione (albero)
|
Vai alla Lista dei comandi
|
Vai alla Lista degli approfondimenti
|
Vai al Menu inferiore
|
Logo Ateneo
   
Didattica
Intelligenza artificiale

Codice ins.

Insegnamento

CFU ins.

Tipo ins.

Anno

Sem.

SSD ins.

Responsabile insegnamento

F1801Q106

Intelligenza Artificiale

6

OBS

2

1

INF/01

BANDINI Stefania

 

Artificial Intelligence

 

 

 

 

 

 

Contenuti:

Il corso tratterà due aspetti principali dell’Intelligenza Artificiale moderna: elaborazione simbolica della conoscenza e intelligenza collettiva. Per ambedue gli ambiti saranno selezionati dall’area dell’Intelligenza Artificiale concettualizzazioni, metodi e modelli computazionali  di particolare impatto innovativo, puntando alla trasmissione di scenari tecnologici presenti e futuri adatti al disegno di soluzioni  per problemi complessi e caratterizzanti delle nuove generazioni di sistemi informatici avanzati. Nello specifico, le due parti del corso riguarderanno: intelligenza come capacità di integrare informazioni e di inferire nuove conoscenze mediante l’integrazione di informazioni e motori semantici; intelligenza collettiva e modelli computazionali reattivi e distribuiti. Il corso prevede la discussione di progetti, applicazioni reali, e casi di studio paradigmatici, oltre favorire una visione multidisciplinare delle problematiche affrontate.

Obiettivi formativi:
L’obiettivo del corso è quello di mettere in grado lo studente di padroneggiare conoscenze e strumenti di base necessari per affrontare la comprensione, l’utilizzo e la creazione di sistemi di Intelligenza Artificiale, insieme alle capacità di analizzare classi di problemi particolarmente adatti ad essere trattati con metodi e tecniche caratterizzanti della disciplina. La natura insieme applicativa ed esplorativa dell’Intelligenza Artificiale inviterà lo studente di affrontare problematiche di discriminazione tra fruibilità di soluzioni attuali e direzioni innovative promettenti della ricerca in questo settore. Verranno forniti strumenti concettuali, computazionali e metodologici di base per comprendere e sviluppare soluzioni innovative a problemi di automazione mediante tecniche avanzate di Intelligenza Artificiale. Il corso si rivolge studenti che ambiscano a inserirsi in ambienti lavorativi e di ricerca in cui prevalgano scelte innovative per la soluzione di problemi complessi e ambiti a forte valenza multidisciplinare.

Programma esteso:
Intelligenza come capacità di integrare informazioni e di inferire nuove conoscenze mediante l’integrazione di informazioni e motori semantici:

  • Semantica e modelli di rappresentazione delle informazioni sul Web (motori semantici e meccanismi di interrogazione basi di dati e motori di ricerca, folksonomie, ontologie e metadati)
  • Semantic Web: esplicitazione della la semantica delle informazioni e principi base del Semantic Web (Linked Open Data e RDF; interrogazione di sorgenti di conoscenza con SPARQL).
  • Motori semantici con ragionamento automatico (inferenza e meccanismi di dimostrazione; rappresentazione di ontologie sul Web con RDFS e OWL; tipi di relazioni particolarmente significative).
  • Architetture per l'integrazione di informazioni ("One size does not fit all": composizione di motori semantici per domini complessi; rassegna di tecnologie innovative per l'estrazione; ruolo del machine learning nelle tecnologie semantiche).
  • Modelli e tecniche di matching semantico per integrare informazioni eterogenee (link discovery nel semantic Web; ontology matching su schemi e istanze).

Intelligenza collettiva e modelli computazionali reattivi e distribuiti:

  • Paradigmi dell'Intelligeza Artificiale: intelligenza, cognizione e modelli computazioni per il ragionamento automatico
  • Agenti intelligenti: definizione, classificazione, comportamento, modelli di agenti con riflessi semplici, con memoria, basati su obiettivi, basati sull'utilità, interagenti.
  • Architetture ad agenti e reasoning collettivo (modelli reattivi vs. modelli cognitivi).
  • Intelligenza Artificiale e Sistemi complessi (rappresentazione e simulazione).
  • Intelligenza come proprietà emergente di comportamenti collettivi complessi.
  • Decision making emergente e collettivo.
  • Auto-organizzazione e interpretazione di pattern emergenti.
  • Sistemi per la rappresentazione e la modellazione di sistemi collettivi intelligenti e auto organizzanti (boyds e crowds).
  • Ontologie di sistemi intelligenti e collettivi per profiling (reti sociali, crowdsourcing). 

Prerequisiti:
Conoscenze logico-matematiche di base.

Testi di riferimento:
S.J. Russell, P. Norvig, “Intelligenza Artificiale: un approccio moderno“, 2a edizione, Pearson - Prentice Hall, 2005 (volume 1)
Verrà inoltre fornito materiale didattico integrativo proveniente dalla recente letteratura dalla produzione scientifica di settore e testi consigliati per approfondimenti individuali inerenti interessi specifici a compendio di percorsi curriculari dello studente.

Contents:
The course will introduce to two main topics of modern Artificial Intelligence (AI): symbolic knowledge computation and collective intelligence. For both the topics the main focus will be on innovative conceptualizations, methods and computational models of AI, in order to illustrate present and future technological scenarios useful in the design of solutions of complex problems and of new generations of advanced computer-based systems. During the classes the presentation and critical discussion of advanced AI based real projects and paradigmatic case studies will be provided, in order to introduce also the multidisciplinary scenario of the faced problems.

Educational goals:
The main aim of the course is to give the student the ability to manage knowledge and basic techniques to face the comprehension, use and creation of Artificial Intelligence based systems joint to abilities to analyze classes of problems to be managed with methods and techniques characterizing this discipline.
The application-oriented and experimental nature of Artificial Intelligence invites the student to face both the usability of modern solutions and innovative directions of the research in the field. The course will provide basic conceptual, methodological and computational instruments of Artificial Intelligence. The course is addressed to students looking for research and working environments dealing with challenging and multidisciplinary problems.

Detailed program:

Symbolic knowledge computation:

  • Introduction to Artificial Intelligence as ability to integrate information sources and infer new knowledge through data and semantic engines.
  • Semantics and information representation models on the Web (semantics-based engines and query mechanisms for databases and research engines, folksonomies, ontologies and metadata).
  • Semantic Web: explication of the notion of information semantics and basic principles of the Semantic Web (Linked Open Data and RDF; query on knowledge source with SPARQL).
  • Semantic Engines and automatic reasoning (inference mechanisms, representation of ontologies on the Web with RDFS e OWL; meaningful relations).
  • Architectures for the integration of information ("One size does not fit all": composition of semantic engines for complex domains; overview on innovative technologies for information and knowledge extraction; roles of machine learning for semantic technologies).
  • Models and techniques of semantic matching for the integration of heterogeneous information sources (link discovery in the semantic Web; ontology matching on schemes and instances).

 Collective Intelligence and distributed computational models:

  • Paradigms in AI: intelligence, cognition and computational models for automated reasoning.
  • Intelligent Agents: definition, classification, behavior, models of agents with simple reactions, with memory, goal-based, utility based, interacting.
  • Agent-based architectures and collective reasoning (reactive vs. cognitive models).
  • Artificial Intelligence and Complex Systems (representation and simulation).
  • Intelligence as emergent property if collective complex behaviors.
  • Emerging collective decision making activities.
  • Self-organization and interpretation of emergent pattern.
  • Systems for the representation and modeling of intelligent and self-organizing collective systems (swarms and crowds).
  • Ontologies of intelligent collective systems and profiling activities (social networks and crowdsourcing).

Prerequisites:
Basic knowledge of logics and mathematics.

 Reference textbooks:
S.J. Russell, P. Norvig, “Intelligenza Artificiale: un approccio moderno“, 2nd ed., Pearson - Prentice Hall, 2005 (volume 1).
The students will be provided of integrative papers and books coming from the recent research literature. Moreover, specific literature will be provided in order to allow individual interests and curricula.

Approfondimenti

Google Translate
Translate to English Translate to French Translate to German Translate to Spanish Translate to Chinese Translate to Portuguese Translate to Arabic
Translate to Albanian Translate to Bulgarian Translate to Croatian Translate to Czech Translate to Danish Translate to Dutch Translate to Finnish Translate to Greek Translate to Hindi
Translate to Hungarian Translate to Irish Translate to Japanese Translate to Korean Translate to Norwegian Translate to Polish Translate to Romanian Translate to Russian Translate to Serbian
Translate to Slovenian Translate to Swedish Translate to Thai Translate to Turkish

(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - ultimo aggiornamento di questa pagina 27/09/2012