Esci dai Frame

	Intelligenza Artificiale (a.a. 2024/25) Primo Semestre
Elenco dei File nel deposito
Sommario e Contenuti: 1.Novità 2.Programma del Corso 3.Testi di Riferimento 4.Link Utili 5.Diapositive delle lezioni 6.Progetti ed Esercizi Proposti
Novità Appelli della Sessione Estiva Anticipata (a.a. 2024-25, Gen-Feb 2025) Secondo Esonero e Prima Prova Finale, 23 Gennaio 2025, h. 10:00, Aula da definire Seconda Prova Finale, 20 Febbraio 2025, h. 10:00, Aula da definire Gli studenti sono invitati dunque a prenotarsi alle prove attraverso la piattaforma Delphi, specificando per il primo appello (23/01/25) se si intende registrarsi per il secondo esonero o per la prova finale. Risultati del Primo Esonero del 2 Dicembre 2024.. Per accedere allo scritto d'esame si prega di scrivere la richiesta al Docente, nel apposito Canale "Risultati Prove d'Esonero 1" nel Teams del Corso. Il calendario dedicato di ricevimenti verrà poi comunicato al più presto. Lezione del 13 Dicembre 2024. A causa dello sciopero del settore trasporti, e dei disagi conseguenti, la lezione del 13 Dicembre alle 11:30, si terrà esclusivamente in forma telematica, sul canale delle "Lezioni" del MS Team del Corso. Primo Esonero a.a. 2024-25. La Prima Prova d'Esonero per l'a.a. 2024-25 si terra' in Aula 5 PP2, il giorno 2 Dicembre 2024 a partire dalle ore 14:00, e non Venerdi' 29 Novembre come precedentemente annunciato. Gli studenti sono invitati dunque a prenotarsi attraverso la piattaforma Delphi. Esercitazione di introduzione al Primo Test in Itinere. . Soluzioni. La lezione di Mercoledi' 20 Novembre sara' dedicata ad una esercitazione sulla logica del Calcolo delle Proposizioni e dei Predicati come ripasso delle nozioni di base (sintassi e semantica dei due sistemi logici). Gli studenti che intendono seguire il Corso sono pregati di registrarsi ad esso, accedendo al sito Delphi. Calendario delle lezioni del Corso: LUNEDI', h. 14:00-16:00 (Aula 5 PP2 ) MERCOLEDI', h. 11:00-13:00 (Aula 5 PP2 ) VENERDI', h. 11:00-13:00 (Aula 5 PP2 ) Il Corso fa riferimento al Team di MS Teams denominato 24_25_BASILI-80300029-INTELLIGENZA_ARTIFICIALE Gli studenti dell'a.a. 2023-25 debbono fare esclusivo riferimento a tale Team in cui verranno erogate le lezioni. Le diapositive delle lezioni saranno pubblicate durante il ciclo delle lezioni su queste pagine e (saltuariamente) sull'area archiviazione (Files") del Team. Programma Finale del Corso. Nella sezione Programma del Corso è pubblicato il programma finale del Corso per l'a.a. 2023-24 ed i riferimenti al Libro di Testo (AI a Modern Approach, Russel e Norvig, 2020). Il Corso insiste sulle ricerche ed i progetti innovativi del Semantics Analytics Group (SAG), che si occupa di Generative AI, Machine Learning e Natural Language Processing nella progettazione ed addestramento di Sistemi Avanzati di Intelligenza Artificiale e architetture basate sui Large Language Models e le loro applicazioni predittive nella Ricerca di informazioni multimediali, nella analisi dei Social Network, nella Sicurezza in rete e nei processi di Enterprise Digital Transformation. Sono attive alcune sperimentazioni e progetti presso il SAG Laboratory for Semantics Analytics, da cui sono emanate annualmente alcune Borse di Studio e Premi di Laurea. Sara' possibile discutere in dettaglio le diverse Tesi e attività di stage con il coordinatore di SAG, prof. Roberto BASILI, o con il Ricercatore del Laboratorio, prof. Danilo CROCE. L'orario di ricevimento, diverso da quello dei Corsi, e' da concordare con i docenti via e-mail.
Programma Programma Finale del Corso (a.a. 2022/23) con i riferimenti al Testo AIMA del Corso. Section I: Paradigmi di Intelligenza Artificiale. Intelligenza Artificiale: introduzione: fondamenti e storia dell’IA. Fondamenti filosofici dell’IA. IA e etica. (N&R, 1) Agenti Intelligenti: definizione. Agenti Razionali e Ambiente Operativo. (N&R 2) Metodi di Soluzione dei Problemi: Ricerca, Ottimizzazione, Giochi, Soddisfazione di Vincoli. Risoluzione di Problemi attraverso la Ricerca automatica. Strategie di Ricerca non informate ed euristiche. (N&R 3, 4) Section II: Conoscenza negli Agenti Razionali. Conoscenza: Rappresentazione e Uso. Dimostrazione dei teoremi in logica proposizionale. Ingegneria della conoscenza in Logica del Primo Ordine. Inferenza in Logica del Primo Ordine. Programmazione Logica. Ragionamento e Pianificazione. Agenti Logici. Agenti basati su conoscenza. (N&R 7, 8, 9.1, 9.2, 9.5) Rappresentazione della conoscenza. Modelli di Rappresentazione della Conoscenza alternativi: reti semantiche e frame. Ingegneria delle Rappresentazioni Ontologiche. (N&R 12.1, 12.2, 12.3, 12.5) Section III: Agenti Razionali: Comunicazione e Applicazioni. Comunicazione e azione negli agenti intelligenti. Trattamento Automatico delle Lingue (Natural Language Processing, Robotica). (Jur&Mart 1; N&R 23.1, 23.2, 23.3, Pereira&Shieber Chapt. 4) Section IV: Agenti e Apprendimento: Machine Learning. Facoltativo: Incertezza, Conoscenza e Ragionamento. Ragionamento Probabilistico. (da leggere: N&R 13.1-13.3) Machine Learning. Apprendimento da esempi. Alberi di Decisione. Teoria Statistica dell’Apprendimento. Reti neurali artificiali. ((N&R 18, 18.1-18.4, 18.6-18.7, 18.11)
Testi di Riferimento Intelligenza Artificiale: paradigmi - Intelligenza artificiale 4th Ed. - Un approccio moderno, Stuart Russell, Peter Norvig. Pearson, 2022. NLP Jurafsky Martin (J&M). ”Speech and Language Processing”, D. Jurafsky and J. H .Martin, Prentice-Hall, 2009., Terza edizione. Dispense fornite dal docente.
Lezioni (Lucidi) Saranno rese disponibili in questa sezione le dispense di tutte le lezioni del Corso per l'a.a. 2024-25 Lezione 0: Introduzione al Corso IA (a.a. 2024-25). Organizzazione e Modalita' Didattiche. Lezione 1: Introduzione all'IA. Dalla Lezione del Corso di "ADVANCES IN AI, LAKE COMO SCHOOL OF ADVANCED STUDIES", SEPTEMBER 23-27, 2024. Lezione 2: Agenti razionali. Lezione 3: Problem Solving come Ricerca. Lezione 4: Algoritmi di Ricerca Informata. ESERCITAZIONE: Il Labirinto: Rappresentazione e algoritmi di Ricerca su un problema legato alla mappa di un ambiente. Esercizi tipici della prova esame presentati durante la lezione del 15 Novembre: Click HERE. Le soluzioni saranno rese disponibili al più presto: gli studenti sono invitati e proporre "autonomamente" le proprie soluzioni. Progettazione dell'agente (tipico da prova d'esame) Soluzione discussa durante la lezione del 15 Novembre: Click HERE. Lezione 5: Algoritmi Complessi di Ricerca: Local and On-Line search. Lezione 6: Agenti Logici: Conoscenza, Linguaggi Logici ed Inferenza . Suggest Readings Hector J. Levesque, Ronald J. Brachman, "A fundamental trade-off in knowledge representation and reasoning" (revised) in Reading in Knowledge Representation. Original version appeared as "A Fundamental Tradeoff in Knowledge Representation and Reasoning" (by Hector ]. Levesque), Proc. CSCSI-84, London, Ontario, 1984,141-152. Lezione 7: Agenti Logici: il ruolo del Calcolo Proposizionale: sintassi e semantica del CProp, Algoritmi di Inferenza, Risoluzione per il Cprop, applicazione al planning. Esercitazione su Logica delle Proposizioni e dei Predicati: Testo e soluzioni. Breve esempio sulla Risoluzione tra formule proposizionali (in Prolog). Lezione 8: Agenti Logici: Rappresentazione della Conoscenza nel Calcolo dei Predicati: semantica ed Inferenza. Risoluzione. Esercitazione: Logica e problemi di Ricerca Euristica. Un esempio di uso della logica per la rappresentazione di un problema di planning: salviamo la principessa. Manuali per il linguaggio Prolog: Ulteriori Letture (Facoltativo): ). Introduction to Prolog and element for Natural Language Analysis. F. Pereira, S. Shieber, CLSI notes, 1987. Access the PDF here (see in particular Chapter 1-3, 5: on "Prolog programming", Chapt. 4: NLP analysis in Prolog). . Lezione 9: Agenti Logici - Cenni alla Rappresentazione della Conoscenza: Reti semantiche e ontologie . Readings: Thomas R. Gruber. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition journal, 5(2):199-220, 1993. Further Readings: "What is an Ontology?", Nicola Guarino, S. Staab and R. Studer (eds.), Handbook on Ontologies, International Handbooks on Information Systems, DOI 10.1007/978-3-540-92673-3, Springer-Verlag Berlin Heidelberg 2009. Links : Wordnet Home Page Links : Framenet on-line Lezione 10: Elaborazione del Linguaggio Naturale: Introduzione alle nozioni linguistiche di base ed al processo di analisi dei dati linguistici. AIMA TextBook: Capitolo 23: NATURAL LANGUAGE FOR COMMUNICATION. Capitoli 23.1 e 23.3. Facoltativo 23.2. Materiali Didattici Analisi (Sintattica e Semantica) dell'Italiano in Logica. QUI la versione completa della dispensa, con i dettagli della analisi semantica. Esercitazione: Analisi Grammaticale dell'Italiano in Prolog. Esercitazione NLP in Python: esempio di uso di Spacy Readings D. Jurafsky and J.H. Martin (200). Speech And Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Prentice Hall. (PDF Here) Chapter 1, 2. Lezione 11: Apprendimento Automatico: Metodologie di Apprendimento da Esempi. Model Selection. Cenni agli alberi di decisione ed ai classificatori Discriminativi. Introduzione Weka: Uso di Weka per la classificazione automatica. Decision Trees in Python: Uso di Python per la classificazione automatica mediante Decision Trees. Esercizio: L'addestramento di un logical Mouse. Apprendimento automantico delle azioni di un agente: dalle regole logiche all'apprendimento di alberi di decisione. (Scarica QUI il codice e gli esempi)
Link Utili Introduction to Artificial Intelligence (AIMA)Stuart Russel, Peter Norvig. Ethics guidelines for trustworthy AI European Commission: High-Level Expert Group on AI (2019). Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan and Hinrich Schutze, Cambridge University Press. IBM Bluemix for Watson
LABORATORI: Progetti ed Esercizi Guida al Test: Progettazione Agenti Esercitazione di introduzione al Primo Test in Itinere. . Soluzioni. Piattaforme software utilizzate nel Corso PROGRAMMAZIONE LOGICA: SWI Prolog MACHINE LEARNING: Weka