Programma

L’obiettivo è quello di presentare i modelli, i metodi e le tecniche fondamentali
di varie aree dell'Intelligenza Artificiale, con particolare riferimento ai metodi di ricerca
automatica nello spazio degli stati, alla rappresentazione della conoscenza e
ragionamento automatico, all'apprendimento automatico, all'elaborazione del linguaggio
naturale, alla visione artificiale. Le lezioni e le esercitazioni pratiche svolte durante il corso
consentiranno allo studente di acquisire capacità di analisi e di problem solving su vari
domini d’interesse per la disciplina. I principali argomenti trattati nel corso sono:
1. Introduzione: Gli Agenti Intelligenti. L'IA come "Representation and Search";
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati: Ricerca non informata
(in ampiezza, guidata dal costo, in profondità, Iterative deepening search). Ricerca
euristica (Best First, A*, IDA*, Heuristic Functions). Algoritmi approssimati (Hill Climbing,
Simulated Annealing, etc.). Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico: Frames, Reti
Semantiche, Sistemi di Produzione. Case-Based Reasoning. Knowledge Based Systems.
4. Machine Learning: Symbol-Based (Inductive Learning, Decision trees). Connessionista
(reti neurali artificiali).
5. Comunicazione, Percezione e Azione: Elaborazione del linguaggio naturale e
Information Retrieval. Visione Artificiale.

Testi Adottati

Dispense a cura del docente
Bibliografia di riferimento:
• S.J.Russel, P.Norvig "Intelligenza Artificiale: Un approccio moderno" 2/Ed (2005).
volume 1 e volume 2. Pearson Education Italia (è disponibile la terza edizione 2010
del primo volume)