Ateneo - UPO

Il corso di INTELLIGENZA ARTIFICIALE E SUPPORTO ALLE DECISIONI si compone logicamente di due moduli: Intelligenza Artificiale (6 CFU) e Sistemi Intelligenti di Supporto alle Decisioni (3 CFU).

INTELLIGENZA ARTIFICIALE:
Algoritmi di ricerca nello spazio degli stati; Sistemi di ragionamento
basato su casi; Rapresentazione di conoscenza incerta: probabilita' e Reti
Bayesiane,
SISTEMI INTELLIGENTI DI SUPPORTO ALLE DECISIONI:
Teoria delle decisioni; Utilita’ multi-attributo; Diagrammi di
influenza; Decisioni one-shot e sequenziali.

S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach (4a
edizione), Prentice-Hall. Traduzione italiana pubblicata da Pearson
Education.

Conoscenza e capacità di comprensione
Il corso mira ad introdurre le nozioni fondamentali e gli scopi di un agente intelligente secondo la visione corrente dell’IA
Capacità di applicare conoscenza e comprensione La conoscenza acquisita permetterà allo studente di:
comprendere le metodiche algoritmiche necessarie per permettere ad un agente di ricercare soluzioni in uno spazio degli stati.
Comprendere l’architettura e i meccanismi di risoluzione di problemi in sistemi basati su precedenti (case-based reasoning).
comprendere il ruolo del ragionamento incerto in un sistema knowledge-based.
comprendere ed applicare le tecniche di modellizzazione ed analisi tramite formalismi a reti probabilistiche;
comprendere ed applicare le nozioni fondamentali di teoria delle decisioni in presenza di incertezza e di utilità multi-attributo
estendere le conoscenze sulle reti probabilistiche alle reti decisionali per modellare ed analizzare decisioni sia di tipo one-shot che di tipo sequenziale
usare ed applicare appositi tools per l’analisi di problemi decisionali.
Autonomia di giudizio: il corso consentirà allo studente di sviluppare un’autonomia di giudizio e porrà lo studente nelle condizioni di valutare le scelte di rappresentazione ed inferenza adeguate per il corretto sviluppo di un sistema di IA in generale e di supporto alle decisioni in particolare.
Abilità communicative: sulla base delle conoscenze acquisite, lo studente potrà sviluppare abilità comunicative e relazionali per poter lavorare in team alla progettazione di sistemi di IA e per poter evidenziare limiti e vantaggi dei vari approcci possibili.
Capacita' di apprendimento: lo studio della disciplina consentirà allo studente di capire quali alternative esistono nella progettazione e programmazione di un sistema intelligente a supporto delle decisioni e di poter scegliere l’approccio più adeguato al compito prefissato.

Algoritmi e strutture dati; Calcolo delle Probabilita’
(consigliati)

Lezioni frontali in aula, esercitazioni tramite piattaforma Moodle, uso di strumenti software.

Disponibili registrazioni lezioni in aula e video lezioni

Esame scritto integrato da eventuale esame orale. Possibilità di presentazione di un progetto pratico.

INTELLIGENZA ARTIFICIALE:
Introduzione e cenni storici sull'AI. Ricerca nello spazio degli stati: ricerca
path-based cieca ed euristica. L'algoritmo A*. Algoritmi di miglioramento
iterativo: hill-climbing e simulated annealing; Cenni su problemi CSP.
Algoritmi per giochi a 2 concorrenti: minimax e alfa/beta pruning.
Rappresentazione della conoscenza: cenni su formalismi logici e a regole.
Sistemi di Case-Based Reasoning; Conoscenza
Incerta: richiami di calcolo delle probabilità. Bayesian Belief Networks
(proprietà ed algoritmi) e uso di tool per il loro sviluppo (Genie, Hugin,
ecc...).
SISTEMI INTELLIGENTI DI SUPPORTO ALLE DECISIONI:
Teoria delle decisioni. Utilita’ multi-attributo. Diagrammi di
influenza Decisioni one-shot e sequenziali.

CONOSCENZE: Conoscere le caratteristiche principali e l’architettura di un agente intelligente e basato su conoscenza.
Conoscere i principali algoritmi di ricerca nello spazio degli stati usati nell' IA
Saper rappresentare conoscenza in sistemi intelligenti anche in presenza di incertezza,
Conoscere gli algoritmi di inferenza tipici dei sistemi intelligenti moderni.

Saper modellare ed analizzare processi decisionali one-shot e sequenziali tramite modelli grafico-probabilistici
COMPETENZE E ABILITA’: essere in grado di:
comprendere il ruolo dei diversi moduli di un architettura di agente intelligente;
progettare agenti o moduli di agenti in grado di risolvere problemi in spazi degli stati, di risolvere problemi sulla base di esperienze precedenti, di risolvere problemi in presenza di incertezza, di suggerire decisioni (anche di tipo sequenziale ) adeguate in presenza di incertezza.
saper stabilire le connessioni tra argomenti trattati in parti diverse del corso, sapersi interfacciare e comunicare adeguatamente con eventuali esperti dell’applicazione di dominio; conoscere la terminologia adeguata.