Corso di laurea magistrale in Informatica

Il corso assume le seguenti conoscenze:

• familiarità con le tecniche di programmazione sequenziale e concorrente in linguaggi di alto livello come Java, e capacità di comprendere e formulare algoritmi;
• conoscenza dei concetti di base dell’intelligenza artificiale come risoluzione automatica di problemi e rappresentazione della conoscenza;
• familiarità con i concetti di base della logica classica.
  Insegnamenti propedeutici (forniscono le competenze attese in ingresso): Le competenze del primo punto sono fornite dai corsi di programmazione e algoritmi della laurea triennale. Le competenze sugli altri due punti sono fornite dal corso di “Sistemi Intelligenti” della laurea triennale o, relativamente al terzo punto, da un corso di logica della laurea triennale. Gli studenti che non hanno seguito il corso di “Sistemi Intelligenti” si possono documentare consultando i capitoli iniziali di un testo di Intelligenza Artificiale (ad esempio S. Russell, P. Norvig. Intelligenza Artificiale, Un approccio moderno, terza edizione, Pearson/Prentice Hall).

L’insegnamento concorre al raggiungimento degli obiettivi formativi del Corso di Laurea Magistrale in Informatica fornendo i concetti base sugli agenti intelligenti e i sistemi multiagente. Gli agenti intelligenti sono sistemi computazionali capaci di eseguire azioni in modo autonomo e flessibile, interagendo con altri agenti attraverso cooperazione, coordinamento e negoziazione. L’insegnamento fornisce sia gli strumenti metodologici per la comprensione dei sistemi di agenti intelligenti che le architetture di riferimento per la realizzazione di sistemi multiagente anche attraverso l’introduzione di alcune note  piattaforme di sviluppo.

Conoscenza e capacità di comprensione. Al termine dell'insegnamento è previsto che si conoscano:

• le metodologie e gli strumenti per modellare sistemi software mediante un approccio ad agenti.

Capacità di applicare conoscenza e comprensione. Al termine dell'insegnamento è previsto che si sia in grado di:

• realizzare sistemi di agenti intelligenti mediante alcuni piattaforme di sviluppo;
• individuare l'utilità e l'applicabilità dei sistemi di agenti intelligenti alla progettazione di software distribuito.

Autonomia di giudizio. L'insegnamento permette di sviluppare le seguenti competenze:

• realizzare un sistema ad agenti intelligenti individuando le componenti essenziali del sistema e le loro interazioni;
• scegliere i formalismi e i linguaggi più adatti alla realizzazione delle componenti individuate.

Abilità comunicative. L'insegnamento prevede che si impari a:

• esporre, in forma orale, una relazione tecnica che spieghi e motivi le scelte progettuali adottate nella realizzazione di un sistema di agenti intelligenti.

Capacità di apprendimento. Chi supera con profitto l'insegnamento dovrà dimostrare di essere in grado di:

• comprendere vantaggi e svantaggi della progettazione di sistemi distribuiti mediante approcci basati su sistemi autonomi intelligenti.

 

• Introduzione agli agenti intelligenti.
• Modello generale di agente. Agenti intelligenti. Agenti come sistemi intenzionali. Architettura astratta di agenti: agenti reattivi e con stato.
• Agenti deduttivi.
• Practical reasoning agents. Ciclo di controllo di practical reasoning agents.
• Logiche per sistemi multiagente: logica modale (sintassi, semantica, teoria della corrispondenza). Logiche temporali. Logiche per knowledge e belief. Ragionamento su azioni (situation calculus). Model Checking.
• Modelli formali di agenti BDI: la logica di Cohen e Levesque.
• Linguaggi e architetture per agenti: PRS, Agent Oriented Programming, Concurrent METATEM, GOLOG.
• Agenti reattivi e ibridi: la Subsumption Architecture di Brooks, il Mars explorer di Steels, architetture ibride, Touring Machines.
• Multiagent Systems come sistemi distribuiti di intelligenza artificiale.
• Comunicazione fra agenti: Speech acts come azioni. Agent Communication Languages (ACL): KQML e FIPA. Protocolli di interazione. Contract Net. Semantica sociale. Commitment e protocolli a commitment.
• Interazioni fra agenti: teoria dei giochi, strategie e equilibri di Nash, il dilemma del prigioniero, giochi iterati .
• Allocazione di risorse scarse. Aste.
• Introduzione a Jade. Jade e FIPA, ciclo di vita dei behavior, directory facilitator.
• Introduzione a Jason, interprete, esempi di programmi Jason. Cenni alla piattaforma JaCaMo.
• Introduzione a SARL, esempi di programmi (se avanza tempo).

Le lezioni si svolgono con il supporto di slide.

L'esame prevede lo svolgimento di un esonero, per il quale ciascuno studente dispone di al massimo 3 tentativi, e di una prova orale. Alla prova orale si accede se si è superato l'esonero (giudizio non insufficiente). La validità dell'esonero è limitata alla sola prova orale dello stesso appello (non è possibile sostenere l'orale in un successivo appello). L'esito dell'esonero è un giudizio tra: insufficiente, sufficiente, discreto, buono, distinto e ottimo. Il voto finale è determinato dal giudizio dell'esonero e dal risultato conseguito nella prova orale e verrà comunicato al termine della prova orale e dovrà essere accettato o rifiutato nella stessa seduta.

In modo facoltativo è possibile presentare all'orale un esercizio che mostri l'utilizzo della piattaforma Jade e Jason. L'esercizio è a vostro piacere purché non triviale, ovvero realizzi un sistema di agenti che scambiandosi informazioni raggiungano un qualche obiettivo comune o individuale.