Corso di laurea magistrale in Informatica

Per essere proficuamente seguito, l'insegnamento richiede conoscenze di base di Intelligenza Artificiale in particolare per quanto riguarda la nozione di agente intelligente, le problematiche di risoluzione automatica di problemi e i concetti basilari di rappresentazione della conoscenza. Per quanto riguarda le competenze di sviluppo/implementazione è richiesta la conoscenza di tecniche di programmazione e le nozioni di base di ingegneria del software.
Insegnamenti propedeutici (forniscono le competenze attese in ingresso): L'insegnamento di "Sistemi Intelligenti" della laurea triennale (o il corso da esso mutuato di “Istituzioni di sistemi intelligenti” per la laurea magistrale) fornisce le conoscenze attese in ingresso. Gli studenti che non abbiano esperienza nel settore troveranno utile documentarsi con attenzione sul testo S. Russell, P. Norvig. Intelligenza Artificiale, Un approccio moderno, terza edizione, Pearson/Prentice Hall concentrando l’attenzione sui capitoli 2, 3, 6, 7, 8 e 9.

L'insegnamento ha l’obiettivo di approfondire le conoscenze di Intelligenza Artificiale con particolare riguardo alle capacità di un agente intelligente di fare inferenze sulla base di una rappresentazione esplicita della conoscenza sul dominio. Alle competenze metodologiche si affiancano competenze progettuali perché il corso prevede la sperimentazione di metodi di ragionamento basati sul paradigma della programmazione logica, lo sviluppo di un agente intelligente in grado di esibire sia comportamenti reattivi che deliberativi (utilizzando ambienti basati su regole di produzione) e la sperimentazione di strumenti per architetture cognitive. L'insegnamento concorre agli obiettivi formativi dell'ambito "sistemi per il trattamento dell'informazione" del Corso di Laurea Magistrale in Informatica.

Al termine del corso lo studente deve aver acquisito sia competenze metodologiche relative a meccanismi di ragionamento (anche in presenza di incertezza), che confidenza con i formalismi per la rappresentazione della conoscenza, con le strategie per la pianificazione e la diagnosi automatica e con le architetture cognitive. Mentre queste conoscenze possono essere ascritte alle problematiche di Know What, il corso attraverso la parte di laboratorio sviluppa anche le competenze di Know How, in particolare: la capacità di progettare e implementare un agente intelligente con capacità sia deliberative che di monitoraggio del proprio piano di azione; lo sviluppo di metodi intelligenti utilizzando strumenti basati sulla programmazione logica e sul paradigma dell’Answer Set Programming; l’utilizzo di strumenti per la rappresentazione di conoscenza probabilistica e per l’inferenza su tali modelli, con riferimento a compiti di ragionamento quali la diagnosi automatica; l'utilizzo di architetture cognitive per apprendimento e risoluzione dei problemi. Nell’ambito del corso e dell’esame verrà incoraggiata e valutata la capacità di integrare le conoscenze metodologiche con quelle progettuali al fine di fare scelte motivate su quali strategie/metodologie/strumenti adottare, valutando i benefici e le criticità di tali scelte. La richiesta di fare, in sede d’esame, una breve presentazione sulla parte progettuale svolta presuppone che lo studente abbia maturato la capacità di comunicare le principali scelte effettuate, argomentando in modo chiaro le motivazioni di tali scelte. Lo studio di problematiche complesse (di cui non sempre è disponibile un trade–off) fornisce le basi per una esperienza di apprendimento in gran parte autonomo, che sarà utile nelle fasi successive della carriera di ricerca o professionale. 

Come è evidente dal nome stesso del corso, il corso di Intelligenza Artificiale contiene sia una parte metodologica che una parte progettuale/sperimentale di laboratorio. • Formalismi logici per la rappresentazione della conoscenza e ragionamento. Dal punto di vista metodologico saranno affrontate problematiche relative a: meccanismi di ragionamento per calcolo dei predicati del primo ordine, programmazione logica, ragionamento non monotono, answer set programming. Queste metodologie verranno affrontate dal punto di vista sperimentale con l’introduzione dei principali costrutti del Prolog, lo sviluppo di strategie di ricerca in Prolog e l’utilizzo dell’ambiente CLINGO nella risoluzione di problemi in cui sia necessaria l’applicazione di meccanismi di ragionamento non monotono e del paradigma dell’Answer Set Programming. • Pianificazione automatica: rappresentazione delle azioni e degli obiettivi, metodi per la generazione automatica di piani. • Ragionamento in presenza di incertezza: ragionamento probabilistico, reti bayesiane e metodi di ragionamento su reti bayesiane, modelli probabilistici temporali. • Sviluppo di un agente intelligente in grado di esibire sia comportamenti deliberativi che reattivi in un ambiente parzialmente osservabile. Per lo sviluppo dell’agente viene introdotto l’ambiente CLIPS che fornisce un ambiente collaudato ed efficiente per sistemi a regole di produzione e viene mostrato come sia possibile sviluppare alcune funzionalità di base di risoluzione di problemi utilizzando il motore inferenziale di CLIPS. • Sviluppo di un agente basato su una architettura cognitiva (SOAR) in grado di apprendere per rinforzo le action policy di un problema. Per lo sviluppo dell'agente saranno introdotti i principali temi di modellazione cognitiva e l'architettura SOAR, che fornisce il framework all'interno del quale sviluppare l'agente.

L'insegnamento prevede lezioni svolte in laboratorio con l'ausilio di lavagna e gesso (o di alternative come tablet e tavoletta grafica) e di un calcolatore usato dal docente per la proiezione di lucidi/slides sulla parte metodologica e lo sviluppo passo a passo dei programmi per la parte sperimentale.

L'esame consiste in una interrogazione individuale sugli argomenti trattati nella parte metodologica del corso e dalla presentazione e discussione dei progetti (sviluppati anche in gruppo di massimo 3 persone) proposti durante lo svolgimento del corso. L'esame prevede anche la dimostrazione on-line dei sistemi sviluppati. Prima dell’esame orale è necessario inviare ai docenti, almeno 5 giorni prima della data dell'appello, il codice sviluppato per i progetti e alcune slides contenenti una descrizione dei sistemi/esercizi sviluppati nonché una analisi critica dei risultati sperimentali ottenuti. Il giudizio finale è determinato, in ugual misura, da completezza e chiarezza espositiva dimostrate durante l'interrogazione e dalla qualità dei progetti presentati e difesi. Previo accordo con i docenti, sarà possibile discutere in giorni diversi, ma comunque nei giorni precedenti la data dell'appello ufficiale, i progetti di laboratorio. Nel caso i progetti siano sviluppati in gruppo, tutti i membri del gruppo devono sostenere l'esame orale nel medesimo appello, contestualmente ad una presentazione di gruppo dei progetti stessi. Nel caso uno o più membri del gruppo decidano di sostenere l'esame in un appello successivo a quello in cui hanno sostenuto la prova i compagni di gruppo, sarà richiesta un'integrazione ai progetti di laboratorio già svolti. La prova d'esame si svolgerà secondo le seguenti regole: - per sostenere la discussione è necessario che tutti i componenti del gruppo si iscrivano su myunito e che tutte le parti del progetto di laboratorio, siano complete; - la discussione si articola in 4 prove: 1. discussione del progetto programmazione logica-ASP, da sostenere con il Prof. Pozzato 2. discussione del progetto CLIPS, da sostenere con il Prof. Micalizio 3. discussione del progetto su sistemi cognitivi, da sostenere con il Prof. Lieto 4. esame orale sulla parte metodologica, da sostenere con tutti e tre i docenti. In occasione di ogni appello i tre docenti metteranno a disposizione sulla pagina moodle dell’insegnamento una risorsa per la prenotazione di slot, che un rappresentante per gruppo selezionerà per la discussione. Ogni gruppo dovrà prenotare uno slot per ciascuna delle quattro prove, senza vincoli sull’ordine di discussione dei progetti di laboratorio, mentre l’esame sulla parte metodologica sarà l’ultimo, e sarà sostenibile solo dopo aver discusso i tre progetti di laboratorio (prova 4 solo dopo aver completato le prove 1, 2, 3). Non è possibile sostenere discussioni in appelli differenti: la prova d’esame è da considerarsi unica, quindi tutti i membri del gruppo devono sostenere le 4 discussioni selezionando obbligatoriamente uno slot tra quelli proposti per l’appello selezionato per ciascuna delle 4 discussioni. Il mancato superamento di una delle prove implica la necessità di sostenere interamente l’esame in un altro appello. Pertanto, è opportuno iscriversi all’esame solo quando: - tutti i progetti di laboratorio sono completi - la preparazione della parte metodologica è adeguata.