ARTIFICIAL INTELLIGENCE I

Obiettivi formativi

Obiettivi generali: Conoscere i principi di base dell'intelligenza artificiale, in particolare la modellazione di sistema intelligente tramite la nozione di agente intelligente. Conoscere le tecniche di base dell'Intelligenza Artificiale con particolare riferimento alla manipolazione di simboli e, più in generale, a modelli discreti. Obiettivi specifici: Conoscenza e comprensione: Metodi di ricerca automatica nello spazio degli stati: metodi generali, metodi basati su euristiche, ricerca locale. Rappresentazioni fattorizzate: problemi di soddisfacimento di vincoli, modelli di pianificazione. Rappresentazione della conoscenza attraverso sistemi formali: logica proposizionale, logica del primo ordine, cenni alle logiche descrittive ad alle forme di ragionamento non monotono. Uso della logica come linguaggio di programmazione: PROLOG. Applicare conoscenza e comprensione: Modellazione di problemi con i diversi metodi di rappresentazione acquisiti. Analisi del comportamento degli algoritmi di ragionamento di base. Capacità critiche e di giudizio: Essere in grado di valutare la qualità di un modello di rappresentazione di un problema e dei risultati ottenuti applicando su di esso tecniche di ragionamento automatico. Capacità comunicative: Le capacità di comunicazione orale dello studente vengono stimolate attraverso l'interazione durante le lezioni tradizionali mentre le capacità espositive nello scritto vengono sviluppate attraverso la discussione di esercizi e delle domande a risposta aperta previste nelle prove di esame. Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, attraverso gli esercizi relativi all'applicazione dei modelli appresi, il corso contribuisce a sviluppare le capacità di risoluzione di problemi dello studente.

Canale 1
FABIO PATRIZI Scheda docente

Programmi - Frequenza - Esami

Programma
Artificial Intelligence (6CFU) Introduction to Artificial Intelligence Propositional Logic Propositional formulas and knowledge-bases Evaluation (Model Checking), Satisfiability, Validity, Logical Implication Tableaux DPLL, SAT solvers First-Order Logic Evaluation in First-Order Logic Reasoning in First-Order Logic Tableaux Incomplete information and Conjunctive Queries Reasoning about Actions Modeling dynamics of the domain of interest Deliberating and executing actions Action Preconditions, Effects, the Frame Problem, Situation Calculus: Precondition Axioms, Successor State Axioms Situation tree Regression Executability of sequences of actions and Projection (querying a situation resulting from action sequences execution) Planning in Deterministic Domains Deterministic Planning Domains STRIPS, ADL, Planning Domain Description Language (PDDL) Transition Systems Planning by backward fixpoint computations Planning by forward search, Heuristics, Best-first, A* Planning in Nondeterministic Domains (FOND) Nondeterministic Planning Domains PDDL with oneof operator Game Theoretic View Nondeterministic Planning by backward fixpoint computations Nondeterministic Planning by Adversarial Search, Search in AND-OR Graphs
Prerequisiti
Conoscenza di analisi moderazione e progettazione object-oriented, databases, and nozioni di base di probabilità, come studiate nei corsi precedenti.
Testi di riferimento
Artificial Intelligence: A Modern Approach, Global Edition, 4th Edition by Stuart Russell, Peter Norvig, Pearson 2020 (selected chapters).
Frequenza
La frequenza non è obbligatoria ma fortemente consigliata.
Modalità di esame
L'esame consiste in una prova scritta contenente 3/4 domande riguardanti: - modellazione di un sistema dinamico - ragionamento sul sistema modellato (es., progressione o regressione) - ragionamento su conoscenza proposizionale o al prim'ordine (es. soddisfacibilità, validità o implicazione logica di formula/knowledge bases).
Modalità di erogazione
La modalità di svolgimento è in presenza. Le lezioni vengono registrate e rese disponibili in modalità differita. Video con esercitazioni e lezioni di approfondimento vengono resi disponibili.
FABIO PATRIZI Scheda docente

Programmi - Frequenza - Esami

Programma
Artificial Intelligence (6CFU) Introduction to Artificial Intelligence Propositional Logic Propositional formulas and knowledge-bases Evaluation (Model Checking), Satisfiability, Validity, Logical Implication Tableaux DPLL, SAT solvers First-Order Logic Evaluation in First-Order Logic Reasoning in First-Order Logic Tableaux Incomplete information and Conjunctive Queries Reasoning about Actions Modeling dynamics of the domain of interest Deliberating and executing actions Action Preconditions, Effects, the Frame Problem, Situation Calculus: Precondition Axioms, Successor State Axioms Situation tree Regression Executability of sequences of actions and Projection (querying a situation resulting from action sequences execution) Planning in Deterministic Domains Deterministic Planning Domains STRIPS, ADL, Planning Domain Description Language (PDDL) Transition Systems Planning by backward fixpoint computations Planning by forward search, Heuristics, Best-first, A* Planning in Nondeterministic Domains (FOND) Nondeterministic Planning Domains PDDL with oneof operator Game Theoretic View Nondeterministic Planning by backward fixpoint computations Nondeterministic Planning by Adversarial Search, Search in AND-OR Graphs
Prerequisiti
Conoscenza di analisi moderazione e progettazione object-oriented, databases, and nozioni di base di probabilità, come studiate nei corsi precedenti.
Testi di riferimento
Artificial Intelligence: A Modern Approach, Global Edition, 4th Edition by Stuart Russell, Peter Norvig, Pearson 2020 (selected chapters).
Frequenza
La frequenza non è obbligatoria ma fortemente consigliata.
Modalità di esame
L'esame consiste in una prova scritta contenente 3/4 domande riguardanti: - modellazione di un sistema dinamico - ragionamento sul sistema modellato (es., progressione o regressione) - ragionamento su conoscenza proposizionale o al prim'ordine (es. soddisfacibilità, validità o implicazione logica di formula/knowledge bases).
Modalità di erogazione
La modalità di svolgimento è in presenza. Le lezioni vengono registrate e rese disponibili in modalità differita. Video con esercitazioni e lezioni di approfondimento vengono resi disponibili.
  • Codice insegnamento1022771
  • Anno accademico2024/2025
  • CorsoIngegneria aeronautica - Aeronautical engineering
  • CurriculumGestione ed operazioni nell'aviazione civile e sistemi di volo
  • Anno2º anno
  • Semestre2º semestre
  • SSDING-INF/05
  • CFU6
  • Ambito disciplinareAttività formative affini o integrative