Artificial Intelligence (2004/2005)

Learning outcomes

Il corso si propone di introdurre lo studente al campo dell'intelligenza artificiale, insegnando i suoi concetti e tecniche di base, e illustrando la loro applicazione ad alcune aree specifiche, in modo che lo studente sia preparato a seguire corsi specifici in tali aree e/o a lavorare ad una tesi di laurea specialistica in intelligenza artificiale.

1. Metodi dell’I.A.
1. Algoritmi e complessità – definizioni generali
2. Ripasso di Logica Formale
2. Ricerca in spazi di soluzioni
1. Agenti Razionali
2. Toy-problem classici
3. Vacuum cleaner world
4. Le 8 regine
3. Ricerca informata
1. Euristiche per il search
2. L’algoritmo A*
3. L’algoritmo SMA*
4. Problem-solving generale
4. Pianificazione
1. Mondo a blocchi
2. Pianificazione mediante ricerca
5. Fondamenti di dimostrazione automatica dei teoremi
1. Teorema di Herbrand
2. Principio di risoluzione
3. Risoluzione semantica e per blocco
6. Risoluzione lineare
1. Risoluzione per input e per unità
2. Risoluzione positiva ed unitaria di Bowling e Gallier
7. Uguaglianza
1. Paramodulazione
2. Paramodulazione lineare
8. Procedure di dimostrazione basate sul teorema di Herbrand
1. Procedura di Prawitz
2. Procedura di V-risoluzione
3. Alberi pseudosemantici
4. Generalizzazione del metodo di Davis e Putnam

Il corso si sviluppa su 40 ore di lezione frontale

Esame mediante prove parziali:
durante il corso si svolgono due prove:
C: compito in classe di due ore;
P: progetto di programmazione individuale da fare a casa o in laboratorio.
Il voto al primo appello d'esame, che segue la fine del corso, sulla base delle due prove, è dato da:
50% C + 50% P.
Queste prove valgono solo per il primo appello dopo la fine delle lezioni. Dopo tale appello le due prove durante il corso non valgono più nulla. Similmente chi sostiene l'esame regolare al primo appello perde il voto maturato con le due prove.
Esame regolare:
Si basa su una prova scritta che determina il voto d'esame.