Sistemi intelligenti
A.A. 2020/2021
Learning objectives
L'insegnamento si propone di fornire agli studenti le basi dell'Intelligenza Artificiale e dei suoi metodi, mediante un approccio interdisciplinare alla ricerca scientifica e filosofica, anche mediante attività pratiche.
Expected learning outcomes
Conoscenze e comprensione
Alla fine del corso, lo studente
- conosce gli elementi fondamentali dell'Intelligenza Artificiale e ne conoscerà le applicazioni di frontiera
- conosce i metodi fondamentali e come utilizzare piattaforme software per sviluppare alcuni algoritmi di machine learning
- comprende, e potrà discuterne, le implicazioni filosofiche e tecnologiche
Capacità di applicare conoscenze e comprensione:
Alla fine del percorso, lo studente
- sa applicare la conoscenza applicata allo sviluppo di algoritmi fondamentali
- sa discutere dell'Intelligenza Artificiale e i problemi collegati
- sa interpretare i metodi dell'Intelligenza Artificiale e le correnti, mettendoli in rapporto con i loro contesti di elaborazione
- sa applicare la conoscenza acquisita a concetti di differente natura interdisciplinare
Alla fine del corso, lo studente
- conosce gli elementi fondamentali dell'Intelligenza Artificiale e ne conoscerà le applicazioni di frontiera
- conosce i metodi fondamentali e come utilizzare piattaforme software per sviluppare alcuni algoritmi di machine learning
- comprende, e potrà discuterne, le implicazioni filosofiche e tecnologiche
Capacità di applicare conoscenze e comprensione:
Alla fine del percorso, lo studente
- sa applicare la conoscenza applicata allo sviluppo di algoritmi fondamentali
- sa discutere dell'Intelligenza Artificiale e i problemi collegati
- sa interpretare i metodi dell'Intelligenza Artificiale e le correnti, mettendoli in rapporto con i loro contesti di elaborazione
- sa applicare la conoscenza acquisita a concetti di differente natura interdisciplinare
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
Responsabile
Periodo
Primo semestre
La didattica avverrà a distanza, con lezioni tenute in modo asincrono ed incontri sincroni online con tutti gli studenti o a gruppi.
Programma
Unità didattica A
Programma per studenti frequentanti e non frequentanti
I sistemi intelligenti: caratteristiche, differenziazioni tra sistemi biologici e artificiali.
Storia dell'AI (Artificial Intelligence). Logica: applicazione in AI (esercizi). GOFAI, AI forte e debole: sostenitori, motivazioni, test a supporto. Il Test di Turing: principi ed esercizi. Le critiche al Test di Turing: Searle e altri. Filosofia dell'AI: i principali esponenti.
Unità didattica B
Programma per studenti frequentanti e non frequentanti
intelligenza artificiale e apprendimento delle macchine: il machine learning. Modelli matematici, algoritmi, esercizi, implementazione di algoritmi.
Sistemi artificiali che si ispirano a quelli biologici. Algoritmi genetici, Artificial Neural Networks, Brain Computer Interface. Modelli teorici ed esercizi pratici.
Programma per studenti frequentanti e non frequentanti
I sistemi intelligenti: caratteristiche, differenziazioni tra sistemi biologici e artificiali.
Storia dell'AI (Artificial Intelligence). Logica: applicazione in AI (esercizi). GOFAI, AI forte e debole: sostenitori, motivazioni, test a supporto. Il Test di Turing: principi ed esercizi. Le critiche al Test di Turing: Searle e altri. Filosofia dell'AI: i principali esponenti.
Unità didattica B
Programma per studenti frequentanti e non frequentanti
intelligenza artificiale e apprendimento delle macchine: il machine learning. Modelli matematici, algoritmi, esercizi, implementazione di algoritmi.
Sistemi artificiali che si ispirano a quelli biologici. Algoritmi genetici, Artificial Neural Networks, Brain Computer Interface. Modelli teorici ed esercizi pratici.
Prerequisiti
Conoscere statistica e logica di base. Familiarità con i sistemi informatici. Conoscenza di base di algoritmi ed espressioni matematiche relativi alla rappresentazione di funzioni.
Metodi didattici
Lezioni teoriche ed applicazioni pratiche. Progetto finale.
Materiale di riferimento
Unità didattica A
· "INTELLIGENZA ARTIFICIALE - Vol.2, un approccio moderno", 2° edizione, di Peter Norvig e Stuart Russel, edito dalla Pearson
· Dispense a cura del docente
· Nilsson, The Quest for Artificial Intelligence: A History of Ideas and Achievements
Unità didattica B
· Dispense a cura del docente
· Altro materiale comunicato di volta in volta a lezione
· "INTELLIGENZA ARTIFICIALE - Vol.2, un approccio moderno", 2° edizione, di Peter Norvig e Stuart Russel, edito dalla Pearson
· Dispense a cura del docente
· Nilsson, The Quest for Artificial Intelligence: A History of Ideas and Achievements
Unità didattica B
· Dispense a cura del docente
· Altro materiale comunicato di volta in volta a lezione
Modalità di verifica dell’apprendimento e criteri di valutazione
Scritto + orale: L'esame consiste di una prova scritta e di una prova orale entrambe obbligatorie. L'esame scritto prevede la progettazione e lo sviluppo di un progetto software inerente gli argomenti trattati durante il corso (sviluppo di un sistema intelligente artificiale). L'orale consisterà in un colloquio sugli argomenti a programma e sul progetto presentato, volto ad accertare che lo studente abbia svolto la prova in autonomia e abbia acquisito le conoscenze e le competenze richieste
Moduli o unità didattiche
Unita' didattica A
INF/01 - INFORMATICA - CFU: 3
Lezioni: 20 ore
Unita' didattica B
INF/01 - INFORMATICA - CFU: 3
Lezioni: 20 ore
Professor(s)
Ricevimento:
Mercoledì, ore 11.00. Date le circostanze, il ricevimento può avvenire anche via Skype o Teams (prendere contatti via e-mail)
Teams, Skype o Dipartimento di Filosofia, cortile Ghiacciaia, via Festa del Perdono 7 (previo appuntamento via e-mail)