Programma del corso di Sistemi Intelligenti. Corso di laurea magistrale in Informatica.
Obiettivi (dettagli AF)
Fornire le conoscenze di base sull'intelligenza nelle macchine. Acquisire la capacità di analizzare
e modellizzare problemi anche di una certa complessità. Acquisire un metodo di analisi e
soluzione dei problemi.
PROGRAMMA
Intelligenza Simbolica
La macchina di Turing e la stanza cinese. Posizione debole e forte dell'intelligenza artificiale.
Forme di intelligenza collettiva. Gli insiemi ed i sistemi fuzzy.
Apprendimento nelle macchine.
Apprendimento statistico. Distribuzioni statistiche. Massima verosimiglianza e stima ai minimi
quadrati. Affidabilità della stima. La stima Bayesiana ed il confronto con la regolarizzazione.
L'algoritmo di Expectation Maximization. Mixture models. Applicazioni.
Le diverse forme di apprendimento: apprendimento superivisionato, non supervisionato e con
rinforzo. Il clustering e le metriche utilizzate. K-means (SW) e decomposizione quad-tree.
Clustering gerarchico. Le reti neurali artificiali. Perceptroni lineari e non-lineari. Le mappe di
Kohonen e l'apprendimento competitivo. Applicazioni.
Apprendimento con rinforzo
Apprendimento in un setting non associativo. Caso stazionario e non stazionario. Tecniche
greedy ed epsilon-greedy. Apprendimento in un setting associativo. I modelli Markoviani.
Calcolo della Value Function. La formulazione ricorsiva del calcolo della Value function: le
equazioni di Bellman. Algoritmi iterativi per il miglioramento della policy attraverso il
miglioramento della Value function. Learning from temporal differences. Q-learning.
Ampliamento dell'orizzonte delle differenze temporali: la traccia di eligibilità. Come incorporare
l'informazione a-priori: Fuzzy Reinforcement Learning. Automi stocastici.
Intelligenza biologica.
Il neurone. Funzionamento del neurone sottosoglia. Generazione del potenziale d'azione. La
struttura del neurone. I circuiti neurali biologici ed il ruolo della struttura del circuito. Struttura
del sistema nervoso centrale. Il linguaggio. Le areee corticali e la spina dorsale. Le
trasformazioni visuo-motorie. Il codice di popolazione come esempio di processing corticale.
Algoritmi genetici ed ottimizzazione evolutiva. Ruolo dei parametri. Esempi.
La realtà Virtuale
Input, trackers, kinect, motori grafici, HMD, applicazioni.
