AUTOMATED PLANNING
Lo studente acquisirà i principi di base della pianificazione
automatica, studiandone i principali linguaggi, algoritmi di risoluzione
e strumenti. Si dedicherà
particolare attenzione a quelli relativi ai principali linguaggi di pianificazione
automatica come STRIPS e PDDL. E’ prevista
l’acquisizione di competenze pratiche sviluppando casi di
studio delle esercitazioni.
Competenze specifiche:
Competenze di livello di base sui principali linguaggi, algoritmi di risoluzione
e strumenti per la pianificazione automatica; Capacità e competenza nello
sviluppo di applicazioni che si basano sulla modellazione e risoluzione di
problemi complessi.
Competenze Trasversali:
Lo studente acquisirà abilità nell'analisi e nella risoluzione
dei problemi, integrazione delle soluzioni di pianificazione con altri
strumenti, e abilità nel lavoro di gruppo.
INTELLIGENT AGENTS
===============
OBIETTIVI FORMATIVI
===============
Il corso ha l'obiettivo di fornire adeguate conoscenze di base per comprendere, progettare e realizzare sistemi che sfruttino tecniche di intelligenza artificiale in senso ampio.
In particolare, il corso introduce metodi per la progettazione e l'implementazione di sistemi intelligenti, per la progettazione di agenti capaci di prendere decisioni razionali e per la progettazione di sistemi multiagente.
Al termine del corso, gli studenti saranno in grado di progettare sistemi intelligenti per la soluzione di problemi complessi.
===============
CONOSCENZA E COMPRENSIONE
Descrittore di Dublino 1
===============
Competenze specifiche:
- Conoscenza dei concetti fondamentali relativi ai sistemi intelligenti
- Conoscenza dei principi di base dell'intelligenza artificiale in senso ampio
- Comprensione dei metodi per la progettazione di sistemi che sfruttano tecniche di intelligenza artificiale
- Comprensione dei principi alla base degli agenti intelligenti e del comportamento razionale
- Comprensione dei concetti fondamentali relativi ai sistemi multiagente
===============
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Descrittore di Dublino 2
===============
Competenze specifiche:
- Capacità di applicare metodi per la progettazione e l'implementazione di sistemi intelligenti in senso generale
- Capacità di progettare agenti capaci di prendere decisioni razionali
- Capacità di progettare sistemi multiagente
- Capacità di modellare problemi complessi e individuare tecniche di intelligenza artificiale adeguate alla loro soluzione
- Capacità di progettare soluzioni basate su sistemi intelligenti per problemi complessi
===============
CAPACITÀ CRITICA E DI GIUDIZIO
Descrittore di Dublino 3
===============
Competenze trasversali:
Le capacità critiche e di giudizio sono conseguite attraverso lo studio degli argomenti proposti durante il corso e attraverso lo sviluppo di elaborati, esercizi e progetti, evidenziando capacità di "problem solving".
In particolare saranno acquisite:
- Abilità nell'analisi e nella risoluzione dei problemi
- Abilità nel trovare soluzioni alternative o innovative
- Abilità nell'uso di tecniche e metodi scientifici per risolvere in modo innovativo problemi complessi
- Capacità di valutare criticamente soluzioni alternative nella progettazione di sistemi intelligenti
- Creatività
===============
CAPACITÀ DI COMUNICAZIONE
Descrittore di Dublino 4
===============
Competenze trasversali:
- Abilità nel lavoro di gruppo
- Abilità di presentare in pubblico il lavoro svolto
- Abilità di rispondere criticamente alle osservazioni ricevute
- Capacità di discutere e motivare le scelte progettuali adottate nella soluzione di problemi complessi
===============
CAPACITÀ DI APPRENDIMENTO AUTONOMO
Descrittore di Dublino 5
===============
Competenze trasversali:
- Capacità di approfondire autonomamente tecniche e metodi per la progettazione di sistemi intelligenti
- Capacità di utilizzare in modo autonomo tecniche e metodi scientifici per affrontare problemi complessi
- Capacità di autovalutare le soluzioni progettate e individuare possibili miglioramenti
- Capacità di sviluppare autonomia nello studio, nella progettazione e nella sperimentazione di soluzioni innovative
AUTOMATED PLANNING
Introduzione alla pianificazione automatica. Presentazione del linguaggio STRIPS e della sua estensione al primo ordine PDDL. Algoritmi per la risoluzione di problemi di pianificazione: ricerca informata e non, pianificazione come soddisfaciblità. Presentazione di estensioni di PDDL: PDDL2.1 per pianificazione temporale e numerica, e PDDL+ per pianificazione mista discreta-continua. Presentazione di applicazioni reali di pianificazione automatica.
Il programma del Corso è il seguente:
- Introduzione alla pianificazione automatica:
- Il linguaggio STRIPS
- Il linguaggio PDDL
- Algoritmi per la risoluzione di problemi di pianificazione: ricerca non informata
- Algoritmi per la risoluzione di problemi di pianificazione: ricerca informata
- Algoritmi per la risoluzione di problemi di pianificazione: pianificazione come soddisfaciblità.
- Il linguaggio PDDL2.1 per pianificazione temporale e numerica
- Il linguaggio PDDL+ per pianificazione mista discreta-continua.
- Applicazioni reali di pianificazione automatica.
INTELLIGENT AGENTS
Il corso tratta tecniche di intelligenza artificiale e metodi per la progettazione e l'implementazione di agenti/sistemi intelligenti.
LEZIONI (32 ore)
1) Introduzione (4 ore):
- Intelligenza e intelligenza artificiale
- Immaginario collettivo, senso comune e informazione
- Computabilità, complessità e comportamento intelligente
- Problemi, soluzioni, modelli e universi di modellazione
- Applicazioni dell'intelligenza artificiale
- Data Science e intelligenza artificiale
- Approcci alla progettazione di sistemi intelligenti
- Tipi di ragionamento: deduzione, induzione, abduzione
- Cenni al ragionamento probabilistico e al teorema di Bayes
- Rischi, opportunità ed elementi etici dell'intelligenza artificiale
2) Agenti Intelligenti (6 ore):
- Agenti intelligenti
- Sistemi che pensano/agiscono in modo umano o razionale
- Agenti, ambienti, percetti e azioni
- Ambienti di task: PEAS/PAGE
- Razionalità, obiettivi e misure di prestazione
- Test di intelligenza e discussione critica del test di Turing
- Benchmark per capacità associate all'intelligenza
3) Risolvere Problemi (6 ore):
- Agenti per la risoluzione di problemi
- Tipi di problemi e formulazione dei problemi
- Modellazione di problemi come ricerca nello spazio degli stati
- Stati, azioni, funzione successore, test obiettivo e costo del cammino
- Algoritmi di ricerca di base
- Ricerca non informata e ricerca informata
- Confronto critico tra strategie di ricerca
- Modellazione di problemi complessi e analisi dello spazio di ricerca
4) Knowledge and Reasoning (6 ore):
- Agenti logici e agenti basati su conoscenza
- Rappresentazione della conoscenza
- Modelli, conseguenza logica e inferenza
- Regole di inferenza e cenni alla dimostrazione automatica
- Wumpus World e ragionamento con osservabilità parziale
- Ragionamento su informazione falsa, vera e ignota
- Planning vs search
- Problemi classici dell'IA: frame, inference e qualification problem
5) Comunicazione, Percezione, Azione (6 ore):
- Rappresentazioni dello stato: atomiche, fattorizzate e strutturate
- Percezione e azione negli agenti intelligenti
- Comunicazione e linguaggio
- Comunicazione tra agenti
- Agenti basati su LLM
- Sistemi agentici moderni
- Esempi e seminari su agenti sociali, modelli aperti e applicazioni dell'IA
6) Sistemi Multiagente e Introduzione alla Teoria dei Giochi (4 ore):
- Sistemi multiagente
- Modellazione di problemi reali come sistemi basati su agenti
- Ruoli, compiti e strumenti degli agenti
- Progettazione di scenari multiagente
- Introduzione alla teoria dei giochi
- Evoluzione della fiducia
- Cenni ad agentic AI in contesti applicativi ed enterprise
ESERCITAZIONI (24 ore)
1) Agenti Intelligenti (2 ore)
- Attività applicative su intelligenza, agenti e valutazione del comportamento intelligente
2) Risolvere Problemi (4 ore)
- Attività applicative su modellazione di problemi e ricerca nello spazio degli stati
3) Knowledge and Reasoning (6 ore)
- Attività applicative su rappresentazione della conoscenza, agenti logici e ragionamento automatico
4) Comunicazione, Percezione, Azione (6 ore)
- Attività applicative su comunicazione tra agenti, agenti basati su LLM e scenari agentici
5) Sistemi Multiagente e Introduzione alla Teoria dei Giochi (6 ore)
- Attività applicative su sistemi multiagente, scenari, strumenti per agenti e progetti
AUTOMATED PLANNING
Metodi di valutazione dell'apprendimento:
La valutazione si basa su un progetto didattico da svolgere in gruppo che prevede la realizzazione di una soluzione software di pianificazione automatica funzionante; la presentazione e discussione dello stesso.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).
Criteri di Valutazione dell'apprendimento:
Il progetto didattico mira alla verifica delle competenze di modellazione, risoluzione di problemi complessi, ed integrazione con altri strumenti in pratica.
Criteri di misurazione dell'apprendimento ed attribuzione del voto finale:
Progetto e presentazione sono valutate complessivamente in 30simi.
INTELLIGENT AGENTS
= METODI DI VALUTAZIONE DELL'APPRENDIMENTO
La valutazione si svolge durante il corso in via preliminare e in sede d'esame in via definitiva.
Durante il corso, gli studenti possono essere valutati tramite compiti per casa, elaborati, progetti di gruppo in itinere e attività didattiche complementari, quali piccole competizioni, hackathon, Agent-a-Thon, Agent Build-A-Thon o iniziative analoghe, ove previste. Le modalità specifiche sono comunicate durante il corso.
In sede d'esame, la valutazione prevede:
- presentazione e discussione di un progetto finale, di norma svolto in gruppo;
- prova orale.
Il progetto finale verifica la capacità di progettare e, ove previsto, implementare soluzioni basate su sistemi intelligenti per problemi complessi. Può anche essere svolto, sviluppato o presentato nell'ambito di competizioni, hackathon, Agent-a-Thon, Agent Build-A-Thon o iniziative analoghe organizzate nel corso. In tali casi, modalità di svolgimento, consegna, presentazione e discussione sono comunicate durante il corso.
La prova orale verifica conoscenza degli argomenti, padronanza delle metodologie e capacità di ragionare criticamente sulle soluzioni adottate.
= CRITERI DI VALUTAZIONE DELL'APPRENDIMENTO
Le attività in itinere e il progetto finale mirano a verificare la capacità di modellare problemi complessi, individuare tecniche adeguate, proporre soluzioni motivate, lavorare in gruppo, presentare criticamente il lavoro svolto e motivare le scelte progettuali.
Nel caso di competizioni, hackathon, Agent-a-Thon, Agent Build-A-Thon o iniziative analoghe, la valutazione può tenere conto, secondo modalità comunicate durante il corso, della qualità della soluzione, della correttezza metodologica, della capacità di progettazione, dell'eventuale implementazione, della documentazione, della presentazione e della capacità di rispondere alle osservazioni ricevute. L'eventuale risultato competitivo non determina automaticamente la valutazione, che resta basata sui criteri didattici indicati nella presente sezione.
La prova orale mira a verificare conoscenza della teoria e delle metodologie, uso corretto del linguaggio tecnico, capacità di collegare gli argomenti del corso, analisi critica e chiarezza espositiva.
= CRITERI DI MISURAZIONE DELL'APPRENDIMENTO E ATTRIBUZIONE DEL VOTO FINALE
L'esito delle valutazioni in itinere, incluse eventuali attività complementari, è espresso mediante giudizio, ad esempio sufficiente, buono o ottimo, oppure secondo modalità comunicate durante il corso.
L'esame finale, costituito dalla presentazione e discussione del progetto finale e dalla prova orale, è valutato in trentesimi.
La votazione finale tiene conto della qualità del progetto finale, della sua presentazione e discussione, dell'esito della prova orale e dei giudizi conseguiti nelle attività in itinere. Se il progetto è svolto o presentato nell'ambito di competizioni, hackathon, Agent-a-Thon, Agent Build-A-Thon o iniziative analoghe, la sua incidenza resta determinata secondo i criteri didattici dell'insegnamento e le modalità comunicate durante il corso.
L'attribuzione del voto finale avviene sulla base del livello complessivo di raggiungimento degli obiettivi formativi.
= MODALITÀ PER STUDENTI E STUDENTESSE CON DISABILITÀ O DSA
Le modalità d'esame saranno adeguate alle esigenze degli studenti e delle studentesse con disabilità o con DSA certificati, secondo normativa e regolamenti di Ateneo vigenti.
= APPELLI D'ESAME
Gli appelli d'esame si svolgono secondo il calendario ufficiale pubblicato dall'Ateneo.
Il calendario degli appelli è disponibile al seguente link:
[sito ufficiale del corso di laurea]
AUTOMATED PLANNING
Malik Ghallab, Dana S. Nau, Paolo Traverso:
Automated Planning and Acting. Cambridge University Press
INTELLIGENT AGENTS
- Libro di testo
- S. Russell, P. Norvig, ""Artificial Intelligence: A modern approach"", Prentice Hall, Englewood Cliffs, NJ, 3rd ed., 2009.
- Matt Ginsberg, ""Essentials of Artificial Intelligence"", Morgan Kaufmann Ed., 1993.
- Libri consigliati
- M.Ghallab, D. Nau, P. Traverso, ""Automated Planning - Theory and Practice"", Morgan Kaufmann Ed., 2004.
- D. C. Dennett, D. R. Hofstadter, ""L'io della mente. Fantasie e riflessioni sul se' e sull'anima"", Adelphi Ed., 1997.
- D. R. Hofstadter, ""Goedel, Escher, Bach: un'eterna ghirlanda brillante"", Adelphi Ed., 1990.
- M. Ridley, ""The Origins of Virtue: Human Instincts and the Evolution of Cooperation"", Penguin Ed., 1998."