View syllabus
ARTIFICIAL INTELLIGENCE FUNDAMENTALS
VINCENZO LOMONACO
Academic year2023/24
CourseCOMPUTER SCIENCE
Code643AA
Credits6
PeriodSemester 1
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
ARTIFICIAL INTELLIGENCE FUNDAMENTALSINF/01LEZIONI48
VINCENZO LOMONACO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Al termine del corso lo studente avrà acquisito conoscenze in merito alle principali teorie e tecniche per la costruzione di sistemi di Intelligenza Artificiale (IA), in accordo ad una visione di “agente” in grado di operare in un ambiente sulla base di obiettivi, conoscenze acquisite dall’esperienza o da fonti esterne.

Knowledge

At the end of the course the student will acquire knowledge about the main theories and techniques for building Artificial Intelligence (AI) systems, according to the AI vision of "agents" able to act in an environment on the basis of knowledge acquired from experience or from external sources.

Modalità di verifica delle conoscenze

Per l'accertamento delle conoscenze sarà valutata la capacità di capire e di presentare i contenuti delle lezioni e delle letture assegnate.

Assessment criteria of knowledge

We will assess the ability to understand and present the contents of the lessons and readings assigned.

Capacità

Al termine del corso lo studente sarà in grado di formalizzare un problema di AI utilizzando i formalismi di rappresentazione e le tecniche più appropriate alla natura e complessità del problema e sarà in grado di proporre soluzioni efficienti nell’ambito dei problemi studiati.

Skills

At the end of the course, the student will be able to formalize an AI problem by using the formalisms for representation and the techniques most appropriate to the nature and complexity of the problem and will be able to propose efficient solutions within the range of problems studied.

Modalità di verifica delle capacità

Allo studente sarà chiesto di cimentarsi nello sviluppo di un progetto di gruppo, alla stesura di un report tecnico dello stesso ed una prova orale finale.

Assessment criteria of skills

The student will be asked to make a group project, writing a technical report about it and defend it during an oral exam.

Comportamenti

Il corso contribuirà a fornire allo studente consapevolezza dei vari approcci che concorrono nella costruzione di una intelligenza artificiale, i limiti dei sistemi attuali, nonostante i grossi successi recenti, e quanto l’obiettivo di costruire “macchine intelligenti” sia ancora una delle più grosse sfide che abbiamo davanti.

Behaviors

The course will help to provide the student with awareness of the various approaches involved in building “artificial intelligence” agents, the limits of current systems, despite major recent achievements, and how the goal of building "intelligent machines" is still one of the biggest challenges we are facing.

Modalità di verifica dei comportamenti

Alcune letture suggerite avranno un aspetto più speculativo e potranno essere oggetto di domande all'esame.

Assessment criteria of behaviors

Some suggested readings will have a more speculative nature and may be the topic of further questions at the exam.

Prerequisiti (conoscenze iniziali)

Logica formale. Algoritmi e complessità. Computabilità. Elementi di calcolo di probabilità. Un corso di base in Intelligenza Artificiale (problem solving come ricerca, rappresentazione e ragionamento nella logica classica) è utile ma non necessario.

Prerequisites

Formal logic. Algorithms and complexity. Computability. Elements of probability calculus. A basic course in Artificial Intelligence (problem solving as search, representation and reasoning in classical logic) is useful but not necessary.

Indicazioni metodologiche

Il corso è suddiviso in 6 macro-sezioni. Per ciascuna sezione del corso ci sarà un nucleo di lezioni tradizionali con il supporto di lucidi forniti in anticipo e approfondimenti sul contenuto delle stesse. Tutto il materiale e i compiti assegnati saranno resi disponibili attraverso la piattaforma di elearning Moodle.

Teaching methods

The course is divided in four macro-sections. For each section of the course there will be a body of face to face lectures with the support of slides, made available beforehand. All the material and assignments will be made available through Moodle elearning platform.

Programma (contenuti dell'insegnamento)

Argomenti chiave che verranno affrontati nel corso:

  • Introduction to the course and AI
  • History of Artificial Intelligence
  • AI Definition + Intelligent Agents
  • Solving Problems by Searching
  • Search in Complex Environments
  • Constraint Satisfaction Problems
  • Adversarial Search and Games
  • Logical Agents
  • First-Order Logic
  • Inference in First-Order Logic
  • Introduction to Prolog
  • Knowledge Representation
  • Automated Planning
  • Quantifying Uncertainty
  • Probabilistic Reasoning
  • Probabilistic Reasoning over Time
  • Making Simple and Complex Decisions
  • Multi-Agent Decision Making
  • Probabilistic Programming
  • Philosophy, Ethics and Safety of AI
  • The Future of AI

 

Syllabus

Key concepts that will be addressed in the course:

  • Introduction to the course and AI
  • History of Artificial Intelligence
  • AI Definition + Intelligent Agents
  • Solving Problems by Searching
  • Search in Complex Environments
  • Constraint Satisfaction Problems
  • Adversarial Search and Games
  • Logical Agents
  • First-Order Logic
  • Inference in First-Order Logic
  • Introduction to Prolog
  • Knowledge Representation
  • Automated Planning
  • Quantifying Uncertainty
  • Probabilistic Reasoning
  • Probabilistic Reasoning over Time
  • Making Simple and Complex Decisions
  • Multi-Agent Decision Making
  • Probabilistic Programming
  • Philosophy, Ethics and Safety of AI
  • The Future of AI

 

Bibliografia e materiale didattico

Principale

Stuart J. Russell and Peter Norvig. Artificial Intelligence: A Modern Approach (4th edition). Pearson Education 2021. http://aima.cs.berkeley.edu

Aggiuntivi

David L. Poole,  Alan K. Mackworth. Artificial Intelligence: foundations of computational agents, Cambridge University Press, Apr 19, 2010 – Computers. http://artint.info/html/ArtInt.html

Edward Tsang. Foundations of Constraint Satisfaction, Computation in Cognitive Science. Elsevier Science. Kindle Edition, 2014.

Ronald Brachman and Hector Levesque. Knowledge Representation and Reasoning. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA. 2004.

Genesereth, M., and Nilsson, N., Logical Foundations of Artificial Intelligence, San Francisco: Morgan Kaufmann, 1987.

Nils Nilsson, N., Artificial Intelligence: A New Synthesis, San Francisco: Morgan Kaufmann, 1998.

David Barber, Bayesian Reasoning and Machine Learning, Online version February 2017.

Other materials will be made available through Moodle.

Bibliography

Main Reference

Stuart J. Russell and Peter Norvig. Artificial Intelligence: A Modern Approach (4th edition). Pearson Education 2021. http://aima.cs.berkeley.edu

Additional References

David L. Poole,  Alan K. Mackworth. Artificial Intelligence: foundations of computational agents, Cambridge University Press, Apr 19, 2010 – Computers. http://artint.info/html/ArtInt.html

Edward Tsang. Foundations of Constraint Satisfaction, Computation in Cognitive Science. Elsevier Science. Kindle Edition, 2014.

Ronald Brachman and Hector Levesque. Knowledge Representation and Reasoning. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA. 2004.

Genesereth, M., and Nilsson, N., Logical Foundations of Artificial Intelligence, San Francisco: Morgan Kaufmann, 1987.

Nils Nilsson, N., Artificial Intelligence: A New Synthesis, San Francisco: Morgan Kaufmann, 1998.

David Barber, Bayesian Reasoning and Machine Learning, Online version February 2017.

Other materials will be made available through Moodle.

Indicazioni per non frequentanti

Tutti i materiali suggeriti per la lettura e lucidi delle lezioni saranno resi disponibili sul sito Moodle del corso. Il docente è disponibile a fornire assistenza a distanza durante il corso, rispondendo a domande e fornendo suggerimenti per approfondimenti. Il progetto può essere individuale per i non frequentanti.

Non-attending students info

All the reading material, lecture slides, etc. will be made available in the Moodle web site of the course. The lecturer is available to provide remote support by answering questions and suggesting further readings.

 

Modalità d'esame

Esame orale finale da svolgersi durante i normali periodi di esame (prima opportunità a gennaio 2021), a seguito della consegna del report di progetto.

Assessment methods

Final oral exam to be taken during regular exam sessions (first opportunity on January 2021), following the submission of the technical report of the group project.

 

Altri riferimenti web

 Pagina web del docente: https://www.vincenzolomonaco.com

Additional web pages

 Teacher web page: https://www.vincenzolomonaco.com

 

 

Updated: 18/09/2023 14:00