Intelligenza%20Artificiale

1
Intelligenza Artificiale

• Maria Teresa PAZIENZA
• a.a. 2008-09

2
Corsi e crediti

• Corso di IA da 10 crediti per i nuovi studenti
  dellindirizzo Sistemi Intelligenti
• Corso di IA da 5 crediti per gli studenti
  dellindirizzo Sistemi Intelligenti che hanno già
  maturato 5 crediti
• Corso di IA per gli studenti dellindirizzo Ing.
  Soft.

3
Programma

• Il corso sarà articolato su 3 aree

Elab. del Ling.Natur.
Gestione della conoscenza
Tecnologie di IA
4
Sito

• Sul sito di Didattica Web tutte le informazioni
  su
• Programma
• Progetto
• Ricevimento
• Esami (date, iscrizioni, risultati)
• Tesi
• Varie

5
Progetto

• Potrà consistere
• nella realizzazione di un prototipo informatico
  progettato e realizzato secondo modalità
  introdotte nel corso delle lezioni o,
  equivalentemente,
• nella stesura di una tesina di approfondimento di
  temi inerenti allIA ed affrontati soltanto
  limitatamente nel corso delle lezioni o,
  equivalentemente,
• nellapprofondimento di temi trattati a lezione
  con la implementazione di un test case.
• Qualora se ne diano i presupposti è possibile che
  la componente progettuale dellesame sia
  integrata in progetti per altri corsi

6
Materiale didattico

• Il materiale didattico verrà segnalato e
  distribuito di volta in volta in relazione ai
  temi specifici affrontati nel corso delle lezioni
  (dispense, articoli, slides, monografie e saggi,
  eventuali collegamenti a risorse digitali
  disponibili in rete, ...).
• Il materiale e le dispense prodotte saranno
  contestualmente segnalati e pubblicati nel sito
  del corso su Didattica Web

7
Esami

• Sono previste prove desame diversificate per le
  diverse tipologie di corso
• Per partecipare ad una prova desame è
  obbligatorio prenotarsi almeno 24 ore prima
  dellesame.
• La partecipazione ad una prova scritta non
  preclude la partecipazione a prove successive
  (nel caso si rifiuti la valutazione conseguita)
  previa nuova registrazione.

8
Intelligenza Artificiale

• Lobiettivo è risolvere il problema rappresentato
  da
• Qual è
• il corretto livello di astrazione della mente
  umana
• per costruire un modello mentale
• che debba successivamente guidare le azioni di
  una macchina intelligente?

9
Intelligenza Artificiale

• NellIA ci si occupa di
• Costruire macchine intelligenti che operino
  come/meglio degli umani
• Formalizzare la conoscenza ed i meccanismi di
  ragionamento in ogni settore di interesse
• Usare modelli computazionali per capire/definire
  il comportamento di umani ed agenti intelligenti
• Rendere facile ed efficace linterazione
  uomo/macchina

10
Intelligenza Artificiale

• Materia in forte evoluzione dare una definizione
  che delimiti rigorosamente i campi di interesse
  rischierebbe di escludere a priori sviluppi
  futuri che già si intravedono
• LIA non è una lista di argomenti e metodologie
  è piuttosto una attività complessa legata alla
  comprensione di comportamenti intelligenti ed
  alla loro implementazione in sistemi
  intelligenti.

11
Intelligenza Artificiale

• LIA è contemporaneamente scienza e tecnica,
  disciplina di frontiera in cui sincontrano
  diversi domini del sapere logica, informatica,
  psicologia, neuroscienze, filosofia
• Attiene a tutti i campi dellinformazione e trova
  applicazione in tutti i settori

12
Intelligenza Artificiale

• LIA si manifesta con un duplice profilo
• disciplina ingegneristica (costruire macchine
  capaci di svolgere compiti intellettuali
  integrando componenti diverse)
• disciplina psicologica (costruire macchine capaci
  di esprimere le caratteristiche essenziali
  dellattività cognitiva umana spiegando i
  rapporti tra pensiero e fisicità delluomo)

13
Intelligenza Artificiale

• La formalizzazione logica dei problemi è
  fondamentale alla loro soluzione
• Le metodologie risolutive possono richiedere
  tecnologie di varia tipologia
• Ove la formalizzazione completa non sia
  possibile, si ricorre a soluzioni parziali
• Lelaborazione del linguaggio naturale è un
  problema tipico dellIA
• Gestire la conoscenza (del mondo, di dominio,
  dellapplicazione,) è un problema tipico dellIA

14
Elaborazione del linguaggio naturale
15
Il ruolo della conoscenza nei sistemi informatici

• Le conoscenze servono per
• interpretare la realtà capire che cosa è
  successo (ad es., ipotizzare le cause di un
  evento che si è verificato)
• prevedere levoluzione della realtà prevedere
  con approssimazione accettabile quali modifiche
  si potranno verificare nel futuro
• agire in modo razionale modificando la realtà
  costruire piani dazione per raggiungere
  determinati obiettivi.

16
Learning to Reason
Reasoning
Task

• interarazione con il mondo (World)
• per knowledge representation si intende
• - ciò che si è scelto per facilitare il
  processo di inferenza
• - ciò che si è imparato a seguito
  dellinterazione con il mondo
• la prestazione viene misurata rispetto al mondo
  e per uno specifico task di ragionamento

Page 16
17
Conoscenza un problema trasversale

• La rappresentazione (e gestione) della conoscenza
  è un problema di interesse per lIA e non solo.
• E strettamente collegato alla costruzione di
  sistemi software una parte rilevante
  dellIngegneria del Software (SE) attiene a
  tematiche di rappresentazione della conoscenza

18
IA e SE

• la molteplicità sia dei proprietari che degli
  sviluppatori di software,
• il poter aggiungere nuove caratteristiche a
  servizi già esistenti,
• la eterogeneità e complessità dei prodotti
• presuppongono che lo sviluppo del software sia un
  processo basato su una grande quantità di
  conoscenza ed una comunicazione intensa tra le
  entità coinvolte

19
Sistemi intelligenti (1)

• Agire in ambienti sconosciuti od ostili (robot in
  una situazione ignota, agenti/softbot nel web)
• Gestire grandi quantità di conoscenza
  descrittiva del mondo e dellapplicazione, con
  lobiettivo di migliorare le prestazioni nella
  risoluzione di un problema, acquisire ulteriore
  conoscenza per collaborare con altre entità
  (umani, agenti), gestire informazioni non
  strutturate come nel web

20
Sistemi intelligenti (2)

• Dialogare con altre entità per migliorare
  linterazione e lacquisizione di conoscenza
• Capire i sistemi con cui si interagisce per
  meglio integrare le componenti, facilitare
  linterazione, regolare laccesso alle risorse

21
Sistemi intelligenti (integrazione)

• I sistemi intelligenti non agiscono in maniera
  isolata, piuttosto costituiscono componenti
  importanti in sistemi più complessi a supporto di
  una maggiore capacità, flessibilità e
  cooperazione del sistema nel suo insieme. Ciò
  richiede lintegrazione di
• componenti di reasoning in sistemi tradizionali
• conoscenza in basi di dati
• description logics in sistemi object oriented

22
Sistemi intelligenti (coordinazione di più agenti
umani/artificiali)

• Per
• Comprensione/gestione del dialogo
• Costruzione di assistenti intelligenti (capaci
  di capire lutente)
• Supporto al lavoro di gruppo e/o collaborativo
• Gestione networks

23
Sistemi intelligenti (coordinazione di più agenti
umani/artificiali)

• Richiede
• Comprensione del linguaggio naturale scritto e
  parlato
• Generazione del linguaggio naturale
• Gestione delle ambiguità grammaticali e
  semantiche
• Combinazione di tecniche di nlp con altre
  tecnologie per realizzare interfacce multimediali

24
Sistemi intelligenti (acquisizione di conoscenza
da più agenti)

• Richiede
• Capacità di collezionare, codificare,
  rappresentare conoscenza
• Integrazione di metodologie per la
  rappresentazione di conoscenze differenti
• Gestione dellorganizzazione concettuale della
  conoscenza in ontologie e la loro integrazione
• Gestione efficace della strutturazione,
  indicizzazione, ricerca di grandi
  quantità/risorse di conoscenza
• Ragionare su domini di conoscenza diversi
• Applicare la conoscenza del senso comune

25
SWESE 2006

• The advantages of Semantic Web Technologies in
  software engineering include reusability and
  extensibility of data models, improvements in
  data quality, and discovery and automated
  execution of workflows
• The Semantic Web can serve as a platform on which
  domain models can be created, shared and reused

26
SWESE 2007

• The advent of the World Wide Web has led many
  corporations to web-enable their business
  applications and to the adoption of web service
  standards in middleware platforms.
• Marking a turning point in the evolution of the
  Web, the Semantic Web is expected to provide more
  benefits to software engineering.
• To bring together languages and tools, such as
  the Unified Modelling Language (UML), developed
  for Software Engineering, with Semantic Web
  languages such as RDF and OWL.

27
Topics of interest include

• Tools developed or being developed for software
  engineering using SW languages
• Integration or application development projects
  combining Software Engineering techniques and
  Semantic Web tools or languages
• Lessons learned in Automatic Software Engineering
  or KBSE applicable to SW based SE
• Visions for SW driven software modernization
• Integration of UML, OO programming languages and
  Semantic Web languages
• Software specification and Semantic Web languages
• ..

28
Topics of interest include (2)

• Ontologies for software engineering
• Component discovery and ontologies
• Feature modelling and ontologies
• Ontology reasoning for software engineering
• Semantic annotations in software engineering
• Ontology-Driven Architecture How to introduce
  Semantic Web technology into mainstream
  development processes
• Ontologies for requirements, software
  engineering, and/or software evolution
• Semantic-based intelligent assistance tools for
  software developers

29
Web focus

• I sistemi software sono sempre più alimentati dal
  web
• Devono quindi gestire/interagire con dati di
  sorgenti eterogenee che possono essere
  sconosciute in fase di sviluppo del software.
• Per la risoluzione di questo problema gli
  ingegneri del software cercano tecnologie che li
  aiutino nella gestione della eterogeneità anche
  runtime.

30
Semantic Web in Soft. Engineering

• Le tecnologie del Semantic Web possono migliorare
  lingegneria del software (da MDA a ODA) per
  aumentare la scalabilità e composizionalità delle
  componenti
• supportando la rappresentazione non ambigua della
  terminologia di dominio
• permettendo il controllo automatico della
  consistenza e validazione di regole invarianti,
  precondizioni e post-condizioni
• supportando la mediazione e trasformazione della
  terminologia basata su conoscenza

31
Semantic Web in Soft. Engineering

• Improvement
• si ottiene, si supporta una aumentata scalabilità
  e compatibilità dei componenti
• Problema
• difficoltà nella costruzione e manutenzione di
  ontologie di metadati

32
Semantic Web in Soft. Engineering

• Come
• classificatore per raggruppare tool e tecniche
  correlate per modellare rigorosamente la
  semantica durante le fasi di specificazione e
  disegno del ciclo di vita del software
• meccanismo per (rigorosamente) descrivere,
  identificare, scoprire e condividere artefatti
  allinterno dei sistemi, sottosistemi e team di
  disegno sia in fase di disegno che runtime

33
Semantic Web in Soft. Engineering (2)

• Il Semantic Web può essere visto come un set di
  corpora formalizzati di contenuti interrelati,
  riusabili e che possono essere ulteriormente
  classificati come
• passivi, dati in forma di
• documenti e dati piatti HTML, XML,..
• documenti e dati generati dinamicamente via JSP,
  PHP,..
• metadati RDF, OWL
• media, pictures video, music,..
• databases

34
Semantic Web in Soft. Engineering (3)

• Il Semantic Web può essere visto come un set di
  corpora formalizzati di contenuti interrelati,
  riusabili e che possono essere ulteriormente
  classificati come
• attivi, funzionalità presentate come
• Web services, semantic web services
• componenti funzionali referenziati come frammenti
  con contenuti passivi (Java script, Java applets)
• Sia gli attivi che i passivi possono essere
  descritti usando tecniche ontologiche

35
Intelligenza Artificiale (IA)

• I calcolatori generali (general purpose) hanno la
  caratteristica di essere macchine simboliche,
  ovvero sono
• (1) macchine capaci di manipolare strutture di
  simboli da porre in corrispondenza ad entità
  diverse
• parole di una lingua naturale,
• espressioni matematiche,
• posizioni del gioco degli scacchi,
• oggetti da riconoscere e classificare,

36
Intelligenza Artificiale (IA)

• I calcolatori generali (general purpose) sono
• (2) macchine capaci di utilizzare listruzione di
  salto condizionato che consente di cambiare
  lordine di esecuzione delle istruzioni.
• La macchina rivela una capacità discriminativa,
  ovvero seleziona/sceglie la sequenza di
  istruzioni da eseguire rivelando un atteggiamento
  intelligente.

37
Intelligenza Artificiale (IA)

• Inizialmente
• attenzione allanalisi di problemi relativi ad
  ambiti ben delimitati, per risolvere i quali
  bastano regole esplicite per lelaborazione
  simbolica e poca conoscenza specializzata.
• Successivamente
• da elaborazione simbolica a conoscenza tacita, ad
  abilità senso-motorie, alla capacità di
  adattamento allambiente naturale o alle
  interazioni sociali con altri agenti naturali o
  artificiali.

38
Intelligenza Artificiale (IA)

• Inizialmente
• convinzione che compito principale dellIA fosse
  lo studio delle strategie di soluzione di
  problemi efficacemente selettive, o euristiche.
• La programmazione euristica, analogamente agli
  esseri umani, esplora solo una parte dei percorsi
  che, in base alle informazioni possedute,
  potrebbero portare ad una soluzione accettabile
  del problema dato e che soddisfino alcuni
  requisiti irrinunciabili.

39
Intelligenza Artificiale (IA)

• Tipicamente fondati sulla programmazione
  euristica sono i sistemi basati su conoscenza (e
  tra questi i sistemi esperti) tutti basati su
  una base di conoscenza che raccoglie e
  sistematizza conoscenze e tecniche di
  ragionamento euristico.
• Su una base di conoscenza opera un motore
  inferenziale che risolve i problemi posti, anche
  simulando tecniche di ragionamento euristico.
• I sistemi basati su conoscenza vengono
  considerati uno dei prodotti principali della
  Intelligenza Artificiale simbolica.

40
Intelligenza Artificiale (IA)

• I sistemi basati su conoscenza non permettono di
  affrontare adeguatamente alcuni aspetti
• Conoscenza tacita il comportamento intelligente
  che si ispira al saper fare, ovvero ad una
  abilità difficile da descrivere con conoscenze
  dichiarative e regole esplicite di manipolazione
  simbolica
• Azioni in tempo reale capacità di reazione
  adeguate in tempi utili per il problema
• Robustezza capacità di lavorare anche in
  situazioni diverse da quelle previste dai
  progettisti

41
Intelligenza Artificiale (IA)

• Il connessionismo ha affrontato con un qualche
  successo alcuni problemi di conoscenza tacita e
  robustezza.
• Il modello di un sistema di IA, in tal caso,
  assomiglia più ad un robot immerso in un ambiente
  non predeterminato dal progettista ed in grado di
  mostrare comportamenti adattivi in tempo reale,
  che ad un calcolatore in grado di sostenere una
  conversazione o di giocare una partita a scacchi.
• Il connessionismo rivela incapacità di simulare
  ampie capacità di ragionamento e di affrontare i
  problemi dellIA distribuita e dei sistemi
  multiagente (ogni agente deve comunicare con
  altri agenti, formarsi aspettative sui risultati
  delle interazioni, ragionare su obiettivi e
  capacità di altri agenti, dimensione sociale
  dellIA).

42
Intelligenza Artificiale (IA)

• La costruzione di programmi simulativi che siano
  in grado di fornire indicazioni (spiegare) su
  certe capacità cognitive è assimilabile al
  processo di costruzione e revisione dei modelli
  scientifici.
• Quando il programma gira sul calcolatore,
  diventa possibile individuarne le lacune,
  suggerire modifiche per migliorarlo trovando
  nelle sue prestazioni conferme o smentite della
  teoria generale.
• Es. General Problem Solver che dimostrava di
  essere una simulazione del protocollo verbale di
  un soggetto umano alle prese con la dimostrazione
  di un teorema di logica proposizionale.

43
Intelligenza Artificiale (IA) in pratica

• Dal punto di vista ingegneristico
• Le applicazioni dellIA sono valutate per le
  loro capacità e prestazioni, indipendentemente
  dai metodi utilizzati.
• Idea di base costruire macchine che non
  necessariamente simulino, riproducendolo, il
  comportamento del cervello umano, ma che siano in
  grado di emularlo selettivamente nel risultato
  finale di certe operazioni

44
Architettura di base di un sistema di IAambiente

• Un sistema IA non è un insieme di istruzioni
  immutabili che rappresentano la soluzione di un
  problema, bensì un ambiente in cui rappresentare,
  utilizzare e modificare una base di conoscenza.
• La soluzione viene costruita dinamicamente a
  fronte di un certo numero di possibilità.

45
Architettura di base di un sistema di IAambiente

• Un sistema IA deve esprimere due tipi distinti di
  conoscenza
• una base di conoscenza (che raccoglie la
  conoscenza di dominio e del problema attraverso
  asserzioni e fatti da un lato e relazioni e
  regole dallaltro)
• un motore inferenziale che utilizza la base di
  conoscenza per giungere alla soluzione e fornire
  spiegazioni. Scelta dinamica di quale conoscenza
  utilizzare nel processo risolutivo.
• forward chaining versus backward chaining.

46
Logica

• La logica è sicuramente uno degli strumenti più
  antichi, assestati e rigorosi utilizzati
  dalluomo per formalizzare e spiegare il proprio
  ragionamento.
• La logica è semanticamente ben definita,
  altamente dichiarativa, ed ha un apparato
  deduttivo generale.
• La logica classica è utilizzata in IA per
  rappresentare la conoscenza su un problema (anche
  se con alcune limitazioni). La BdC diventa una
  collezione di asserzioni della logica dei
  predicati del primo ordine le regole di
  inferenza permettono di dedurre nuove asserzioni
  (teoremi) non esplicitamente contenute nella BdC

47
Programmazione logica e Prolog

• La programmazione logica nasce negli anni 70
• Kowalsky ad Edimburgo definì i fondamenti teorici
  della progr. logica ed uninterpretazione
  procedurale delle clausole della logica che
  permette di ridurre il processo di dimostrazione
  di un teorema al tradizionale processo di
  computazione dei linguaggi di programmazione.
• Colmeraurer a Marsiglia nel 72 realizzò un
  interprete per il linguaggio Prolog.

48
Apprendimento automatico

• Un sistema non potrà dirsi intelligente se
  manca della proprietà di accrescere le proprie
  conoscenze e migliorare le proprie abilità
  (apprendimento).
• Per raggiungere questo obiettivo bisogna dotare
  le macchine simboliche di capacità di
  ragionamento induttivo oltre che deduttivo.

49
Apprendimento automatico

• Il ragionamento induttivo procede
• da asserzioni singolari riguardanti particolari
  fatti o fenomeni (esempi)
• ad asserzioni universali esprimibili mediante
  ipotesi o teorie che spieghino i fatti dati e
  siano in grado di predirne di nuovi.
• Linferenza deduttiva preserva la verità (nel
  senso della correttezza logica)
• Linferenza induttiva non garantisce ciò e può
  tendere ad uneccessiva generalizzazione e a
  produrre errori.

50
Limiti, problemi aperti e

• Lapprendimento e la rappresentazione del senso
  comune sono ben lontani dallessere una soluzione
  completa.
• Limitata crescita incrementale della conoscenza e
  costi elevati nel produrla
• Alto costo di manutenzione dei sistemi
  intelligenti
• Sistemi inferiori alle aspettative iniziali

51
aspettative

• Supporto allaccesso di informazioni in grandi
  patrimoni conoscitivi (archivi aziendali,
  informazioni on-line, repositories di dominio,)
  che richiede la capacità di analisi e gestione di
  dati eterogenei e ridondanti.
• Strumenti per lestrazione di conoscenza ad ampio
  spettro che utilizzino tecniche di apprendimento
  automatico.
• Capacità di integrare, allinterno di sistemi
  informativi generali, moduli che producano task
  intelligenti
• Navigazione intelligente sul web

52
IA debole versus IA forte

• LIA debole si propone di costruire (reale
  costruibilità) macchine che si comportino come
  se fossero intelligenti, ossia macchine capaci
  di risolvere tutti i problemi che lintelligenza
  umana sa risolvere.
• LIA forte afferma che la macchina che agisce in
  modo intelligente deve avere una intelligenza
  cosciente, una mente cosciente indistinguibile
  dalla mente umana lIA forte vuol dare risposta
  al problema astratto di che cosa sia il pensare
  per una macchina, anche se poi non riesce a
  costruire macchine intelligenti.

53

• Le simulazioni al calcolatore dei processi
  cerebrali forniscono modelli degli aspetti
  formali di questi processi, ma la simulazione non
  va confusa con la riproduzione.
• Il modello computazionale dei processi mentali
  non è più reale di quello di qualsiasi altro
  fenomeno naturale. Si può immaginare una
  simulazione al calcolatore dellossidazione degli
  idrocarburi in un motore dautomobile, o dei
  processi di digestione in uno stomaco alle prese
  con una pizza. Nel caso del cervello la
  simulazione non è più reale che nel caso
  dellautomobile e dello stomaco.
• La simulazione di un processo cognitivo non
  produce gli stessi effetti della neurobiologia di
  quel processo cognitivo.
• J.Searle, La mente è un programma?, 1990

54
Bibliografia (per cominciare)

• J. McCarty, M.L. Minsky, N. Rochester, C.E.
  Shannon A proposal for the Dartmouth Summer
  Research Project on Artificial Intelligence,
  1955,
• http//www-formal.stanford.edu/jmc/history/dartmo
  uth/dartmouth.html
• R. Cordeschi, G. Tamburrini LIntelligenza
  Artificiale la storia e le idee, 2001,
• http//www3.humnet.unipi.it/epistemologia/gtamb/i
  a.pdf
• H. Uskoreit Language Technology, A First
  Overview http//www.dfki.de/hansu/LT.pdf
• D. Gelernter Artificial Intelligence is Lost in
  the Woods http//www.technologyreview.com/printer
  _friendly_article.aspx?id18867
• M. Benasayag G. Schmit L'epoca delle passioni
  tristi Feltrinelli Editore, 2004, ISBN
  8807103672, 9788807103674

55
Bibliografia (per cominciare)

• R. Dipert Artifacts. Art works and Agency, 1993,
  Philadelphia Temple University Press
• J. Searle Is the brain a digital computer?,
  Proceedings of The American Philosophical
  Association, 64,3 (1990), pagg.21-38.
• J. Searle The construction of social reality,
  1995, New York Thje Free Press
• J. Doyle, T. Dean Strategic Directions in
  Artificial Intelligence, ACM Computing Surveys,
  28 (4), Dec. 1996

56
Argomenti trattati in questa lezione

• Ruolo dellIA nellICT
• Elaborazione del linguaggio naturale come punto
  di riferimento per lIA
• Gestione della conoscenza come punto di
  riferimento per lIA
• Ruolo dellIA nella Ingegneria del Software