Fondamenti di Intelligenza Aritificiale L-S
A.A. 2005-2006

"Tecniche di intelligenza artificiale ispirate a metafore naturali"

Abstract:
L'osservzione di fenomeni e sistemi naturali, come l'evoluzione delle specie viventi, il comportamento degli insetti sociali e il sistema immunitario, ha generato ricerche volte alla modellazione di tali fenomeni e alla loro simulazione. I sistemi cos realizzati sono dotati, come i corrispondenti fenomeni naturali, di capacità computazionali tali da renderli efficaci nella risoluzione di problemi complessi (in ottimizzazione, robotica, apprendimento automatico, controllo, analisi di dati). Lo studio e la progettazione di questi sistemi costituisce oggi un importante settore di ricerca dell'intelligenza artificiale. In questo seminario saranno presentate e discusse due categorie di sistemi ispirati alla natura: la computazione evolutiva e i sistemi ad intelligenza collettiva ("swarm intelligence").

1. Introduction 1 slide per page, 4 slides per page
2. Evolutionary Computation 1 slide per page, 4 slides per page
3. Swarm Intelligence 1 slide per page, 4 slides per page
4. Appendix 1 slide per page, 4 slides per page
5. Metaheuristics 1 slide per page, 4 slides per page

1. A Genetic Programming Tutorial, by Koza and Poli
2. Genetic Algorithms, by Holland
3. Ant Colony Optimization, by Roli
4. Swarm Smarts, by Bonabeau and Theraulaz

Introduzione al web semantico: Il modello semantico ed gli strumenti di supporto

Il problema a cui si deve rispondere è una modellizzazione adeguata per la conoscenza in un dominio specifico e/o la descrizione delle relazioni entro una organizzazione. Il problema è accentuato se si vogliono ottenere degli approcci utilizzabili anche dalle macchine. Problemi di inconsistenza terminologica e l’uso di diversi vocabolari sono all’ordine del giorno. L’identificazione e la riconciliazione di queste distinzioni semantiche è una ragione fondamentale per usare i modelli semantici. Se tassonomie e tesauri fissano un primo livello di semantica per arricchire tale semantica si deve passare a lavorare con ontologie (modelli concettuali). Un modello concettuale è il modello di una particolare area di conoscenza o di attività, chiamata dominio, le sue entità e le relazioni che intercorrono fra queste. Per descrivere i modelli concettuali si possono impiegare le teorie logiche dove si hanno assiomi e regole di inferenza con cui dimostrare dei teoremi. La logica che meglio si adatta a descrivere le ontologie del web semantico è la logica descrittiva. Se la sintassi della logica dei predicati è progettata per rendere facile parlare degli oggetti, le logiche descrittive sono notazioni progettate per facilitare la descrizione della definizione e delle proprietà delle categorie mantenendo l’enfasi sulla struttura tassonomica come principio organizzativo. Inoltre nella logica dei predicati si possono esprimere conoscenze molto articolate e ragionamenti complessi anche se la procedura di deduzione è solo una procedura di semidecisione (cioè se la conclusione non è deducibile delle premesse, la procedura può non terminare) spesso computazionalmente molto costosa; in logica descrittiva si è cercato un linguaggio meno espressivo, ma sufficiente per le applicazioni, in cui la deduzione sia basata su una procedura di decisione (che quindi termina in ogni caso) con complessità di calcolo accettabile. Gli strumenti di supporto al web semantico fondamentali per il suo sviluppo sono: i) un substrato teconologico comune dato dall’utilizzo delle URI (Uniform Resource Identifiers) per identificare risorse e dall’XML (eXstensible MarkUp Language) per la sintassi; ii)l’RDF (Resource Description Framework): un modo per esprimere affermazioni e la sua estensione semantica RDF Schema, che definisce come descrivere classi e proprietà; iii) OWL (Ontology Web Language): un linguaggio per esprimere inferenze proposto dal W3C che estende l’espressività di RDF/RDFS aggiungendo i meccanismi di supporto al ragionamento efficiente dati dalla logica descrittiva.