Syllabus dettagliato del corso di

Ingegneria della Conoscenza e Sistemi Esperti 1

Prof. Carlo Tasso

A.A. 1998/99

 

 

Parte A. Introduzione

1. Elementi di base dell'Intelligenza Artificiale (IA) (5 ore)

Introduzione alle problematiche dell'IA: approccio tradizionale e approccio dell'IA; test di Turing.
Il problema della rappresentazione della conoscenza: fondamenti del problema, ipotesi di Smith, criteri di valutazione dei metodi di rappresentazione. Principali aree disciplinari dell'IA.

[G. & T. 94]

Parte B. Tecniche di Base dell'Intelligenza Artificiale

2. Metodi di base: Rappresentazione della Conoscenza e Algoritmi di Ragionamento (14 ore)

Cenni alla Logica come metodo di rappresentazione.

Le reti semantiche: struttura e caratteristiche, la relazione IS-A, ragionamento basato su reti (intersection search e eredità), valutazione delle reti. Le triple O-A-V.

I frame: struttura e caratteristiche, ragionamento basato su frame (defualt reasoning e attaccamento procedurale), valutazione critica dei frame.

Regole di produzione: struttura e caratteristiche, ragionamento basato su regole (deduzione, induzione e giustificazione), strategie forward, backward, e ibride, valutazione critica. Meccanismi di unificazione ed instanziazione delle regole. Valutazione delle regole. Metodi ibridi di rappresentazione I sistemi di produzioni Architettura di un sistema di produzioni. Ciclo di base recognize-act (matching, risoluzione dei conflitti ed esecuzione). Spazio di ricerca, motori inferenziali non deterministici. Conosenza di controllo, metaconoscenza. Reti inferenziali, alberi and/or, stretegie di ricerca. Modelli di ragionamento approssimato. Analisi critica dei sistemi basati su regole e confronto con i LdP tradizionali.

[App., Fum 94]

3. Grafi Concettuali (4 ore)

Definizoni di base. Gerarchia dei tipi. Referenti. Relazioni. Base Canonica. Operazioni sui grafi concettuali. Realzioni con il calcolo dei predicati del primo ordine. Esempi. Metodologia di costruzione dei grafi concettuali. Valutazioni critiche.

[App., Sowa 84]

4. Sistemi per il Ragionamento Non Monotono (10 ore)

Ragionamento monotono. Ragionamento non monotono basato su belief e su ritrattazione. Sistemi per il mantenimento della consistenza (TMS).

Sistema basato su giustificazioni (JTMS): architettura generale, nodi, giustificazioni, funzionalità principali, etichettatura dei nodi, liste di supporto, premesse, giustificazioni monotone, assunzioni come giustificazioni non monotone, rappresentazione dei nodi, reti di dipendenza, procedura di truth maintenance, trattamento della circolarità, backtracking guidato dalle dipendenze, confronto con il backtracking cronologico, valutazioni critiche.

Sistema basato su assunzioni (ATMS): ragionamento ipotetico, nodi, assunzioni, giustificazioni, ambienti, nogood, reticolo degli ambienti, contesti, etichette, obiettivi dell'ATMS, tipi di nodi, rappresentazione dei nodi, premesse, assunzioni, nodi derivati, funzionamento, confronto con JTMS e valutazioni critiche.

Esempi d'uso di JTMS e ATMS. Applicazioni dei TMS.

[Doyle 79, De Kleer 86]

5. Architetture a Blackboard (2 ore)

Modello generale di problem solving basato su memoria condivisa (blackboard). Architettura a blackboard, sorgenti di conoscenza (KS). Problema della schedulazione delle KS. Applicazioni. Shell basati su blackboard.

[Nii 86a e b]

6. Classificazione Euristica e Task Generici (4 ore)

Compiti tipici dei sistemi basati sulla conoscenza (SBC), compiti analitici e sintetici, interpretazione dati, envisionment, monitoraggio, diagnosi, decision making, pianificazione, progetto, compilazione di azioni. Compiti complessi come combinazione di compiti più elementari.

Modelli di problem solving. Classificazione semplice. Classificazione euristica: astrazione (qualitativa, per definizione e per generalizzazione) e raffinamento, legami euristici, strategie di ragionamento.

Task generici: classificazione gerarchica, matching di ipotesi, passaggio di informazioni guidato dalla conoscenza, assemblaggio abduttivo.

[G. & T. 94, Chandr. 86, Clancey 85, Steels 90]

Parte C. Applicazioni e Progetti di Ricerca nel Campo dei Sistemi Basati sulla Conoscenza

7.Interfacce Intelligenti e Modellizzazione dell'Utente nei Sistemi di Reperimento dell'Informazione: i Progetti FIRE, UMT e IFT (8 ore)

Introduzione alle interfacce a sistemi di information retrieval. Il sistema FIRE.
Modellizzazione dell'utente. Non monotonicità del processo di modellizzazione. Il sistema UMT- uno shell per la realizzazione di sistemi di modellizzazione non monotona: architettura, moduli principali, basi di conoscenza e funzionamento. Utilizzo di ATMS per il modulo di gestione della consistenza del modello d'utente. Valutazione critica.
Il sistema IFT per il filtraggio di informazione basato su modellizzazione di utente .

[Brajnik & T. 94]

8. Sistemi Tutoriali Intelligenti: il Progetto ET (8 ore)

Introduzione ai sistemi tutoriali intelligenti confrontati con l'approccio classico del CAI. Architettura classica: modulo esperto, modellatore dello studente, modulo tutoriale. Non monotonicità del processo di modellizzazione dello studente. Il sistema ET per l'apprendimento delle lingue. Uso dell'ATMS nel modellatore di ET.

[Fum & al. 88, Tasso & al. 92]

 

Materiale didattico

Testo adottato:

[App.] Appunti delle lezioni.

[G. & T. 94] Guida, G., Tasso, C. Design and Development of Knowledge-Based Systems: From Life Cycle to Methodology. John Wiley & Sons, Chichester, UK, 1994.

[Fum 94] Fum, D., Intelligenza Artificiale. Il Mulino, Bologna, 1994.

 

 

Bibliografia

[Brajnik & T. 94] Brajnik, G., Tasso, C. A Shell for Developing Non-Monotonic User Modeling Systems. International Journal of Human-Computer Studies, 40, 31-62, 1994.

[Chandr. 86] Chandrasekaran, B. Generic Tasks in Knowledge-Based Reasoning: High Level Building Blocks for Expert System Design. IEEE Expert 1(3), 23-30, 1986.

[Clancey 85] Clancey, W. J. Heuristic Classfication. Artificial Intelligence 27(3), 285-350, 1985.

[De Kleer 86] De Kleer, J. An Assumption-based TMS. Artificial Intelligence 28, 127-162, 1986.

[Doyle 79] Doyle, J. A Truth Maintenance System. Artificial Intelligence 12, 231-272, 1979.

[Fum & al. 88] Fum, D., Giangrandi, P., Tasso, C. ET: An Intelligent Tutor for Foreign Language Teaching. Proceedings of ITS-88 - International Conference on Intelligent Tutoring Systems, Montreal, Canada, June 1-3, 462-468, 1988.

[G. & T. 89] Guida, G., Tasso, C. (a cura di) Expert system design: Methodolgies and Tools. North-Holland, Amsterdam, NL, 1989.

Jackson, P., Introduction to Expert Systems - Second Edition, Addison-Wesley, Reading, MA, 1990.

[Nii 86a] Nii, H. P. Blackboard Systems: The Blackboard Model of Problem Solving and the Evolution of Blackboard Architectures. The AI Magazine 7(3), 38-53, 1986.

[Nii 86b] Nii, H. P. Blackboard Systems: Blackboard Systems from a Knowledge Engineering Perspective. The AI Magazine 7(3), 82-106, 1986.

Rich, E., K. Knight, Artificial Intelligence, Second Edition, McGraw Hill, New York, NY, 1991.

[Sowa 84] Sowa, J.F., Conceptual Structures: Information Processing in Mind and Machgine. Addison-Wesley, Reading, MA, 1984.

[Steels 90] Steels, L. Components of Expertise. AI Magazine 11(2), 29-49, 1990.

[Tasso & al. 92] Tasso, C., Fum, D., Giangrandi, P. The Use of Explanation-Based Learning for Modeling Student Behavior in Foreign Language Tutoring. In M.L. Swartz, M. Yazdani (a cura di) Intelligent Tutoring Systems for Foreign Language Learning, Springer Verlag, New York, 1992.