PARTE A. SVILUPPO DEI SISTEMI BASATI SULLA CONOSCENZA

1. Ingegneria del Software, Ciclo di Vita e Metodologie di Sviluppo (3 ore)

Modello dei processi per la realizzazioine e l'uso del software, processi primari, di supporto e di gestione. Motivazioni per un ciclo di vita. Ciclo di vita del software tradizionale. Modello a cascata e a spirale. Requisiti per un ciclo di vita per gli SBC. Ciclo di vita di riferimento: organizzazione, fasi, compiti. Metodologie di sviluppo: organizzazione, attività e metodi.

[G. & T. 94, G. & T. 89]

2. Elementi di base dei Sistemi Basati sulla Conoscenza (SBC). (2 ore)

Definizione di SBC. Confronto con i sistemi software tradizionali. Architettura degli SBC. Nucleo e sistema vuoto. Parti periferiche di un SBC. Classificazioni dei SBC. Sviluppo del software tradizionale e dei sistemi basati sulla conosceneza.

[G. & T. 94]

3. Processi per lo Sviluppo dei Sistemi Basati sulla Conoscenza (30 ore)

Processi primari di analisi. Analisi di opportunità: descrizione dei passi e dei compiti. Modello processi-strutture dell'organizzazione: area, dominio, dominio knowledge-intensive e knowledge problem. Valutazione analitica delle opportunità e piano master.

Studio di plausibilità: descrizione dei passi e dei compiti. Concetto di plausibilità e sua valutazione. Requisiti, obiettivi, specifiche e criteri di accettazione di un SBC. Fattibilità tecnica e progetto preliminare. Impatto e progetto organizzativo. Pianificazione di un progetto. Valutazione economica costi/benefici. Realizzabilità, opportunità e rischi, valutazione degli esperti di dominio. Plausibilità globale.

Processi primari di sviluppo. Sviluppo del dimostratore: descrizione dei passi e dei compiti. Tipi di dimostratori. Specifiche del dimostratore. Progetto e sviluppo. Preparazione, esecuzione e valutazione della dimostrazione.

Sviluppo del prototipo: descrizione dei passi e dei compiti. Principi di progettazione: modello concettuale, logico, spazio di progetto. Paradigmi di progettazione: basati su modelli, su strumenti e su task.Strumenti per lo sviluppo: ambiente di sviluppo di base e sistema di supporto allo sviluppo. Selezione degli strumenti di sviluppo. Progetto del modello concettuale: strategia top-down e bottom-up. Progettazione tecnica. Realizzazione, valutazione, raffinameento, e documentazione del prototoipo.

Implementazione, installazione ed avvio del sistema finale. Descrizione dei passi e dei compiti. Approcci per l'implementazione del sistema finale.

Processi primari operativi: manutenzione ed estensione. Descrizione dei passi e dei compiti. Approcci alla manutenzione.

Processi di supporto e di gestione. Controllo di qualità: definizione di qualità, ambito e pianificazione degmli interventi di controllo della qualità. Verifica e validazione: definizione, attributi comportamentali ed ontologici per la verifica e tecniche per la loro valutazione, testing e ispezione; validazione tecnica e sociale. Documentazione. Gestione di un processo di sviluppo di un SBC: gruppo di lavoro, pianificazione del progetto, regole di gestione.Training.

[G. & T. 94]

Parte B. Acquisizione della Conoscenza (10 ore)

4. Introduzione all'Acquisizione della Conoscenza

Il problema dell'acquisizione della conoscenza nello sviluppo di SBC. Il processo di acquisizione della conoscenza nell'ambito del ciclo di vita di un SBC. Acquisizione campionaria ed acquisizione estensiva.

Tipi delle conoscenze da acquisire: conoscneze fattuali, relazionali, fenomenologiche e strategiche. Livelli di astrazione delle conoscenze da acquisire: livello linguistico, concettuale ed epistemologico. Sorgenti della conoscenza: dati verbali, documenti scritti, osservazione naturalistica.Conoscenza esplicita e conoscenza tacita.

Organizzazione generale del processo di acquisizione: metodi top-down e bottom-up. Metodologia per l'acquisizione della conoscenza: pianificazione del processo di acquisizione, classificazione e scelta delle tecniche di elicitazione.

5. Tecniche di Acquisizione della Conoscenza ed Automazione

Tecniche di elicitazione diretta: intervista tutoriale, focalizzata, strutturate, simulazione, thinking-aloud, osservazione inquisitiva, commentari, simulazioni, teach-back, paper review, revisioni. L'intervista degli esperti: comunicazione efficace, preparazione ed esecuzione dell'intervista.

Tecniche di elicitazione indiretta: card sorting, multidimensional scaling, personal construct theory a griglie di repertorio. Esempi e valutazioni.

Il caso degli esperti multipli.

Automazione del processo di acquisizione. Classificazione degli strumenti per l'acquisizione automatica. Tecniche basate sull'induzione: inferenza induttiva, algoritmo ID3, applicabilità dei metodi basati sull'induzione.

[G. & T. 94]

Parte C. Rappresentazione di Sistemi Fisici e Diagnostica

6. Sistemi di Rappresentazione Basati sull'Uso di Conoscenza Profonda (2 ore)

Limitazioni dei sistemi basati su conoscenza superficiale. Motivazioni tecniche e cognitive allo studio della conoscenza profonda. Conoscenza profonda: requisiti e definizione. Confronto fra conoscenza superficiale e profonda. Limitazioni dei sistemi basati su conoscenza profonda. Approcci basati su integrazione di conoscenza superficiale e profonda, approcci basati su compilazione di conoscenza. Approcci quantitativi e qualitativi. Vantaggi e limitazioni dei due approcci. Terminologia per la classificazione della conoscenza profonda: conoscenza strutturale, conoscenza comportamentale, conoscenza funzionale, conoscenza teleologica.

[Guida 86]

7. Fisica Qualitativa (3 ore)

Definizione ed obiettivi della fisica qualitativa. Caratteristiche comuni ai diversi approcci esistenti. Un approccio specifico: QSIM. Concetti di base: reasonable function, landmark, distinguished time-point, stato qualitativo, comportamento qualitativo, P-transizioni, I-transizioni, vincoli. La simulazione qualitativa: analisi degli algoritmi usati in QSIM. Principali limitazioni di QSIM.

[Kuipers 86]

8. Tecniche di Diagnosi Basata su Modello (3 ore)

Descrizione intuitiva del problema diagnostico. Definizione formale. Approcci diagnostici tradizionali: ATE e sistemi basati su conoscenza superficiale. Gli approcci basati su conoscenza profonda: diagnosi basata su modello. Studio di un approccio specifico: GDE. Concetti di base: sintomo, conflict, candidate, minimal candidate. Utilizzo dell'ATMS in GDE. Il ragionamento diagnostico in GDE: conflict recognition, candidate generation, prescrizione di test. Principali limitazioni di GDE.

[De Kleer & W. 86]

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

9. Rappresentazione Multimodello dei Sistemi Fisici (2 ore)

Motivazioni tecniche e cognitive all'utilizzo di modelli multipli nei sistemi basati su conoscenza profonda. Gli approcci esistenti e le loro limitazioni. Studio di un approccio specifico: il multi-modeling. Concetti di base: ontologie, assunzioni rappresentazionali, tipi epistemologici, livelli d'aggregazione, legami tra modelli. Modelli strutturale, comportamentale, funzionale, teleologico. Relazioni esistenti fra i modelli. Diagnosi basata su modelli multipli. Il sistema DYNAMIS.

[Chittaro & al. 93]

Materiale didattico

Testo adottato:

[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.

[App.] Appunti delle lezioni.

Bibliografia

[Bohem 88] Bohem, B., W. A Spiral Model of Software Development and Enhancement. Computer, May 1988, pp. 61-72.

[Chittaro & al. 93] Chittaro L., Guida G., Tasso C. e Toppano E. Functional and Teleological Knowledge in the Multimodeling Approach for Reasoning about Physical Systems: A Case Study in Diagnosis, IEEE Transaction on Systems, Man and Cybernetics, 23(6), 1718-1751, 1993.

[De Kleer & W. 86] De Kleer J. e Williams B.C. Diagnosing multiple faults. Artificial Intelligence 32, 97-130, 1987.

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

[Guida 86] Guida G. Reasoning about physical systems: Shallow versus deep models. In A. Mamdani, J. Efstathiou (a cura di) Expert Systems and Optimization in Process Control, Technical Press, Aldershot, UK, 135-159, 1986.

[Jackson 90] Jackson, P., Introduction to Expert Systems - Second Edition, Addison-Wesley, Reading, MA, 1990.

[Jackson 88] Jackson, A.H. Machine learning. Expert Systems 5(2), 132-149, 1988.

[Kuipers 86] Kuipers B. Qualitative Simulation. Artificial Intelligence 29, 289-338, 1986.

[Rich & Knight 91] Rich, E., K. Knight, Artificial Intelligence, Second Edition, McGraw Hill, New York, NY, 1991.