Docente/Lecturer

Prof. Carlo Tasso

Indirizzo e-mail
carlo.tasso@uniud.it

Indirizzo Pagina Web Personale

http://www.dimi.uniud.it/tasso/

Crediti/Credits

6 CFU

The course is held in English

Aims

Introducing Artificial Intelligence (AI) and some of its major areas, such as knowledge-based systems, expert systems, knowledge representation and reasoning techniques, natural language processing (NLP).

Program

The course describes the techniques for knowledge representation and reasoning algorithms, both at a basic level and at a more advanced one, the techniques for conceptual modeling, some basic problem of NLP and Web search. Moreover, several examples highlighting the AI approach vs. the traditional algorithmic approach are illustrated. More specifically the course deals with: Basic definitions, Areas of AI, Historical development of AI, Basics of KR, Semantic networks, Conceptual Graphs, Frames, Production Rules, Problem Solving and Search, Non monotonic reasoning systems (JTMS; ATMS), Ontologies, concept maps and topic maps, Diagnosis, Heuristic Classification, Generic Tasks, Problems in searching information in the Web, Search engines for the Semantic Web. Basics of Information Extraction.

References

The material (slide, papers, textbooks, etc.) can be found on materialedidattico.uniud.it

Exams

Written examination.

 ******************************************************************************************************

Finalità

Introdurre all’intelligenza artificiale (IA) e ad alcuni dei suoi principali settori, quali i sistemi basati sulla conoscenza, dei sistemi esperti, le tecniche di rappresentazione della conoscenza e ragionamento, l’elaborazione del linguaggio naturale (NLP).

Programma

Il corso descrive i meccanismi per la rappresentazione della conoscenza (KR) e gli algoritmi di ragionamento, i sistemi per il ragionamento non monotono, e le tecniche di modellizzazione concettuale, (ontologie, ecc.) . Introduce altresì alle problematiche di base dell’NLP, Natural Language Processing. Inoltre vengono esaminati esempi di applicazioni che mettono in evidenza il diverso approccio IA rispetto all’approccio tradizionale, in particolare nel Web.
In particolare, gli argomenti trattati sono i seguenti: Introduzione al corso. Definizioni di Base. Settori dell’IA. Storia dell’IA. Ipotesi di Smith. Introduzione alla KR. Logica come metodo di KR. Reti Semantiche. Grafi concettuali. Complementi sulle reti semantiche. Frame. Regole di Produzione. Spazio degli Stati e Problem Solving. Sistemi per il ragionamento non monotono. JTMS, ATMS. Tecniche di modellizzazione concettuale. Diagnosi e Heuristic Classification. Task generici. Ontologie, concept map e topic map. Problematiche nel campo della ricerca di informazioni, motori di ricerca su Web. Cenni alle tecniche di Information Extraction. Motori di ricerca innovativi.

Bibliografia

Materiale didattico (slide, articoli, libri, testi esami ed esercitazioni) sono disponibili sul sito MaterialeDidattico.uniud.it

Modalità d'esame

Esame scritto.