Intelligenza Artificiale

Slides lezioni, esercitazioni, seminari A.A. 2025-25

NB:  le slide degli argomenti sotto indicati e non ancora svolti a lezione/esercitazione potranno subire modifiche.

a.a. 2025-26 (Le slide delle lezioni non ancora scolte potranno subire modifiche e aggiunte durante il semestre)

• Introduzione al corso e all’IA (cenni storici, obiettivi, aree, ecc.)
• Agenti intelligenti: introduzione e concetti base
• Risoluzione di problemi con ricerca
• Constraint Satisfaction Problems (CSP) e Constraint Programming
• Ricerca con soluzioni resilienti
• Linguaggi di rappresentazione della conoscenza, logica proposizionale e ragionamento
• Logica del primo ordine (sintassi e semantica) 
• Inferenza automatica nella logica del I ordine (NB file grande)
• FACOLTATIVO: Esercitazione Logica Proposizionale
• FACOLTATIVO: Esercitazione Logica I ordine
  • Esercizi01, Esercizio2
• Ragionamento temporale e spaziale attraverso CSP con variabili continue:
  • • Ragionamento temporale (qualitativo e quantitativo).  Tabella di composizione per relazioni temporali atomiche tra intervalli
    • Capitolo libro per approfondimento (facoltativo) ragionamento temporale qualitativo
    • Algoritmi per grafi e Point Algebra: DFS, Ordinamento Topologico, SCC
• Introduzione alla pianificazione automatica 
• Algoritmo di Pianificazione GraphPlan
• Sistema di Pianificazione FF (Fast Forward)
• Sistema di Pianificazione LPG
  • Articoli LPG suggeriti per approfondire: AIPS2002, JAIR2003
•  Il linguaggio di pianificazione PDDL (versione base)
  • Esercizi di formalizzazione in PDDL:
    • Torre di Hanoi (dominio,  problema)
    • BlocksWorld 4 operatori tipizzato (dominio,  problema)
• Esercizi di pianificazione:
  • Planning graph/Graphplan (PDF)
  • Processo di ricerca in FF (PS)
  • “Gara” formalizzazione PDDL (problema contadini)
  • Chiarimenti esercizio/elaborato formalizzazione PDDL 
  • Note aggiuntive: Il dominio non deve essere tipizzato.
    Tutti i predicati presenti sono predicati di dominio ma poi ce ne sono altri. I trattori possono spostare o meno piu’ di un contadino (a scelta vostra). Un trattore può avere agganciato solo uno strumento per volta, quindi serve anche un’azione per sganciare.
• La Libreria Python Unified Planning (UP) – Seminario
• Conoscenza e ragionamento probabilistico:
  • • Introduzione al ragionamento probabilistico
    • Inferenza e ragionamento nelle reti Bayesiane
• Processi Decisionali di Markov (MDP) e Reinforcement Learning 
• Multi-Agent Path Finding/Planning (MAPF)
  • • • slides
      • articolo Conflict-based Search (CBS)

---

Altro materiale da a.a. 2023-24

• Ragionamento Spaziale (solo per 9CFU) e Ragionamento Spazio-temporale (approfondimento facoltativo)

• Approfondimento facoltativo algoritmi ricerca euristica bounded (aggiornato 23/10/23) e articolo euristiche ammissibili per pruning ricerca

 

Materiale aggiuntivo opzionale

Ulteriore materiale RL  svolto in anni precedenti

Pianificazione e apprendimento per rinforzo (slides reinforcement learning)

• Video esempio reinforcement learning
• Video lezione/seminario 1 – YouTube   https://youtu.be/_7vepvWxbow
• Video  lezione/seminario 2 – YouTube  https://youtu.be/Zk_4dyj8Cwg
• Esercizio Bandit
• Esercizio Grid World