ANNUNCI

ORARI LABORATORI QUESTA SETTIMANA NIENTE RICEVIMENTO QUESTA SETTIMANA

(VISITATORE DALLA GERMANIA) Modulo B:

NON CI SARANNO LEZIONI MARTEDI’ 10-12 (B2) IL 4 APRILE (CONFERENZA EACL)

ULTIMA LEZIONE (10-11 APRILE): RIASSUNTO DEL CORSO, ESEMPI DOMANDE ESAMI

APPELLI: INSIEME A MODULO C, 15 E 30 GIUGNO

LABORATORI QUESTA SETTIMANA

LUN MAR MER GIO VEN

8-10 LAB ALAB A (30/3)

10-12LAB B (& B2)

LAB E

12-14 C2

14-16LAB D? (& B3)

D

16-18 LAB C C3

18-20 B1 C1

RICEVIMENTO (MASSIMO POESIO)

Ricevimento: Martedi’ 16-18, via Sighele 7

NON questa settimana

INFORMATICA UMANISTICA B

8: INTELLIGENZA ARTIFICIALE

INTELLIGENZA ARTIFICIALE:UNA DEFINIZIONE

“L’intelligenza artificiale è quella disciplina appartenente all’informatica che studia i fondamenti teorici, le metodologie e le tecniche che permettono di progettare sistemi hardware e sistemi software capaci di fornire a un elaboratore delle prestazioni che, per un osservatore comune, sembrerebbero essere di esclusiva pertinenza dell’intelligenza umana”

BREVE STORIA DELL’INTELLIGENZA ARTIFICIALE

PRECURSORI: interesse nello sviluppo di ‘esseri umani meccanici’; ‘robots’ dalla fantascienza

DOPO LA GUERRA: cibernetica, giochi, ragionamento automatico, traduzione automatica

IL RUOLO DELLA COMMONSENSE KNOWLEDGE nel linguaggio / nei sistemi esperti

IL RUOLO CENTRALE DELLE TEORIE DI APPRENDIMENTO

L’IA COME INDUSTRIA L’IA COME SCIENZA

I PRECURSORI

LE GRANDI ASPETTATIVE DEI PRIMI ANNI (1956-1969)

Obiettivo principale: trovare dei metodi di risoluzione dei problemi GENERALI che si potessero applicare a problemi considerati ‘caratteristici dell’intelligenza avanzata’ come il gioco degli scacchi o la dimostrazione automatica dei teoremi

COMPUTER CHESS:DEEP BLUE

Nel 1997, il programma DEEP BLUE sviluppato da ricercatoridell’IBM guidati da Feng-hsiung Hsu batte’ il campione del mondo Gary Kasparov su sei gare

HEURISTIC SEARCH

La ricerca IA negli anni ’50 e ’60 si concentro’ sullo sviluppo di algoritmi di RICERCA estremamente efficienti che permettessero di analizzare un numero enorme di possibilita’ usando delle FUNZIONI EURISTICHE

I PRIMI PROBLEMI (1966-1973)

Insuccesso programmi di traduzione automatica: il rapporto ALPAC Ritiro sovvenzioni Crisi generale

Insuccesso nello sviluppo di programmi di visione

LA TRADUZIONE AUTOMATICA

LA TRADUZIONE AUTOMATICA

LE SCOPERTE CHIAVE DELLA IA, 1 Molte delle attivita’ che noi consideriamo ‘intelligenti’

(giocare a scacchi, dimostrare un teorema matematico) sono (relativamente) facili per un calcolatore usando la forza bruta (= heuristic search)

Gli aspetti della cognizione umana che sono piu’ difficili per un calcolatore sono le attivita’ che noi svolgiamo senza pensarci: Comprensione del linguaggio Visione

Tutte queste attivita’ richiedono quantita’ enormi di conoscenza e la capacita’ di fare ragionamento ‘commonsense’

I SISTEMI BASATI SULLA CONOSCENZA (1969-1985)

Sviluppo di tecniche per la RAPPRESENTAZIONE DELLA CONOSCENZA

Sviluppo dei primi SISTEMI ESPERTI Importanza della conoscenza del dominio Sistemi di supporto all’esperto umano

Trattamento del linguaggio naturale Attenzione all’aspetto semantico oltre a

quello sintattico

RAPPRESENTAZIONE DELLA CONOSCENZA

LOGICA e ragionamento automatico La logica del primo ordine e’ la forma piu’ antica di

formalizzazione del ragionamento Venne naturale pensare di utilizzare metodi logici per

codificare il ragionamento (particolarmente di tipo matematico)

Rappresentazione della COMMONSENSE KNOWLEDGE (SENSO COMUNE) A partire dagli anni ’60 si svilupparono meccanismi di

ragionamento ispirati agli studi psicologici

LA LOGICA DI ARISTOTELE

Tutti gli uomini sono mortaliSocrate e’ un uomo.Quindi, Socrate e’ mortale.

IL SILLOGISMO (Aristotele, Analitici primi ed altre opere):

DALLA LOGICA AL RAGIONAMENTO AUTOMATICO

A partire dagli anni ’50 vennero sviluppati una serie di metodi di dimostrazione di teoremi basati sulla logica del primo ordine sufficientemente formali da poter essere ’meccanizzati’

Queste tecniche continuano ad essere sviluppate ed hanno portato alla creazione di ‘theorem provers’ in grado di dimostrare teoremi non banali

IL PROBLEMA DEI QUATTRO COLORI

Congettura: dato un piano diviso in regioni, e’ possibile colorare le regioni usando non piu’ di 4 colori in modo che due regioni ADIACENTI siano sempre di colore diverso

Provato da un dimostratore automatico di teoremi nel 1997

DIMOSTRAZIONE AUTOMATICA: RISOLUZIONE

All Cretans are islanders. All islanders are liars. Therefore all Cretans are liars.

∀X C(X) implies I(X) ∀X I(X) implies L(X) Therefore, X C(X) implies L(X) ∀

¬C(X) ∨ I(X) ¬I(Y) L(Y) ∨

¬C(X) L(Y) ∨

Per gli entusiasti …..

ESEMPI DI THEOREM PROVER ‘HIGH PERFORMANCE’

Otter Donner & Blitzen

SCOPERTA CHIAVE DELL’IAN. 2

La logica da sola non e’ sufficiente come teoria del ragionamento `commonsense’ umano

LIMITI DELLA LOGICA TRADIZIONALE

Falso problema: la logica tradizionale e’ una formalizzazione del ragionamento ‘veridico’, ma il ragionamento umano non e’ sempre veridico Soluzione: logiche non monotone

Problema piu’ serio: la logica NON ci dice quali sono le inferenze richieste

Altro problema: la complessita’ Un terzo problema discusso di seguito

USO DELLA ‘COMMONSENSE KNOWLEDGE’ NELLA COMPRENSIONE DEL LINGUAGGIO

Sidner (1979): The city council refused the women a permit

because they feared violence. The city council refused the women a permit

because they advocated violence Hirst (1981):

BRISBANE – a terrific right rip from Hector Thompson dropped Ross Eadie at Sandgate on Friday night and won him the Australian welterweight boxing title.

DUE VISIONI DELL’INTELLIGENZA ARTIFICIALE

Visione 1: lo sviluppo di programmi capaci di eseguire compiti intelligenti, possibilmente MEGLIO degli esseri umani

Visione 2: lo sviluppo di programmi capaci di SIMULARE comportamenti umani Con l’obiettivo di studiare come si comportano gli

umani (visione cognitiva) Con l’obiettivo di creare macchine che possano

interagire con gli umani

RETI SEMANTICHE: RISULTATI DALLA PSICOLOGIA COGNITIVA

Collins & Quillian, 1969: tempi per decidere se un oggetto ha una certa proprieta’ aumentano a seconda della ‘distanza’ A canary is yellow A canary has feathers A canary eats food

Haviland & Clark 1974, Sanford & Garrod 1979: I looked around the house. The lounge was very spacious.

LE RETI SEMANTICHE

RETI SEMANTICHE: IL PRESENTE

Idee sviluppate nel lavoro sulle reti semantiche vengono oggi applicate anche in ambiti non strettamente ‘IA’ Nei linguaggi di programmazione ‘ad oggetti’

come Java Nel SEMANTIC WEB (lezione prossima)

SCRIPTS (SCHANK & ABELSON, 1977)

Giovanni entro’ al ristorante.

Il menu’ era cambiato; ordino’ uno dei nuovi piatti.

Il conto fu salatissimo.

CONOSCENZE STEREOTIPE NELLA COMPRENSIONE DEL LINGUAGGIO

Schank & Abelson fecero osservare che il tipico testo riporta solo una minima parte di quel che succede in una situazione

Per il resto, si assumono conoscenze ‘implicite’ su situazioni stereotipe (gli SCRIPTS)

Queste conoscenze vengono anche usate per interpretare riferimenti ‘tipici’ come IL CONTO

UN ESEMPIO DI SCRIPT

SCOPERTE CHIAVI DELL’IA, 3

Le quantita’ di conoscenza ‘commonsense’ che noi umani utilizziamo per compiti come comprendere il linguaggio e’ enorme

E’ praticamente impossibile codificarla tutta a mano, ed in ogni caso e’ probabile che la conoscenza cosi’ codificata non sia nel formato ‘giusto’ per risolvere I problemi

Due soluzioni: Anni ’70-’80: domini ristretti Anni ’90: Ritorno all’apprendimento automatico

I PRIMI SISTEMI ‘KNOWLEDGE-BASED’ PER LA COMPRENSIONE DEL LINGUAGGIO: SHRDLU

Winograd, 1974

UN DIALOGO CON SHRDLU

Person: PICK UP A BIG RED BLOCK.Computer: OK.Person: GRASP THE PYRAMID.Computer: I DON'T UNDERSTAND WHICH PYRAMID YOU MEAN.Person (changing their mind): FIND A BLOCK WHICH IS TALLER THAN THE ONE YOU ARE HOLDING AND PUT IT INTO THE BOX.Computer: BY "IT", I ASSUME YOU MEAN THE BLOCK WHICH IS TALLER THAN THE ONE I AM HOLDING.Computer: OK.Person: WHAT DOES THE BOX CONTAIN?Computer: THE BLUE PYRAMID AND THE BLUE BLOCK.Person: WHAT IS THE PYRAMID SUPPORTED BY?Computer: THE BOX.Person: HOW MANY BLOCKS ARE NOT IN THE BOX?Computer: FOUR OF THEM.Person: IS AT LEAST ONE OF THEM NARROWER THAN THE ONE WHICH I TOLD YOU TO PICK UP?Computer: YES, THE RED CUBE.

SISTEMI ESPERTI

Un altro esempio di applicazione che richiedeva informazione su domini limitati e poteva quindi venire sviluppata con le techniche IA anni ’70 sono i SISTEMI ESPERTI: sistemi che possono risolvere problemi in un dominio specifico

ESEMPI DI SISTEMI ESPERTI

Diagnosi medica (MYCIN, anni ’70) Diagnosi di guasti ai motori

DELTA-CATS1, General Electric, Bonissone et al 1984

IDEA, Centro Ricerche Fiat, ~1993 Energia: monitoraggio di centrali nucleari /

controllo dello stato della rete di distribuzione (DIAPO, 1994)

UN SISTEMA ESPERTO PER LA DIAGNOSI DEI DOLORI TORACICI: THORASK

UN’ENCICLOPEDIA DEL SENSO COMUNE: CYC

Un progetto cominciato nel 1984 da Doug Lenat con l’obiettivo di codificare tutta la commonsense knowledge

Cambiato formalismo diverse volte, oggi: rete semantica espressa in formalismo di tipo logico

Due versioni: OpenCyc, disponibile al pubblico (50 000 concetti, 300 000

fatti) e sulla rete ad http://www.opencyc.org/ ResearchCyc, a pagamento / per motivi di ricerca (“3 volte

le dimensioni di OpenCyc”)

CONOSCENZE IN CYC

"Bill Clinton appartiene al gruppo dei presidenti degli USA“

(#$isa #$BillClinton #$UnitedStatesPresident)

“Tutti gli alberi sono piante”

(#$genls #$Tree-ThePlant #$Plant)

“Parigi e’ la capitale della Francia".

(#$capitalCity #$France #$Paris)

L’APPRENDIMENTO PRENDE IL RUOLO CENTRALE (1985)

La ricerca sui metodi per l’apprendimento automatico comincio’ anche prima dell’Intelligenza Artificiale vera e propria, ma per anni senza grossi risultati

A partire dagli anni ’70 pero’ lo sviluppo di metodi nuovi di apprendimento, e la presa coscienza del ruolo essenziale della conoscenza nei processi conoscitivi (e della necessita’ di acquisirla automaticamente) fece si’ che la teoria dell’apprendimento divento’ forse la parte centrale dell’IA.

PRIMI LAVORI SULL’APPRENDIMENTO: LA CIBERNETICA

Studio della comunicazione e del controllo negli organismi viventi e non viventi

McCulloch, Pitts (1943) Primo modello di neuroni artificiali Ogni funzione calcolabile può essere

calcolata da una rete di neuroni

RAPPRESENTAZIONE DELLA CONOSCENZA NEL CERVELLO

MODELLI COGNITIVI ISPIRATI ALLE RETI NEURALI: IL PERCETTRONE

ALTRE TEORIE DELL’ APPRENDIMENTO

Reti neurali come uno dei tanti approcci allo studio dell’acquisizione

Oggi oltre che a teorie basate sull’analogia con il cervello esistono Approcci statistici basati su teorie della

generalizzazione Approcci logici (logiche INDUTTIVE)

PERCEZIONE

Un’area in cui le teorie dell’apprendimento (particolarmente statistico, ma anche reti neurali) oggi svolgono una funzione dominante e’ la percezione, sia visiva che auditoria

ESEMPIO: COMPRENSIONE DEL PARLATO

LA ROBOTICA

La robotica oggi e’ una delle aree piu’ importanti dell’Informatica

Uno degli obiettivi e’ ancora di sviluppare ‘robot’ umanoidi (od animaloidi) nel senso classico, specialmente come giocattoli

Forse l’area piu’ importante e’ quella dei robot industriali

ROBOTICA ‘EVOLUTIVA’

Si e’ sviluppato pero’ anche un nuovo paradigma, secondo il quale e’ un errore cominciare dal tentare di riprodurre le facolta’ cognitive piu’ sofisticate; occorre invece cominciare dal ‘basso’

GLI SVILUPPI DAL 1995 AD OGGI

Intelligenza artificiale come scienza Intelligenza artificiale come industria

L’INTELLIGENZA ARTIFICIALE DIVENTA UNA SCIENZA Rivoluzione nei contenuti e nelle

metodologie Teoremi rigorosi Evidenze sperimentali Chiarimento dei rapporti con le scienze

cognitive

INTELLIGENZA ARTIFICIALE E SCIENZE COGNITIVE

IA condivide molti degli obiettivi e dei metodi delle scienze cognitive

Storicamente molta interazione fino agli anni ’90

Ora le due aree si stanno separando: Intelligenza artificiale interesse maggiore verso

l’aspetto applicativo e verso i metodi simbolici Scienze cognitive interesse maggiore per gli

aspetti psicologici ed i metodi ispirati dalle scienze neurali

IA `FORTE’ E `DEBOLE’

Intelligenza artificiale FORTE: Un computer dotato di genuina intelligenza non

distinguibile in nessun senso importante dall’intelligenza umana “L’IA vuole solo originali: macchine dotate di mente in senso pieno e letterale”

IA `FORTE’ E `DEBOLE’

Intelligenza artificiale DEBOLE: Un computer opportunamente programmato

possa solamente simulare i processi cognitivi umani (o alcuni di essi) nello stesso senso in cui un computer può simulare il comportamento di un evento atmosferico, o di una fissione nucleare.

IA FORTE E DEBOLE

Condividono: Metodologie Strumenti Tecnologie

Elaborano informazione, rappresentata da simboli discreti, mediante un programma

L’INTELLIGENZA ARTIFICIALE COME INDUSTRIA Sistemi esperti commerciali Uso di ragionamento automatico per la

verifica di programmi Robotica industriale Progettazione di chip Linguaggio:

Ricerca di informazioni Interfacce uomo-macchina Traduzione automatica (EU)

ROBOTICA INDUSTRIALE & APPLICATIVA

TEST DI TURING

Turing propose di sostituire la domanda “E’ possibile per una macchina pensare” con un TEST: E’ possibile per una macchina ingannare il suo

utente e fargli credere di essere un’essere umano?

LETTURE

Ciotti, cap. Search:

Dimostrazione online SHRDLU: Wikipedia, sito di Winograd