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
8-10
MAR
GIO
LAB B
(& B2)
LAB E
12-14
C2
14-16
LAB D?
(& B3)
16-18
LAB C
18-20
VEN
LAB A
(30/3)
LAB A
10-12
MER
B1
D
C3
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
IL SILLOGISMO (Aristotele, Analitici
primi ed altre opere):
Tutti gli uomini sono mortali
Socrate e’ un uomo.
Quindi, Socrate e’ mortale.
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
Per gli entusiasti …..
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)
ESEMPI DI THEOREM PROVER
‘HIGH PERFORMANCE’


Otter
Donner & Blitzen
SCOPERTA CHIAVE DELL’IA
N. 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