Fondamenti di Intelligenza Artificiale: Concetti, Architetture e Strategie di Ricerca

Definizioni di Intelligenza

Cos'è l'Intelligenza: capacità di apprendere, capire e adattarsi facilmente; intelletto, attitudine intellettuale.

• EMI (Intelligenza Machine): Machine Learning automatico e simbolico, procedure di simulazione in macchina visti come intelligenti.
• IdM (Intelligenza di Macchina): struttura intrinseca di una macchina a macchina, con il compito di coordinare il comportamento e le interazioni con l'ambiente esterno; può essere studiata matematicamente.

Processi Intelligenti e Fondamenti

Processi negli esseri umani

I processi mentali includono: memoria, attività motoria e attività sensoriali.

Fondamenti dell'IA

• Psicologia: simulazione di processi mentali.
• Logica: formalismo logico.
• Neuroscienze: simulazione dell'architettura del cervello.
• Altre discipline: Filosofia, Matematica, Economia, Ingegneria Informatica, Linguistica, Cibernetica.

Approcci Teorici

• Strutturalismo: la struttura della macchina deve contenere i principi del comportamento umano (es. reti neurali).
• Behaviorismo (Comportamentismo): non c'è intelligenza nella simulazione macchina del comportamento umano (l'approccio più utilizzato).
• Funzionalismo: maggiore è l'adattamento del sistema per l'utente, maggiore è l'intelligenza.

Differenze tra Informatica Tradizionale e IA

Tecniche di IA e Test di Turing

Cos'è una tecnica di Intelligenza Artificiale?

È un metodo che sfrutta la conoscenza, strutturato in modo tale che:

• Le generalizzazioni catturate siano comprensibili dalle persone.
• Possa essere modificato per correggere errori.
• Possa essere utilizzato in molteplici situazioni.

Il Test di Turing

Un interrogatore pone domande a due entità nascoste in modo indiretto. Attraverso un ampio dialogo, l'interrogatore deve decidere quale delle due entità è l'essere umano. Se l'interrogante non riesce a distinguere tra le due, ne consegue che il computer può pensare, secondo i criteri del test.

Sistemi Intelligenti (SIs)

• Sistemi Tradizionali: database, programmi di grafica, programmi di calcolo, word processor.
• Sistemi Non Tradizionali: manipolazione di simboli, stock di conoscenza, acquisizione di conoscenze, processi decisionali, gestione di conoscenze specialistiche.

Caratteristiche Chiave dei SIs

• Capacità di utilizzare le conoscenze per risolvere problemi complessi.
• Capacità di fare inferenze e associazioni.
• Archiviazione e recupero efficiente di grandi quantità di informazioni.
• Adattamento del comportamento basato sulla razionalità.
• Controllo della decisione: processo mediante il quale le soluzioni di un problema sono sincronizzate e interconnesse per fornire un comportamento orientato agli obiettivi.

Natura e Tipi di Conoscenza

• Dato: elemento puro, misurato su un particolare evento.
• Informazione: analisi e interpretazione di un set di dati.
• Conoscenza: capacità di creare un modello mentale che descrive l'oggetto e indica le azioni da implementare.

Classificazione della Conoscenza

• Dichiarativa: fatti descrittivi e generici ("cosa").
• Procedurale: prescrittiva e difficile da spiegare ("come").
• Common Sense (Senso Comune): combinazione di dichiarativa e procedurale.
• Euristica: unica per ogni individuo, basata sulla valutazione sistematica e l'uso di regole empiriche.

Tipologie di Analisi

• Analisi Logica: basata su report, interviste e mezzi elettromeccanici.
• Analisi Euristica: basata sull'intuizione o database euristici.

Agenti e Ricerca nello Spazio degli Stati

Agenti Risoluzione Problemi

Gli agenti reattivi non funzionano bene in ambienti dove il numero di regole condizione-azione è troppo grande. Un agente con diverse opzioni immediate deve formulare un obiettivo, eseguire una ricerca e confrontare le sequenze di azioni possibili.

Spazio degli Stati

È l'insieme di tutti gli stati accessibili da uno stato iniziale. Può essere rappresentato come un grafico dove i nodi sono gli stati e gli archi sono le azioni. È definito dalla terna [N, A, S]:

• N: insieme di nodi o stati.
• A: insieme di archi (passi da seguire).
• S: stati iniziali.
• DO: stati obiettivo.

Strategie di Ricerca

Valutate secondo i criteri di:

• Completezza: l'algoritmo trova sempre una soluzione?
• Complessità Temporale: numero di nodi generati.
• Complessità Spaziale: numero massimo di nodi in memoria.
• Ottimizzazione: la strategia trova la soluzione migliore?

Le complessità sono misurate in termini di: b (fattore di ramificazione), d (profondità della meta), m (lunghezza massima del percorso).

Tipologie di Ricerca Guidata

Data-Driven (Guidata dai Dati)

L'algoritmo inizia con i dati forniti e applica regole per produrre nuovi fatti fino a raggiungere l'obiettivo. Utile quando tutti i dati sono forniti inizialmente ma ci sono molti potenziali obiettivi.

Goal-Driven (Guidata dagli Obiettivi)

Parte da un obiettivo definito e cerca i fatti necessari per confermarlo. Tipico dei sistemi di diagnosi medica o dimostratori di teoremi, dove si chiede solo ciò che serve per confermare un'ipotesi.

Variabili di Attuazione

• LE: Elenco degli Stati.
• LNE: Elenco dei nuovi Stati.
• BSS: Dead End (Vicolo cieco).

Se lo stato attuale S non soddisfa l'obiettivo, si genera il discendente S1. Se nessun nodo figlio porta alla meta, si attiva la regressione (backtracking) verso il nodo padre.