Foto personale

Pagina personale di Roberto SERRA

Dipartimento di Scienze Fisiche, Informatiche e Matematiche
Dipartimento di Scienze Fisiche, Informatiche e Matematiche sede ex-Fisica

Contenuti Insegnamento: Apprendimento ed evoluzione in sistemi artificiali

Corso di studio: INFORMATICA (D.M.270/04) (offerta formativa anno 2017)
  • CFU: 6
  • SSD: INF/01

Obiettivi formativi

Questo corso introduce i principali elementi di un approccio alla programmazione, diverso da quello tradizionale, ispirato dallo studio di sistemi naturali. L'idea è quella di costruire sistemi capaci di modificarsi che, interagendo con un ambiente opportuno, possono sviluppare la capacità di eseguire compiti non banali. Verranno quindi affrontate le problematiche relative ad apprendimento, evoluzione e coevoluzione in sistemi artificiali. Nel corso verranno presentate diverse classi di sistemi, fra cui reti neurali, algoritmi genetici e automi cellulari. Oltre a presentare i sistemi e a discuterne i principi, ne verranno illustrate le principali applicazioni.

Prerequisiti

conoscenze di base di informatica, matematica e statistica; rispetto delle propedeuticità indicate sul sito del corso di laurea

Programma del corso

1. L'approccio classico alla programmazione e i suoi limiti. Cercare ispirazione nei sistemi naturali. Sistemi naturali e sistemi artificiali. Auto-organizzazione in sistemi naturali. Sistemi fisici, biologici, sociali. 2. Reti neurali. L'ispirazione è il sistema nervoso. Modello di Hopfield, retropropagazione del gradiente, SOM di Kohonen. Cenni ad altri modelli. 3. Algoritmi genetici. L'ispirazione è l'evoluzione biologica. Cenni ad approcci diversi ispirati all'evoluzione biologica. Cenni alla programmazione genetica e ai sistemi a classificatori. 4. Automi cellulari. L'ispirazione iniziale è legata alla biologia, ma descrivono anche sistemi fisici e sociali. Proprietà degli automi cellulari, classi di Wolfram, applicazioni. 5. Modelli ad agenti adattativi. L'ispirazione viene dalle scienze sociali. Studio di alcuni esempi. 6. Cenni alla vita artificiale.

Testi di riferimento

gli argomenti verranno presentati su lucidi, che verranno resi disponibili agli studenti; alcuni libri (interessanti ma non indispensabili) verranno consigliati a lezione

Metodi Didattici

lezioni frontali ed esercitazioni (incluso un progetto facoltativo)

Verifica dell'apprendimento

la verifica è basata su un esame scritto a risposte aperte. Per gli studenti che hanno sviluppato il progetto la valutazione deriverà in parte (1/3 del totale) da una valutazione della relazione e da una breve discussione critica

Risultati attesi

Conoscenza e capacità di comprensione: Al termine del corso lo studente avrà acquisito le principali nozioni relative ai sistemi di elaborazione adattativi e bio-ispirati Capacità di applicare conoscenza e comprensione: Grazie alla varieta' di esempi considerati, lo studente saprà applicare i metodi più appropriati per i diversi casi che dovesse affrontare Autonomia di giudizio: Grazie alla varieta' di esempi considerati, lo studente saprà identificare gli approcci più efficaci per i diversi casi, e di individuarne i limiti Abilità comunicative: Lo studente acquisirà il linguaggio della scienza della complessità, e ne dimostrerà la padronanza nel corso dell'esame scritto Capacità di apprendimento: Lo studente avrà acquisito una conoscenza di diversi approcci che gli consentirà di apprendere anche metodi in parte diversi da quelli presentati