Nuova ricerca

Marco VILLANI

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

Insegnamento: Apprendimento ed evoluzione in sistemi artificiali

Informatica (Offerta formativa 2023)

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

L'insegnamento si svolge nel II semestre del II anno, per un totale di 48 ore di didattica frontale (6 CFU), suddivise fra ore di "teoria" (didattica frontale in cui vengono presentati gli argomenti del corso) e ore di "laboratorio", in cui si applicano le idee ed i contenuti presentati e si acquisiscono nuove conscenze tramite il "learning by doing".

1. (1.5 CFU) 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. (2 CFU) Modelli ad agenti, Swarm Intelligence. Studio di alcuni esempi.

3. (1 CFU) Algoritmi genetici. L'ispirazione è l'evoluzione biologica. Cenni ad approcci diversi ispirati all'evoluzione biologica. Cenni ai sistemi a classificatori.

4. (1.5 CFU) Reti neurali. L'ispirazione è il sistema nervoso. Modello di Hopfield, percettroni semplici e multilivello, retropropagazione del gradiente. Cenni ad altri modelli. Cenni alla vita artificiale.

Metodi didattici

La didattica è basata, in via ordinaria, su lezioni frontali, e progetti facoltativi.
Le domande e gli interventi degli studenti sono graditi e incoraggiati. La frequenza non è obbligatoria, ma fortemente consigliata. Il corso è erogato in lingua italiana.
Tutte le informazioni tecniche e organizzative sull'insegnamento, nonché il materiale didattico, saranno caricati su piattaforma Moodle https://www.fim.unimore.it/site/home/didattica/moodledolly.html Si invita lo studente ad iscriversi ed a consultare tale piattaforma con regolarità

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. Altri materiali saranno messi a disposizione dal docente sulla piattaforma Moodle

Verifica dell'apprendimento

La verifica è basata su un esame scritto a risposte aperte (2 domande scelte fra 4-5 domande riguardanti i temi discussi a lezione, occorre avere la sufficienza in entrambe le risposte perché il compito sia sufficiente). Questa prova e' volta a verificare l'apprendimento delle principali tematiche del corso e la capacita' di ragionamento acquisita dagli studenti. 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