Rappresentazione della conoscenza e ragionamento. I sistemi di rappresentazione della conoscenza
|
|
- Raimondo Emanuele Gori
- 7 anni fa
- Visualizzazioni
Transcript
1 Rappresentazione della conoscenza e ragionamento I sistemi di rappresentazione della conoscenza
2 Formalizzazione della conoscenza Le prime discussioni all interno di IA tendevano a focalizzarsi sulla rappresentazione del problema piuttosto che sulla rappresentazione della conoscenza Negli anni 70 nei sistemi esperti, l uso della logica del primo ordine e una appropriata conoscenza sul dominio forniva all automa le capacità di operare su domini molto specifici E d altra parte nei domini giocattolo (ovvero anche in domini molto limitati) la scelta della rappresentazione della conoscenza non è molto importante: infatti definire un vocabolario consistente risulta facile.
3 Formalizzazione della conoscenza In problemi reali, quali un agente su Internet o un robot in un ambiente fisico, l ambiente mutevole, richiede una rappresentazione del dominio più dinamica e flessibile Abbiamo visto che si sono introdotti formalismi di rappresentazione della conoscenza con l uso di logiche più flessibili ed inoltre la struttura di questi formalismi tende verso un forte grado di standardizzazione In questi domini complessi quale contenuto inserire nella base di conoscenza? Come rappresentare fatti che riguardano il mondo? Si parla di ingegneria ontologica
4 Formalizzazione della conoscenza ingegneria ontologica Si rivolge l attenzione verso una formalizzazione della conoscenza più simili al modo di pensare ed agire umano Passando quindi per lo studio del linguaggio e dei suoi costrutti per poter costruire dei sistemi ontologici artificiali Un tempo lo studio dei linguaggio e delle relazioni fra termini era un campo di ricerca esplorato solo da filosofi della scienza e del linguaggio
5 Formalizzazione della conoscenza Problema attuale: la modellizzazione adeguata per la conoscenza in un domino specifico o per descrivere le relazioni entro una organizzazione Il problema è accentuato se si vogliono ottenere degli approcci utilizzabili anche dalle macchine Problemi di inconsistenza terminologica e l uso diversi vocabolari e modelli sono all ordine del giorno L identificazione e la riconciliazione di queste distinzioni semantiche è una ragione fondamentale per usare i modelli semantici, quali tassonomie ed ontologie
6 Tassonomia Uno dei modelli semantici più semplici Classifica le informazioni entro una ben definita struttura associativa Cattura il fatto che esistono delle connessioni fra i termini ma non la loro natura egovernment Agencies President's Initiatives Partnerships Business Areas Business Cases Programs Projects IT Assets Programs Projects IT Assets Lines of Business Web Services Components Web Services Components Services Capabilities Example of a Taxonomy for e-government
7 Ontologia Un modello in cui le relazioni (associazioni fra termini) sono esplicitamente nominate e differenziate Se una tassonomia è schematizzata come un albero un ontologia è schematizzabile come un grafo La flessibilità del modello e le possibilità di connessioni la rendono molto espressiva, ma bisogna saper trattare le contraddizioni ed arrivare a compromessi
8 Formalizzazione della conoscenza: Tassonomia e ontologie An ontology is an explicit specification of a conceptualization. [Tom Gruber] Idea di fondo: descrizione di un particolare dominio, da un certo punto di vista, descrizione esplicita, costruzione di un vocabolario per quel dominio, un gruppo usa il vocabolario per accordarsi sul significato dei termini usati, fondamentale per la comunicazione. Le ontologie evolvono durante il loro ciclo di vita a causa di: cambiamenti nel dominio cambiamenti nella concettualizzazione condivisa cambiamenti nell espressione, specificazione nuovi requisiti
9 Rappresentazione della conoscenza della realtà definizioni Semantica: studio del significato delle parole Significato: analizza il rapporto fra linguaggio e realtà molti termini del linguaggio corrispondono a entità del mondo reale: ad esempio, il termine seggiola (un sostantivo dell italiano) può corrispondere all insieme (o classe) di tutte le seggiole, oppure a una seggiola specifica (un individuo membro dell insieme delle seggiole).
10 Rappresentazione della conoscenza della realtà Triangolo aristotelico il rapporto fra linguaggio e realtà non è diretto, ma è mediato dai concetti chi parla l italiano riesce a collegare la parola seggiola alle seggiole reali proprio perché possiede un concetto di seggiola. In altre parole, la relazione fra linguaggio e realtà è mediata dalla mente
11 Rappresentazione della conoscenza della realtà Triangolo aristotelico Distinguiamo quindi fra: il termine seggiola dell italiano ( chair in inglese, ); l insieme di tutte le seggiole che esistono nella realtà (l estensione del termine seggiola); il concetto di seggiola così come è rappresentato nella mente degli esseri umani (l intensione di tale seggiola ).
12 Rappresentazione della conoscenza della realtà Triangolo aristotelico Rappresentazione schematica fra le entità mente concetto linguaggio realtà termine insieme
13 Sistemi di rappresentazione della realtà Esempi di sistemi di rappresentazione i sistemi logici, le basi di dati, i diagrammi UML, i documenti XML. Cosa hanno in comune?
14 I sistemi di rappresentazione Cosa hanno in comune? Ogni sistema di rappresentazione è la rappresentazione di qualcosa, cioè un frammento della realtà interessante per qualche applicazione. rappresentazione Frammento di realtà rappresentato realtà
15 I sistemi di rappresentazione una rappresentazione può essere analizzata a tre livelli: 1. modello concreto. è la rappresentazione dei fatti che sussistono nel frammento di realtà (conoscenze fattuali sul frammento di realtà); ad es., Paolo Rossi è iscritto a una delle facoltà di Parma. 2. modello concettuale. è una rappresentazione dei concetti utilizzati per formulare il modello concreto (conoscenze terminologiche e nomologiche); ad es., per esprimere il fatto dell es. sopra si deve definire i concetti di individuo (con nome e cognome), di facoltà, di iscrizione, etc. 3. metamodello. è la specifica degli strumenti formali utilizzabili per definire il modello concettuale e il modello concreto; ad es.: predicati e operatori logici, o entità e relazioni, o gli elementi di un diagramma delle classi UML, etc.
16 I sistemi di rappresentazione una rappresentazione può essere analizzata a tre livelli Vedi oltre
17 I sistemi di rappresentazione delle conoscenze Knowledge Representation System, KRS si articola nei tre livelli visti precedentemente, solo che: nei campi delle basi di dati e della specifica del software, i modelli concettuali (E-R, UML ecc.) rappresentano un passo importante nello sviluppo di un sistema, ma non fanno parte del prodotto finale; nei KRS, invece, i modelli concettuali sono parte integrante del prodotto finale, in quanto sono disponibili e vengono utilizzati a runtime dai sistemi software.
18 I sistemi di rappresentazione delle conoscenze Un KRS, infatti, è costituito da cinque componenti principali Terminological Box (TBox), rende disponibile e accessibile in linea la rappresentazione formale del modello concettuale di un frammento di realtà; Assertion Box (ABox), rende disponibile e accessibile in linea la rappresentazione formale del modello concreto di un frammento di realtà; insieme di servizi di ragionamento (reasoning services), in grado di dedurre nuove conoscenze dalle conoscenze contenute nella TBox e nella ABox; interfaccia di accesso, che consente l accesso alle conoscenze contenute nella TBox e nella ABox da parte di sistemi software; interfaccia di editing, che consente la gestione dei contenuti della TBox e della ABox da parte di un operatore umano.
19 I sistemi di rappresentazione KRS, architettura servizi di reasoning TBox contiene essenzialmente le conoscenze terminologich e definise una ontologia ABox le conoscenze fattuali TBox ABox a c c e s s o e d i t applicazioni SW sia l interfaccia di accesso sia l interfaccia di editing sfruttano i servizi di ragionamento come supporto all uso, alla definizione e al mantenimento delle conoscenze
20 I sistemi di rappresentazione Nei KRS odierni, l interoperabilità con le varie applicazioni software è assicurata dall adozione sistematica di standard basati su XML. Ciò consente, in particolare, di utilizzare come interfacce strumenti disparati, sviluppati e mantenuti da fornitori differenti. Attenzione : è sufficiente XML per comunicare / cooperare / muoversi in ambienti etrogenei? no. Esempio: commercio su internet I tag <prezzo> 100</prezzo> e <costo> 100</costo> sono corretti e possono coesistere. Come facciamo a capire che si tratta della stessa informazione? Serve il modello semantico
21 Ontologie Una definizione di ontologia: Un ontologia è una descrizione formale esplicita di un dominio di interesse. Descrizione: una forma di rappresentazione della conoscenza Formale: simbolica e meccanizzabile Esplicita: elenchi estensionali di frammenti di conoscenza Dominio: ristretta ad un determinato sottoinsieme dello scibile, affrontato da un certo punto di vista.
22 Ontologie Una ontologia descrive le parole comuni e i concetti (significati) usati per descrivere e rappresentare un area di conoscenza (dominio). Una ontologia può essere usata da persone, applicazioni, database etc. per condividere una conoscenza comune riguardo ad un certo dominio (educazione, medicina, riparazione di automobili etc.). L ontologia, quindi, include le definizioni dei concetti del dominio e delle loro relazioni in un modo usabile dal computer (ma anche comprensibile agli umani).
23 Ontologie Quindi una ontologia è costituita da: Classi (concetti generali del dominio di interesse.) Relazioni tra queste classi Proprietà (attributi, slot, ruoli) assegnate a ciascun concetto, che ne descrivono vari tipi di attributi o proprietà Restrizioni sulle proprietà (facet, role restrictions). Impongono il tipo di dato sul valore che la proprietà può assumere
24 Ontologie Istanze A partire dalle classi dell ontologia, è possibile definire delle istanze, che rappresentano specifici oggetti del mondo reale Le istanze ereditano attributi e relazioni dalle classi Knowledge base = Ontologia + insieme delle istanze delle classi
25 Costruire una Ontologia 1. Definire le classi 1. Si può iniziare scrivendo una lista di tutti i termini del dominio su cui vogliamo fare affermazioni 2. Organizzare le classi un una gerarchia tassonomica 1. Elencare i termini più importanti e quelli più generali 2. Sviluppare la gerarchia accorpando o definendo meglio i termini in discussione 3. Definire le proprietà e descrivere i valori leciti per ciascuna di esse 1. Proprietà intrinsiche (il gusto di un vino) vs estrinsiche (il nome di un vino) 2. Parti costituenti, se l oggetto è strutturato (le parti del corpo) 3. Relazioni ad altri soggetti (costruttore di...) 4. Attribuire i valori alle proprietà per tutte le istanze create.
26 Conseguenze logiche dell uso di ontologie in un sistema artificiale L aspetto che distingue nettamente una base di conoscenze da una base di dati è la possibilità di condurre ragionamenti in modo automatico Nel contesto della logica, quando si parla di ragionamento ci si riferisce sempre a ragionamenti di tipo deduttivo (deduzioni) In generale, un ragionamento è un procedimento che porta a verificare se un enunciato X (ad esempio la sussunzione o l equivalenza di due termini) è conseguenza logica di una base di conoscenze. non si prende quindi in considerazione i ragionamenti di tipo induttivo o abduttivo Il ragionamento induttivo va dai casi singolari (fatti) alle affermazioni generali; il ragionamento abduttivo va dagli effetti alle possibili cause.
27 Conseguenze logiche dell uso di ontologie in un sistema artificiale Dobbiamo ora distinguere fra tre concetti distinti: compito di ragionamento (reasoning task): i tipi di enunciati che si desidera dedurre da una base di conoscenze; procedura di ragionamento: l algoritmo per la deduzione degli enunciati; servizio di ragionamento: i servizi basati su procedure di ragionamento che uno strumento mette a disposizione delle applicazioni che accedono alla base di conoscenze.
28 Conseguenze logiche dell uso di ontologie in un sistema artificiale compito di ragionamento più significativi per le applicazioni: sussunzione: data una base di conoscenza, stabilire se una sussunzione C D è conseguenza logica della base, equivalenza: data una base di conoscenza, stabilire se un equivalenza C D è conseguenza logica di essa, soddisfacibilità: data una base di conoscenza, stabilire se un termine C è soddisfacibile, nel senso che applicare il termine a un individuo del dominio non comporta una contraddizione logica; disgiunzione: data una TBox T, stabilire se due termini C e D sono disgiunti, nel senso applicare i due termini contemporaneamente allo stesso individuo comporta una contraddizione logica
29 Conseguenze logiche dell uso di ontologie in un sistema artificiale Riduzione dei compiti di ragionamento alla sola sussunzione Si vede facilmente che i quattro compiti di ragionamento fondamentali possono essere ridotti alla sola sussunzione. Infatti: equivalenza: dimostrare C D equivale a dimostrare che C D e D C; soddisfacibilità: dimostrare che C è soddisfacibile equivale a dimostrare che non è insoddisfacibile, ovvero che non vale la seguente conseguenza logica: C ; disgiunzione: dimostrare che C e D sono disgiunti equivale a dimostrare che C D. Dunque un unica procedura di ragionamento potrebbe essere utilizzata per realizzare tutti e quattro i compiti di ragionamento fondamentali per le TBox. Questa è la strada che si segue per implementare i servizi di ragionamento per le DL poco espressive.
30 Conseguenze logiche dell uso di ontologie in un sistema artificiale Riduzione dei compiti di ragionamento alla soddisfacibilità I quattro compiti di ragionamento fondamentali per le TBox possono anche essere ridotti alla sola soddisfacibilità. Infatti: sussunzione: dimostrare C D equivale a dimostrare che C D è insoddisfacibile; equivalenza: dimostrare T = C D equivale a dimostrare che C D è insoddisfacibile e C D è insoddisfacibile; disgiunzione: dimostrare che C e D sono disgiunti equivale a dimostrare che C D è insoddisfacibile. Dunque una procedura per stabilire se un termine è o non è soddisfacibile consente di realizzare i quattro compiti di ragionamento fondamentali. Questa è appunto la strada che si segue per implementare i servizi di ragionamento per le DL molto espressive ma decidibili. si può formulare una procedura che prende in ingresso una TBox arbitraria T e un termine arbitrario C e, in un numero finito di passi, stabilisce se C è o non è soddisfacibile (tenendo conto ovviamente delle definizioni terminologiche di T).
31 Conseguenze logiche dell uso di ontologie in un sistema artificiale compiti di ragionamento più significativi relativi alle ABox, che riguardano le asserzioni e utilizzano le conoscenze contenute in tutta la base delle conoscenze, sia nella TBox sia nell ABox. instance check: dati una TBox T, un ABox A, un termine arbitrario C e un nominale a, stabilire se si ha C(a); retrieval: dati una TBox T, un ABox A e un termine arbitrario C, fra tutti i nominali presenti nella base di conoscenze trovare tutti i nominali a1,..., an tali che C(ak); realizzazione: dati una TBox T, un ABox A, un insieme di termini arbitrari {C1,..., Cn} e un nominale a, determinare i termini più specifici in {C1,..., Cn} per cui si ha Ck(a).
32 Conseguenze logiche dell uso di ontologie in un sistema artificiale Riduzione alla soddisfacibilità di questi compiti di ragionamento I compiti di ragionamento relativi all ABox si possono ridurre al problema di stabilire la soddisfacibilità di un insieme di asserzioni. Notiamo innanzi tutto che T,A = C(a) se e solo se T = l unione di A e { C(a)} è insoddisfacibile. Quindi un compito di instance check può essere ridotto a un problema di soddisfacibilità. Un compito di retrieval, poi, almeno in linea di principio può essere ridotto a un compito di instance check per ciascun nominale presente nella base di conoscenze. Infine, un compito di realizzazione può essere ridotto a una serie di compiti di instance check e a una serie di compiti di sussunzione.
33 Conseguenze logiche dell uso di ontologie in un sistema artificiale Possiamo quindi affermare che : almeno in linea di principio, tutti i compiti di ragionamento che abbiamo esaminato possono essere ridotti a problemi di soddisfacibilità Quindi nella costruzione di un sistema basato sulla conoscenza ontologica ci basta definire un solo algoritmo che sia in grado di eseguire un compito di soddisfacibilità sulla base di conoscenza eppoi ricondurre gli altri servizi di ragionamento a chiamate di questo algoritmo.
Basi di Dati e Sistemi Informativi su Web
Basi di Dati e Sistemi Informativi su Web Corso di Laurea Specialistica in Ingegneria Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti
DettagliGestione della Conoscenza
Gestione della Conoscenza Corso di Laurea Specialistica in Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti ad alte prestazioni del
DettagliLogiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è noto in un dominio di applicazione definendo i concetti
DettagliLogiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è noto in un dominio di applicazione definendo i concetti
DettagliLez. 8 La Programmazione. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 8 La Programmazione Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliLez. 5 La Programmazione. Prof. Salvatore CUOMO
Lez. 5 La Programmazione Prof. Salvatore CUOMO 1 2 Programma di utilità: Bootstrap All accensione dell elaboratore (Bootsrap), parte l esecuzione del BIOS (Basic Input Output System), un programma residente
DettagliIngegneria del Software 4. Introduzione a UML. Dipartimento di Informatica Università di Pisa A.A. 2014/15
Ingegneria del Software 4. Introduzione a UML Dipartimento di Informatica Università di Pisa A.A. 2014/15 e per i modelli iterativi analisi peliminare analisi e progettazione realizzazione Necessità di
DettagliLogica per la Programmazione
Logica del Primo Ordine: Motivazioni, Sintassi e Interpretazioni Logica per la Programmazione Lezione 1 Calcolo Proposizionale: sintassi e semantica Tautologie Esempi di Formalizzazione di Enunciati pag.
DettagliSISTEMI INFORMATIVI E DATABASE
SISTEMI INFORMATIVI E DATABASE SISTEMA INFORMATIVO AZIENDALE (S.I.) In una realtà aziendale si distingue: DATO elemento di conoscenza privo di qualsiasi elaborazione; insieme di simboli e caratteri. (274,
DettagliInformatica per Statistica Riassunto della lezione del 28/11/2012
Informatica per Statistica Riassunto della lezione del 28/11/2012 Igor Melatti Introduzione alla progettazione concettuale di basi di dati Questo riassunto è da intendersi come un commento alle slide BD2002-06.PDF
DettagliRappresentazione della Conoscenza. Lezione 8. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 8 0
Rappresentazione della Conoscenza Lezione 8 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 8 0 Nomenclatura FL (Frame Language) include: concept conjunction universal quantification unqualified
DettagliSemantic Web. Obiettivi a lungo termine del W3C
Obiettivi a lungo termine del W3C Universal Access: Rendere il Web accessibile a tutti, promuovendo tecnologie che tengano conto delle notevoli differenze culturali, di formazione, di capacità, di risorse
Dettagli9 Calcolo dei sequenti LC p
9 Calcolo dei sequenti LC p In questa sezione mostriamo un metodo più elegante, semplice e soprattutto AUTOMATICO per mostrare se una proposizione è valida o meno e soddisfacibile o meno. Tale metodo è
DettagliProgettazione Concettuale/1
Basi di Dati Prof. Alfredo Cuzzocrea Università degli Studi di Trieste Progettazione Concettuale/1 Credits to: Prof. P. Atzeni UniRoma3 Prof. S. Ceri PoliMI Prof. S. Paraboschi UniBG Prof. R. Torlone UniRoma3
DettagliMODELLI DEI DATI. Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Modelli dei Dati MODELLI DEI DATI Prof. Alberto Postiglione
DettagliInformatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia. Università degli Studi di Salerno
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Modelli dei Dati Prof. Alberto Postiglione Università degli
DettagliDISCIPLINA: MATEMATICA
Opera in modo faticoso e inappropriato nel calcolo e utilizza linguaggi e metodi della disciplina in modo scorretto. Opera in modo faticoso e incerto nel calcolo e utilizza linguaggi e metodi della disciplina
DettagliRISOLUZIONE IN LOGICA PROPOSIZIONALE. Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine
RISOLUZIONE IN LOGICA PROPOSIZIONALE Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine 1. Risoluzione Definitione 1.1. Un letterale l è una variabile proposizionale (letterale
DettagliI database. Introduzione alla teoria delle basi di dati
I database Introduzione alla teoria delle basi di dati 1 Cosa sono e a cosa servono i Database Un database (o base di dati) e' una raccolta organizzata di dati correlati. Il principale scopo di un database
DettagliLogica: materiale didattico
Logica: materiale didattico M. Cialdea Mayer. Logica (dispense): http://cialdea.dia.uniroma3.it/teaching/logica/materiale/dispense-logica.pdf Logica dei Predicati (Logica per l Informatica) 01: Logica
DettagliR. Orsini - A. Roncato - F. Dalla Libera
Interfacce per basi di dati e integrazione di sistemi informativi R. Orsini - A. Roncato - F. Dalla Libera Workshop del Dipartimento di Informatica 2 Marzo 2006 Aree e progetti Progetto Rewerse: Query
DettagliProblemi, algoritmi, calcolatore
Problemi, algoritmi, calcolatore Informatica e Programmazione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Problemi, algoritmi, calcolatori Introduzione
DettagliProgrammi e Oggetti Software
Corso di Laurea Ingegneria Civile Fondamenti di Informatica Dispensa 06 Programmi e Oggetti Software Marzo 2010 Programmi e Oggetti Software 1 Contenuti Cosa è un programma Cosa significa programmare Il
DettagliEsercitazione di Basi di Dati
Esercitazione di Basi di Dati Corso di Fondamenti di Informatica 29 Aprile 2004 Da Access a Protégé Marco Pennacchiotti pennacchiotti@info.uniroma2.it Tel. 0672597334 Ing.dell Informazione, stanza 1035
DettagliLe basi di dati. Definizione 1. Lezione 2. Bisogna garantire. Definizione 2 DBMS. Differenza
Definizione 1 Lezione 2 Le basi di dati Gli archivi di dati Organizzato in modo integrato attraverso tecniche di modellazione di dati Gestiti su memorie di massa Con l obiettivo Efficienza trattamento
DettagliLogica Proposizionale
Intelligenza rtificiale I Logica Proposizionale Introduzione Marco Piastra Intelligenza rtificiale I -.. 28-29 29 Introduzione al corso ] lgebre di Boole Definizione Una collezione di oggetti X su cui
Dettagli[Giuseppe Alessandri, Appunti]
Partendo da una differenziazione, oramai assodata, fra progettazione sul versante della razionalità tecnica e quello della complessità (Cristianini, tecnodid, 2001), è possibile sviluppare dei parallelismi
DettagliLinguaggi di Programmazione
Linguaggi di Programmazione!paradigmi linguistici, costrutti!semantica!implementazione, strutture a tempo di esecuzione 1 Linguaggi di programmazione e astrazione! i linguaggi di programmazione ad alto
DettagliSistemi Deduttivi. Marco Piastra. Intelligenza Artificiale I. Intelligenza Artificiale I - A.A Sistemi Deduttivi[1]
Intelligenza Artificiale I Sistemi Deduttivi Marco Piastra Intelligenza Artificiale I - A.A. 2010- Sistemi Deduttivi[1] Calcolo simbolico? Una fbf è conseguenza logica di un insieme di fbf sse qualsiasi
DettagliSommario Obiettivo della programmazione e ciclo di sviluppo di programmi. Programmi. Ciclo di sviluppo di programmi. Obiettivo
Sommario Obiettivo della programmazione e ciclo di sviluppo di programmi Istruzioni variabili e tipi Sottoprogrammi Strutture di controllo Ricorsione 1 2 Obiettivo Ciclo di sviluppo di programmi Risoluzione
DettagliLE BASI DI DATI. Seconda parte La progettazione di database Relazionali SCHEMA LOGICO Regole di derivazione
LE BASI DI DATI Seconda parte La progettazione di database Relazionali SCHEMA LOGICO Regole di derivazione ALCUNE PRECISAZIONI Il modello logico «relazionale» si occupa dello studio delle «Relazioni matematiche».
DettagliPrima di iniziare. Diamo qualche definizione :
1 Prima di iniziare. Diamo qualche definizione : Modello E/R (Entity/Relationship in italiano Entità- Relazione) : è un modello concettuale di dati e, come tale, fornisce una serie di strutture, detti
DettagliProgettazione concettuale di una base di dati
Progettazione concettuale di una base di dati Progettazione concettuale Analisi dei requisiti I requisiti devono innanzitutto essere acquisiti Le fonti possono essere molto diversificate tra loro: utenti,
DettagliUnità A2. Progettazione concettuale. Obiettivi. Astrazione. Astrazione per aggregazione
Obiettivi Unità A2 Progettazione concettuale Imparare ad astrarre i dati per definire entità. Saper distinguere tra astrazione per classificazione, per aggregazione e per generalizzazione. Saper distinguere
DettagliCorso di Laurea Specialistica in Ingegneria Informatica. Corso di Ingegneria del Software A. A Introduzione ad UML E.
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Introduzione ad UML E. TINELLI UML È un linguaggio (e notazione) universale per rappresentare qualunque
DettagliCALCOLO PROPOSIZIONALE
CALCOLO PROPOSIZIONALE UN PROBLEMA DI DEDUZIONE LOGICA (da un test d ingresso) Tre amici, Antonio, Bruno e Corrado, sono incerti se andare al cinema. Si sa che: Se Corrado va al cinema, allora ci va anche
DettagliIl Pensiero Cognitivo nell era del Cognitive Computing G. Scioscia
Il Pensiero Cognitivo nell era del Cognitive Computing G. Scioscia Speaker: Gaetano Scioscia IT Architect @ IBM Financial Services (1998 2003) Natural Language Processing & Knowledge Management (2004 2006)
DettagliSoddisfacibilità e Semantic Tableau [1]
Intelligenza Artificiale I Soddisfacibilità e Semantic Tableau Marco Piastra Soddisfacibilità e Semantic Tableau [1] Problemi e decidibilità (automatica) Problema In forma rigorosa, un problema è una relazione
DettagliCiclo di vita di un sistema informativo
Ciclo di vita di un sistema informativo Studio di fattibilità definisce le varie alternative possibili, i relativi costi e le priorità di realizzazione. Raccolta e analisi dei requisiti individua proprietà
DettagliIl Project Management nei progetti IT. La fase di Analisi. Ing. Giulio Destri. Università degli Studi di Parma Corso di Laurea in Informatica
Il Project Management nei progetti IT La fase di Analisi Ing. Giulio Destri Università degli Studi di Parma Corso di Laurea in Informatica Analisi 03-1 Ing. Giulio Destri 2011 Ing. Giulio Destri, Ph.D.
DettagliRappresentazione della Conoscenza. Lezione 1. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 1 0
Rappresentazione della Conoscenza Lezione 1 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 1 0 Sommario La rappresentazione della conoscenza (BL 1) Sistemi basati sulla conoscenza (BL 1)
DettagliIntroduzione al Semantic Web
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Linguaggi e Tecnologie Web A. A. 2011 - Introduzione al Semantic Web Eufemia TINELLI Dal Web al Semantic Web: Motivazioni Il Web dovrebbe
DettagliINTRODUZIONE AL TESTO FILOSOFICO
INTRODUZIONE AL TESTO FILOSOFICO MEDIANTE FORME DI ANNOTAZIONE SEMANTICA Ciclo seminariale 4 febbraio 2011 4 marzo 2011 Fra ontologie e mappe: un introduzione Francesco Bianchini DI COSA PARLEREMO Mappe
DettagliInformazione: notizia, dato o elemento che consente di avere conoscenza più o meno esatta di fatti, situazioni, modi di essere.
Basi di Dati Informazione: notizia, dato o elemento che consente di avere conoscenza più o meno esatta di fatti, situazioni, modi di essere. Dato: ciò che è immediatamente presente alla conoscenza, prima
DettagliLinguaggi, Traduttori e le Basi della Programmazione
Corso di Laurea in Ingegneria Civile Politecnico di Bari Sede di Foggia Fondamenti di Informatica Anno Accademico 2011/2012 docente: Prof. Ing. Michele Salvemini Sommario Il Linguaggio I Linguaggi di Linguaggi
DettagliIntelligenza Artificiale. Logica proposizionale classica (Parte 1)
Intelligenza Artificiale Logica proposizionale classica (Parte ) Marco Piastra Logica formale (Parte ) - Introduzione alla logica formale Parte. Preambolo: algebra di Boole, proposizioni, conseguenza logica
DettagliRAPPRESENTAZIONE DELLA CONOSCENZA. È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza;
RAPPRESENTAZIONE DELLA CONOSCENZA È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza; Una buona Rappresentazione della Conoscenza può FACILITARE la SOLUZIONE di un Problema riducendone
DettagliCONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI
CONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI Introduzione alle basi di dati (2) 2 Modelli dei dati, schemi e istanze (1) Nell approccio con basi di dati è fondamentale avere un certo livello di
DettagliProgrammi e Oggetti Software
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 2 Programmi e Oggetti Software Alfonso Miola Settembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Programmi e Oggetti Software
DettagliBasi di dati (Sistemi Informativi)
Basi di dati (Sistemi Informativi) teoria e pratica con Microsoft Access Basi di dati Sono una delle applicazioni informatiche che hanno avuto il maggiore utilizzo in uffici, aziende, servizi (e oggi anche
DettagliRagionamenti e metodi di dimostrazione. Liceo Scientifico Statale S. Cannizzaro Prof.re E. Modica
Ragionamenti e metodi di dimostrazione Liceo Scientifico Statale S. Cannizzaro Prof.re E. Modica Proposizioni Si definisce proposizione una frase alla quale è possibile attribuire uno e un solo valore
DettagliLogica proposizionale
Fondamenti di Informatica per la Sicurezza a.a. 2008/09 Logica proposizionale Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università degli
DettagliITI M. FARADAY. Programmazione a. s
ITI M. FARADAY Programmazione a. s. 2018-2019 Disciplina: INFORMATICA Indirizzo: INFORMATICA E TELECOMUNICAZIONI Classi: Quinta A Quinta B Ore settimanali previste: 6 (3 ora Teoria - 3 ore Laboratorio)
DettagliIntroduzione alle Basi di Dati
Introduzione alle Basi di Dati Angelo Chianese, Vincenzo Moscato, Antonio Picariello, Lucio Sansone Basi di dati per la gestione dell'informazione 2/ed McGraw-Hill Capitolo 1 Appunti dalle lezioni SQL
DettagliSoddisfacibilità e Semantic Tableau [1]
Intelligenza Artificiale I Soddisfacibilità e Semantic Tableau Marco Piastra Soddisfacibilità e Semantic Tableau [1] Problemi e decidibilità (automatica) Problema Un problema è una relazione tra istanze
DettagliRAPPRESENTAZIONE DELLA CONOSCENZA (1)
RAPPRESENTAZIONE DELLA CONOSCENZA (1) Ci sono 30 caselle NERE e 32 caselle BIANCHE (a) (b) È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza; Una buona Rappresentazione della Conoscenza
DettagliCasi d uso. Marina Zanella - Ingegneria del Software UML: Casi d uso 1
Casi d uso Introdotti in UML da Jacobson nel 1994 come elementi principali dello sviluppo del sw (ma il concetto era già stato pubblicato nel 1987) Sono un veicolo per la pianificazione di progetto (controllano
DettagliLinguaggi di programmazione e astrazione
Linguaggi di programmazione e astrazione i linguaggi di programmazione ad alto livello moderni sono il più potente strumento di astrazione messo a disposizione dei programmatori che possono, con un solo
DettagliProgrammazione Orientata agli Oggetti. Emilio Di Giacomo e Walter Didimo
Programmazione Orientata agli Oggetti Emilio Di Giacomo e Walter Didimo Una metafora dal mondo reale la fabbrica di giocattoli progettisti Un semplice giocattolo Impara i suoni Dall idea al progetto Toy
DettagliIl concetto di calcolatore e di algoritmo
Il concetto di calcolatore e di algoritmo Elementi di Informatica e Programmazione Percorso di Preparazione agli Studi di Ingegneria Università degli Studi di Brescia Docente: Massimiliano Giacomin Informatica
DettagliSistemi e tecnologie intelligenti per il patrimonio culturale
Sistemi e tecnologie intelligenti per il patrimonio culturale Perché l IA? Utilizzo di metodologie che trovano applicazione nella soluzione automatica di problemi complessi, non trattabili in modo efficace
DettagliNella vita quotidiana esistono innumerevoli esempi di database. Un agenda telefonica, un vocabolario o un catalogo di viaggi, sono tutti esempi di
1 Nella vita quotidiana esistono innumerevoli esempi di database. Un agenda telefonica, un vocabolario o un catalogo di viaggi, sono tutti esempi di archivi di dati. Il prelievo da un bancomat o il noleggio
DettagliLe basi di dati. Lez. 2: Progettazione di un DB. Laboratorio di informatica gestionale
Le basi di dati Lez. 2: Progettazione di un DB Cos è un dato? Un dato (dal latino datum) è la descrizione elementare di una cosa, di un avvenimento. Un dato è utilizzabile se esiste una chiave di interpretazione.
DettagliIntelligenza Artificiale. Logica proposizionale: calcolo simbolico
Intelligenza Artificiale Logica proposizionale: calcolo simbolico Marco Piastra Logica formale (Parte 2) - 1 Parte 2 Calcolo logico Assiomi Derivazioni Derivazioni e conseguenza logica Completezza Logica
DettagliLINGUAGGI DI ALTO LIVELLO. Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware
LINGUAGGI DI ALTO LIVELLO Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware 1 LINGUAGGI DI ALTO LIVELLO Barriera di astrazione Fortran Cobol Basic Pascal Python C
DettagliSommario Linguaggi, messaggi e comunicazione. Introduzione ai Linguaggi di Programmazione. Linguaggio (1) Linguaggio (2)
Sommario Linguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione 1 2 Linguaggio (1) Linguaggio (2) Insieme di sequenze di simboli,
DettagliProgrammazione. Dipartimento di Matematica. Ing. Cristiano Gregnanin. 29 febbraio Corso di laurea in Matematica
Programmazione Dipartimento di Matematica Ing. Cristiano Gregnanin Corso di laurea in Matematica 29 febbraio 2016 1 / 28 Linguaggi 2 / 28 Linguaggi 3 / 28 Linguaggi di alto livello Si basano su una macchina
DettagliLINGUAGGI DI ALTO LIVELLO
LINGUAGGI DI ALTO LIVELLO Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware 1 LINGUAGGI DI ALTO LIVELLO Barriera di astrazione C Fortran Modula-2 Cobol Algol Basic
DettagliDATABASE MODELLAZIONE DATI TRATTO DA CAMAGNI-NIKOLASSY, CORSO DI INFORMATICA, VOL 2, HOEPLI. Informatica
DATABASE MODELLAZIONE DATI TRATTO DA CAMAGNI-NIKOLASSY, CORSO DI INFORMATICA, VOL 2, HOEPLI Informatica Modello e strutture dati Un modello di dati consiste in una rappresentazione astratta delle strutture
DettagliAlgoritmo. Calcolabilità
Algoritmo In altri termini, l algoritmo può essere definito come la descrizione di un procedimento che ha le seguenti proprietà: deve essere esplicita e non ambigua per l interlocutore cui è destinata
DettagliIntelligenza Artificiale I
Intelligenza rtificiale I Logica formale Primi elementi Marco Piastra Logica formale - Primi elementi - Sottoinsiemi e operatori Sottoinsiemi U Insieme di riferimento (insieme sostegno) {,, C, } Collezione
DettagliSYLLABUS TRIENNIO. prof. Mauro Malatesta. Approvata dal Dipartimento di il. Approvata dal Consiglio di classe il...
Anno scolastico: 2014 2015 Classe: 4 Sez.: G Disciplina: INFORMATICA Articolazione: Informatica Docente: prof. Mauro Malatesta (firma) Approvata dal Dipartimento di il Approvata dal Consiglio di classe
DettagliEntità. Relazioni. Cardinalità delle relazioni. Ogni entità ha un nome che la identifica
Entità Ogni entità ha un nome che la identifica univocamente nello schema: I nomi devono essere per quanto possibile espressivi Convenzioni Si usa il singolare Si rappresenta di solito con un rettangolo
DettagliApplicazioni:la traduzione automatica
Applicazioni:la traduzione automatica Il problema di tradurre automaticamente un testo da una lingua all altra è stato affrontato ancora prima della nascita dell IA. Negli anni Cinquanta diversi ricercatori,
DettagliRagionamento formalei. Ragionamento formale
Ragionamento formale La necessità e l importanza di comprendere le basi del ragionamento formale, utilizzato in matematica per dimostrare teoremi all interno di teorie, è in generale un argomento piuttosto
DettagliProgettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni
LA PROGETTAZIONE DI BASI DI DATI Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni La progettazione dei dati è l attività più importante Per progettare i dati al
DettagliBasi di Dati: Introduzione
Basi di Dati: Introduzione Tutte le organizzazioni trattano informazioni che vanno individuate, raccolte e memorizzate per RECUPERARLE AGGIUNGERLE MODIFICARLE CANCELLARLE Necessità nata molto prima dell
DettagliLe Basi di dati: progettazione concettuale
Le Basi di dati: progettazione concettuale Progettazione di una base di dati requisitidel Sistema Informativo progettazione concettuale SCHEMA CONCETTUALE SCHEMA FISICO progettazione fisica progettazione
DettagliLE BASI DI DATI. Prima parte Premesse introduttive I MODELLI DEI DATI
LE BASI DI DATI Prima parte Premesse introduttive I MODELLI DEI DATI MODELLAZIONE DEI DATI Un modello dei dati è un insieme di concetti utilizzati per organizzare i dati di interesse e descriverne la natura
DettagliISTITUTO TECNICO STATALE COMMERCIALE E PER GEOMETRI A. MARTINI Castelfranco Veneto (TV) Elementi di Logica
settembre 008 Elementi di Logica 1. Nozioni preliminari La logica studia come funziona il pensiero e il ragionamento espresso attraverso degli enunciati Il ragionamento è un sistema di enunciati che permette
DettagliUML Introduzione a UML Linguaggio di Modellazione Unificato. Corso di Ingegneria del Software Anno Accademico 2012/13
UML Introduzione a UML Linguaggio di Modellazione Unificato Corso di Ingegneria del Software Anno Accademico 2012/13 1 Che cosa è UML? UML (Unified Modeling Language) è un linguaggio grafico per: specificare
DettagliInformatica Applicata 3.3 OWL. Antonella Poggi. Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE
Informatica Applicata 3.3 OWL Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE The Semantic Web Tower Antonella Poggi Pagina 2 Le ontologie
DettagliInterpreti, compilatori e semantica operazionale
Interpreti, compilatori e semantica operazionale 1 Linguaggi di programmazione Come si comprendono le caratteristiche di un linguaggio di programmazione? Molte risposte diverse manuali, documentazione
DettagliCALCOLO PROPOSIZIONALE: CENNI
CALCOLO PROPOSIZIONALE: CENNI Francesca Levi Dipartimento di Informatica February 26, 2016 F.Levi Dip.to Informatica Informatica per le Scienze Umane a.a. 15/16 pag. 1 La Logica La logica è la disciplina
DettagliPROGRAMMAZIONE DIDATTICA DI DIPARTIMENTO A.S. 2017/2018
ISTITUTO ISTRUZIONE SUPERIORE EINAUDI - SCARPA TECNOLOGICO - ECONOMICO PROFESSIONALE Via J. Sansovino, 6-31044 MONTEBELLUNA (TV) 0423 23587 - Fax 0423 602717 web: www.iiseinaudiscarpa.gov.itemail: info@iiseinaudiscarpa.gov.it
DettagliCosa è l Informatica?
Cosa è l Informatica? Scienza degli elaboratori elettronici (Computer Science) Scienza dell informazione Scienza della rappresentazione, memorizzazione, elaborazione e trasmissione dell informazione Elaboratore
Dettaglila formazione delle classi e della categorie
la formazione delle classi e della categorie Tradizionalmente si assume che per formare una classe sia necessario indicare proprietà necessarie e congiuntamente sufficienti. Indicate le proprietà si possono
DettagliPROGRAMMAZIONE A.S Matematica - Classe Prima H Prof. Diana Giacobbi. Saper applicare i concetti acquisiti in contesti noti/nuovi;
VERIFICHE INIZIALI: 17% insufficiente; PROGRAMMAZIONE A.S. 2016-2017 Matematica - Classe Prima H Prof. Diana Giacobbi 36% sufficiente o quasi sufficiente; 48% buono o ottimo. OBIETTIVI DIDATTICI: Conoscenza
DettagliTecniche avanzate per la progettazione e la gestione dei sistemi produttivi
Tecniche avanzate per la progettazione e la gestione dei sistemi produttivi 1 Panoramica generale Dalle Scienze naturali Dalla matematica Knowledge Based systems Artificial Neural Networks Simulation Chaos
DettagliProgrammazione con Java
Programmazione con Java Astrazioni e UML Astrazioni Nella vita reale siamo abituati a osservare e descrivere oggetti a vari livelli di dettaglio Dai da mangiare a Fido Porta a passeggio il cane Di quale
DettagliIntroduzione al modello Entità-Relazione (ER) ( riferimento: [SA15, Cap. 13] )
Introduzione al modello Entità-Relazione (ER) ( riferimento: [SA15, Cap. 13] ) Eugenio Omodeo Università degli Studi di Trieste. Trieste, 18/10/2017 Visione di un importante filosofo del XVII sec. A me
DettagliLinguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione
Sommario Linguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione 1 2 Linguaggio (1) Linguaggio (2) Insieme di sequenze di simboli,
DettagliLinguaggi di alto livello. Barriera di astrazione. Pascal. Cobol. Fortran. Basic. Modula-2. Lisp. Simula67 Scheme. Smalltalk C++ Prolog AN
Linguaggi di alto livello Barriera di astrazione C Fortran Modula-2 Cobol Basic Pascal Algol Ada Lisp Smalltalk Simula67 Scheme C++ Prolog ML AN - 1995 Linguaggi di alto livello IMPERATIVI Fortran Cobol
DettagliDISPENSE DI PROGRAMMAZIONE LINGUAGGI A TIPIZZAZIONE FORTE: IL COSTRUTTO DI TIPO. TIPI SEMPLICI: TIPI PRE-DEFINITI E TIPI DEFINITI DAL PROGRAMMATORE.
DISPENSE DI PROGRAMMAZIONE Modulo 3 Linguaggi di programmazione: dati e controllo (Parte I) LINGUAGGI A TIPIZZAZIONE FORTE: IL COSTRUTTO DI TIPO. TIPI SEMPLICI: TIPI PRE-DEFINITI E TIPI DEFINITI DAL PROGRAMMATORE.
DettagliSISTEMI INFORMATIVI TERRITORIALI DATABASES -LEZIONE 3
SISTEMI INFORMATIVI TERRITORIALI DATABASES -LEZIONE 3 Patrizio Pelliccione patrizio.pelliccione@di.univaq.it Dipartimento di Informatica Università degli Studi dell Aquila RINGRAZIAMENTI Queste slides
DettagliFondamenti di Informatica e Programmazione
Fondamenti di Informatica e Programmazione Prof. G ianni D Angelo Email: giadangelo@unisa.it A. A. 2018/19 Dati e Basi di Dati 1/4 I dati sono importanti poiché costituiscono una risorsa aziendale La loro
Dettagli