Prof. Fiorella de Rosis
Questo Corso si propone di approfondire i temi di base
introdotti nel Corso di Interazione Uomo-Macchina (nella Laurea Triennale in
Informatica e Comunicazione Digitale o in Informatica). Approfondisce, in
particolare, gli aspetti più innovativi di questa materia, e cioè i metodi che
sono alla base della concezione e della progettazione di interfacce che mostrano
forme diverse di 'intelligenza'.
1. Introduzione
Perché inserire forme d’intelligenza
nell’interazione; quali forme d’intelligenza.
2. Architettura di una interfaccia intelligente
Fonti di conoscenza
necessarie, forme di ragionamento.
3. Ragionamento logico
Linguaggi per la rappresentazione della
conoscenza sull’utente e sui metodi d’interazione. Esercizi di formalizzazione
in domini significativi. Principio di risoluzione: suoi usi e strategie di
ottimizzazione.
4. Ragionamento incerto
Quali fonti e forme d’incertezza. Reti
causali probabilistiche: ipotesi, algoritmi di propagazione e metodi di
assegnazione dei parametri (per apprendimento e per valutazione soggettiva
coerente).
5. Modelli di utente
Esempi classici. Ragionamento sugli stati
mentali. Modelli individuali e di gruppo.
6. Interazione in linguaggio naturale: generazione di
messaggi
Architetture pipeline di Reiter e Dale. Metodi di pianificazione
secondo Green e secondo Sacerdoti. Piani del discorso. Generazione superficiale.
Ruolo di XML e derivati.
7. Ipermedia adattivi
Forme di ad attività secondo Brusilowsky.
Metodi di generazione
8. Interazione in linguaggio naturale: simulazione di
dialoghi
Modelli a stati finiti e modelli a blackboard. Riconoscimento e
interpretazione delle ‘mosse’ dell’utente. Un semplice simulatore in Java.
9. Interazione con Agenti Animati
Metodi e architetture. Linguaggi
di markup per la definizione dell’input ad un player di agenti.
10. Prospettive
Prima Parte
Unita' 1: Introduzione
Unita' 2: Formalizzazione con linguaggi logici
Unita' 3: Ragionamento per risoluzione (aggiornato)
Unita' 4: Modelli di utente (aggiornato)
Unita' 5: Ragionamento in condizioni di incertezza (aggiornato con BN Dinamici)
Unita' 6: Apprendimento di reti bayesiane
Unita'
7: Dialoghi in linguaggio naturale
Seconda Parte
Unita' 1: Introduzione alla Generazione del Linguaggio Naturale
Unita' 2: Introduzione ai Metodi di Pianificazione: STRIPS
Unita' 3: Introduzione ai Metodi di Pianificazione: POP e livelli di astrazione
Unita' 4 (prima parte): NLG: SCHEMI e Relazioni Retoriche
Unita'4(seconda parte): RST e Generazione di Linguaggio Naturale
Unita'4(riassunto): Piani del discorso
Unita'5: Esercizio NLG - Formalizzazione Operatori e Pianificazione
Unita'6: Generazione Superficiale - Sentence Planning e Surface Realization
Link utili
Sulla prima parte:
- Genesereth e Nilsson: Logical Foundations of Artificial Intelligence,
Capitoli 4, 5 e 9 (reperibile in biblioteca), limitatamente alle parti trattate
a lezione.
- Reti
causali probabilistiche
- Modelli
di utente come RCP
- Dialoghi in
linguaggio naturale
Sulla seconda parte:
- Introduzione alle relazioni retoriche
M. Maybury and W. Wahlster: Readings in Intelligent Interfaces. 1998
APPELLI
E' OBBLIGATORIO PRENOTARSI CON ALMENO TRE GIORNI DI ANTICIPO