[Giuseppe Alessandri, Appunti]

Похожие документы
Psiche e complessità. 4. L approccio bottom-up ai problemi

Unità di apprendimento 6. Dal problema al programma

SNADIR. Corso di formazione Il Cognitivismo

L intelligenza artificiale

INTELLIGENZA ARTIFICIALE (elementi) 6 cfu

RAPPRESENTAZIONE GLI ALGORITMI NOTAZIONE PER LA RAPPRESENTAZIONE DI UN ALGORITMO

Coding robotica educativa e storytelling

Correttezza (prima parte)

«Sviluppa la capacità di problem solving a lavoro» a cura di: SERAFINA PARENTE, MARIA TERESA FARGNOLI, IVA POLSINELLI

Algoritmi e loro proprietà. Che cos è un algoritmo? Un esempio di algoritmo

Formare per situazioni. Patrizia Magnoler Università degli Studi di Macerata

DEEP LEARNING PER CONTROLLO QUALITA PRODOTTO E CONTROLLO DI PROCESSO Alessandro Liani, CEO e R&D Manager

Cognitivismo e neuroscienze cognitive. Alberto Oliverio Università di Roma, Sapienza

Computation and the Philosophy of Science. P. Thagard

TEORIE E TECNICHE PER LA COMUNICAZIONE DIGITALE

Teorie dell apprendimento, teorie della mente e dida0ca. Romina Nes+

Basi di Dati. Progettazione di una Base di Dati. Progettazione di una Base di Dati

Prodo3o realizzato con il contributo della Regione Toscana nell'ambito dell'azione regionale di sistema. Laboratori del Sapere Scien0fico

INTELLIGENZA ARTIFICIALE (elementi) 6 cfu

Introduzione alla programmazione

Lez. 5 La Programmazione. Prof. Salvatore CUOMO

Intelligenza Artificiale A (lezione introduttiva parte di teoria)

UNIVERSITA DEGLI STUDI DI MILANO-BICOCCA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI

CORSO DI INTELLIGENZA ARTIFICIALE. Docente: Prof. Paola Mello

IL GIOCO IN CHIAVE METACOGNITIVA. Monza, 23 marzo 2013

Tecnologie e apprendimento: paradigmi teorici e modelli applicativi. Maria Ranieri Università di Firenze Lezione 3

LOGICA E FILOSOFIA DELLA SCIENZA

ANALISI DELLA DOMANDA

IL PROCESSO di PROGETTAZIONE

Trascrizione del videomessaggio inviato al Congresso dal Ministro del Lavoro e delle Politiche Sociali Giuliano Poletti

L adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano. Maurizio Magarini MATLAB EXPO Milano, 4 novembre 2014

Applicazioni:la traduzione automatica

Salvatore Cuomo Prolusione

Disegno di Macchine. Docente: ing. Francesca Campana

Tecnologie e apprendimento: paradigmi teorici e modelli applicativi. Maria Ranieri Università di Firenze

ELEMENTI DI TELECOMUNICAZIONI- PETRINI Editore KOSTOPOULOS

La matematica non è un opinione, lo è oppure...?

ISTITUTO TECNICO ECONOMICO STATALE "R. VALTURIO" Centro Studi Colonnella - Via Grazia Deledda Rimini PROGRAMMA MATEMATICA

REPERTORIO DELLE QUALIFICAZIONI PROFESSIONALI DELLA REGIONE CAMPANIA

PIANO DI LAVORO PREVENTIVO a. s Materia Geografia. Docente Livia Parisi

Scheda di autoriflessione del docente

CURRICOLO DI MATEMATICA

COMMITTENZA INTERNA. Educatore: lavoro dipendente

Le aree dell informatica

A.A. 2008/2009. Modulo di Valutazione economica dei piani SSD ICAR 22. Docente: dott. Francesco Calabrò

Riforma del curricolo e formazione dei talenti

Транскрипт:

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 con intelligenza artificiale e reti neurali. Nell approccio della razionalità tecnica la progettazione è vista come processo a priori, viene pianificato l insieme di azioni da sviluppare in un fase preliminare, quindi si mette in atto questo piano ed al termine si valuta lo scarto fra quanto previsto e quanto realizzato. Il tentativo fondamentale e caratterizzante di questo approccio è quello di analizzare nel miglior modo possibile il problema, sviluppare il processo attraverso una sua scomposizione preliminare in una insieme di componenti che ne riducano la complessità, e quindi organizzarle in una sequenza rigorosa e controllabile. Si intravvede, anzi si predilige, una sequenza di progettazione anticipata, esecuzione, valutazione. L altro versante, quello della complessità, predica una sinergia fra i momenti di progettazione, azione, valutazione. Questi non sono messi in una sequenza logica preordinata come avviene nel precedente approccio, ma la progettazione si completa e si sostanzia nell azione e nella valutazione. L evento didattico non è preordinato, ma vive nella contemporaneità della progettazione e della valutazione. Si individua una idea iniziale ed è l azione che sostanzia il progetto; questo è il prodotto finale del percorso. La progettazione si sviluppa con una continua conversazione con l azione (Schon). Il mondo dell'intelligenza artificiale classica si basa sulla rappresentazione formale della conoscenza: di un problema conosciamo l ambiente e i comportamenti che rappresentano il patrimonio di un agente; si realizza una struttura che si basa sulla conoscenza del dominio nel quale l'agente dovrà agire: questa struttura conterrà i vincoli/ostacoli nel dominio, le azioni che l'agente potrà sviluppare, le possibili convergenze fra vincoli/ostacoli ed azioni. In definitiva si rappresenta il mondo nel quale l'agente potrà muoversi, lo si dota degli opportuni comportamenti e lo si fa vivere in base a regole che prevedono anche quali siano le possibili azioni per superare degli ostacoli. L IA classica si basa sulla simulazione del ragionamento umano. Un elaboratore è un esempio di come possa esistere un dispositivo capace di ragionare basandosi esclusivamente su rappresentazioni simboliche quindi è anche possibile pensare che la mente umana si comporti allo stesso modo. L intelligenza del computer sta sul software che può essere implementato su hardware differenti; ciò significa che è indipendente dall hardware così come l intelligenza umana vive una vita propria rispetto al suo hardware: il cervello. Quindi da una parte software e hardware e dall altra intelligenza (che gestisce rappresentazioni di conoscenza) e cervello. Questo approccio all IA può essere messo in relazione con il versante della razionalità tecnica della progettazione; in questo caso tutto è preordinato. Nel caso di una rete neurale, invece, non esiste la predeterminazione del mondo nel quale l'agente vivrà, completo dei possibili incontri fra azione ed ostacolo. Le tecniche neurali, al contrario di quelle simboliche basate su conoscenza esplicita fornita da un esperto, sono basate su conoscenza autoappresa e implicitamente codificata in una rete di connessioni, in analogia con il cervello. Analizziamo sinteticamente il principi di funzionamento di una rete neurale. Alla rete, costituita da neuroni e connessioni, viene fornito in ingresso una serie di esempi significativi e simili al problema da affrontare e risolvere. Le reti possono essere non supervisionate e supervisionate. Essenzialmente la differenza consiste nel proporre alla rete delle soluzioni ai problemi di addestramento presentati (reti supervisionate) oppure nel non proporle (reti non supervisionate). La rete supervisionata esamina gli esempi proposti e si assesta per fornire una ipotesi di soluzione che sia accettabile se confrontata con la soluzione proposta. Questa operazione di confronto viene sviluppata automaticamente dalla rete che confronta il risultato ottenuto con la soluzione proposta: se quella trovata si discosta di un certo valore che supera un delta proposto, allora la rete torna ad 1

operare cercando di assestarsi nuovamente e fornisce una nuova soluzione. Il procedimento termina quando lo scarto fra soluzione fornita dalla rete e quella proposta è inferiore al delta previsto. La rete, quindi, procede per approssimazioni successive fino a prospettare soluzioni che siano accettabili, cioè uguali, salvo il delta prestabilito, a quelle reali. Dopo l addestramento (la fase precedentemente presentata) inizia la fase di sperimentazione che potrà portare a quella di effettivo utilizzo delle rete. Ad essa vengono somministrati alcuni casi del problema, con dati in ingresso diversi da quelli già utilizzati e, questa volta, non vengono forniti i risultati e non viene attivato il processo di retropropagazione per la correzione. La rete, sulla base dell addestramento precedente si è strutturata in modo opportuno ed è pronta a restituire delle soluzioni che dovrebbero essere sempre più accettabili in base al livello di efficienza raggiunto. Ovviamente, se l esito di queste operazioni è soddisfacente, la rete potrà essere utilizzata per le applicazioni per le quali è stata realizzata ed addestrata. Una rete neurale può essere messa in relazione con il versante delle complessità della progettazione. In questo caso è la vita della rete che restituisce un suo assestamento che produce soddisfacenti risultati. Come dire che non esiste una rappresentazione a priori di una progettazione che viene codificata in un progetto. Il progetto è frutto dell assestamento della rete. In una progettazione del secondo tipo (versante della complessità) costruisce il progetto durante lo sviluppo dello stesso. Possiamo focalizzare due aspetti di contiguità fra reti neurali e progettazione sul versante della complessità. Un primo significato tende a focalizzarsi sull aspetto di autorganizzazione della rete e ciò porta a individuare l approccio di costruzione in itinere del progetto; non esiste, cioè, un progetto iniziale che rappresenta una pianificazione che va seguita in tutti i suoi particolari. Un secondo significato riconduce alla professionalità del docente; nella sua esperienza di progettazione riesce a cogliere, via via, delle soluzioni, formalizzate in percorsi, che presumibilmente hanno uno scarto di errore inferiore ad una soglia di accettabilità. Qui non si vuole ora sostenere una visione della professionalità riconducibile a pianificazioni iniziali corrette che vanno ciecamente eseguite, quanto affermare che un buon professionista, un attore che opera sul campo, come può essere un educatore, inevitabilmente accumula esperienza che gli permette di assestarsi su ipotesi di progetto sempre più accettabili. [Giuseppe Alessandri, Appunti] 2