Lezione 5.4 del corso online aperto dell'Università di Urbino sull'Intelligenza Artificiale https://mooc.uniurb.it/aimooc

1. AIMOOC 5.5 alessandro bogliolo
INTELLIGENZA ARTIFICIALE #AIMOOC
alessandro bogliolo
5.5 PROGRAMMAZIONE
O ADDESTRAMENTO?
mooc.uniurb.it/aimooc

2. AIMOOC 5.5 alessandro bogliolo
Roby
Hardware
Software
Memoria
Sensori
Attuatori
Numeri pseudo-casuali
Velocità
Apprendimento

3. AIMOOC 5.5 alessandro bogliolo
Quando non basta la velocità?
• Spazio di ricerca della soluzione troppo esteso
• Per quanto siano veloci i sistemi di calcolo, esistono problemi il cui spazio di
ricerca non potrebbe esplorato esaustivamente prima della fine del Sistema
Solare
• Mancanza di algoritmi noti per risolvere il problema
• Conoscenza insufficiente del problema da affrontare
• Esigenza di generalità e adattamento

4. AIMOOC 5.5 alessandro bogliolo
Classificazione
Luminosità sfondo
Luminosità
oggetti

5. AIMOOC 5.5 alessandro bogliolo
Classificazione
Luminosità sfondo
Luminosità
oggetti
Scuro su fondo chiaro

6. AIMOOC 5.5 alessandro bogliolo
Classificazione
Luminosità sfondo
Luminosità
oggetti
Alto contrasto

7. AIMOOC 5.5 alessandro bogliolo
Classificazione
Luminosità sfondo
Luminosità
oggetti
Cerchio a sinistra del quadrato

8. AIMOOC 5.5 alessandro bogliolo
Classificazione
Luminosità sfondo
Luminosità
oggetti
Cerchio a sinistra del quadrato

9. AIMOOC 5.5 alessandro bogliolo
Programmazione e addestramento
• Il codice dice come aggiornare i pesi delle sinapsi
durante l’addestramento
• Gli esempi del training set determinano
l’aggiornamento dei pesi
• Il codice dice come estrarre le features dai dati di
input e come usare la rete addestrata per calcolare
l’output
• Una rete già addestrata è assimilabile a un qualsiasi
altro software che offra una soluzione euristica ad
un problema

10. AIMOOC 5.5 alessandro bogliolo
Il coding cambia prospettiva
• Anziché programmare l’algoritmo che risolve un
problema, si programmano le tecniche di
apprendimento dall’esperienza e di utilizzo
dell’esperienza acquisita per prendere decisioni
• Diventano determinanti:
• La scelta delle features
• La scelta del training set
• Le decisioni prese sul training set
• La coerenza dei contesti applicativi

11. AIMOOC 5.5 alessandro bogliolo
Attività unplugged
• Costruire (o usare) un mazzo di carte
• Elencare le caratteristiche (features) applicabili a tutte le carte del mazzo:
posizione oggetti rappresentati, dimensione oggetti, contrasto, colore,
primo e secondo piano, numero di oggetti, …
• Mescolare il mazzo e spezzarlo in due (primo e secondo mazzo)
• La squadra A stabilisce un criterio (basato su una o due feature) per
scegliere le carte, senza dirlo alla squadra B
• Addestramento: La squadra A applica al primo mazzo (training set) il
criterio di scelta delle carte, ad una ad una, sotto gli occhi attenti della
squadra B
• Sfida: La squadra B deve scegliere le carte del secondo mazzo, ad una ad
una, con lo stesso criterio, dedotto dall’addestramento
• Il gioco continua a parti invertite

12. AIMOOC 5.5 alessandro bogliolo
Attività online con Code.org
https://code.org/ai

13. AIMOOC 5.5 alessandro bogliolo
Attività online con TensorFlow
https://playground.tensorflow.org/