Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


appunti sull'intelligenza artificiale, Appunti di Informatica

appunti sull'intelligenza artificiale

Tipologia: Appunti

2024/2025

In vendita dal 30/04/2025

sara-cancellier
sara-cancellier 🇮🇹

35 documenti

1 / 2

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
Appun sull'Intelligenza Arficiale
1. Storia dell'Intelligenza Arficiale
L'intelligenza arficiale (IA) nasce come disciplina negli anni '50, con l'obievo di creare macchine
capaci di simulare il pensiero umano.
a) Le Origini
1943: McCulloch e Pis propongono il primo modello matemaco di un neurone arficiale.
1950: Alan Turing introduce il conceo di "macchina universale" e propone il Test di Turing.
1956: Conferenza di Dartmouth – nasce ufficialmente il termine "Intelligenza Arficiale"
(John McCarthy, Marvin Minsky, Claude Shannon).
1960-1980: Sviluppo dei primi sistemi esper e delle re neurali arficiali.
1997: Deep Blue, computer di IBM, sconfigge il campione di scacchi Garry Kasparov.
2010-oggi: Boom del Machine Learning e Big Data, con applicazioni in riconoscimento
facciale, assisten vocali, veicoli autonomi e altro.
2. Ciberneca e Roboca
a) Ciberneca
La ciberneca, sviluppata da Norbert Wiener negli anni '40, studia i sistemi di controllo e
comunicazione tra uomo e macchina. Ha influenzato lo sviluppo dell'IA e dell'automazione.
b) Roboca
La roboca si occupa della progeazione di macchine capaci di interagire con l'ambiente. Alcuni
sviluppi chiave:
Bracci roboci negli anni '60 per l'industria.
Robot umanoidi come ASIMO di Honda.
Veicoli autonomi e droni intelligen.
3. Alan Turing: la Macchina e il Test di Turing
a) La Macchina di Turing
Alan Turing ha formulato il conceo di macchina di Turing, un modello astrao di calcolatore
capace di eseguire qualsiasi algoritmo computabile.
b) Il Test di Turing
Turing propose un test per valutare l'intelligenza di una macchina: se un osservatore umano non
riesce a disnguere tra risposte di una macchina e quelle di un essere umano, la macchina può
essere considerata intelligente.
4. Machine Learning
Il Machine Learning (apprendimento automaco) è un sooinsieme dell'IA che permee ai
computer di imparare dai da senza essere esplicitamente programma.
Tipologie di Machine Learning
1. Apprendimento supervisionato: il modello impara da da echea (es. classificazione di
immagini).
2. Apprendimento non supervisionato: il modello idenfica paern nei da senza echee
(es. clustering).
3. Apprendimento per rinforzo: il modello impara tramite ricompense e penalità (es. AlphaGo
di DeepMind).
5. Big Data
pf2

Anteprima parziale del testo

Scarica appunti sull'intelligenza artificiale e più Appunti in PDF di Informatica solo su Docsity!

AppunƟ sull'Intelligenza ArƟficiale

  1. Storia dell'Intelligenza ArƟficiale L'intelligenza arƟficiale (IA) nasce come disciplina negli anni '50, con l'obieƫvo di creare macchine capaci di simulare il pensiero umano. a) Le Origini  1943: McCulloch e PiƩs propongono il primo modello matemaƟco di un neurone arƟficiale.  1950: Alan Turing introduce il conceƩo di "macchina universale" e propone il Test di Turing.  1956: Conferenza di Dartmouth – nasce ufficialmente il termine "Intelligenza ArƟficiale" (John McCarthy, Marvin Minsky, Claude Shannon).  1960-1980: Sviluppo dei primi sistemi esperƟ e delle reƟ neurali arƟficiali.  1997: Deep Blue, computer di IBM, sconfigge il campione di scacchi Garry Kasparov.  2010-oggi: Boom del Machine Learning e Big Data, con applicazioni in riconoscimento facciale, assistenƟ vocali, veicoli autonomi e altro.
  2. CiberneƟca e RoboƟca a) CiberneƟca La ciberneƟca, sviluppata da Norbert Wiener negli anni '40, studia i sistemi di controllo e comunicazione tra uomo e macchina. Ha influenzato lo sviluppo dell'IA e dell'automazione. b) RoboƟca La roboƟca si occupa della progeƩazione di macchine capaci di interagire con l'ambiente. Alcuni sviluppi chiave:  Bracci roboƟci negli anni '60 per l'industria.  Robot umanoidi come ASIMO di Honda.  Veicoli autonomi e droni intelligenƟ.
  3. Alan Turing: la Macchina e il Test di Turing a) La Macchina di Turing Alan Turing ha formulato il conceƩo di macchina di Turing, un modello astraƩo di calcolatore capace di eseguire qualsiasi algoritmo computabile. b) Il Test di Turing Turing propose un test per valutare l'intelligenza di una macchina: se un osservatore umano non riesce a disƟnguere tra risposte di una macchina e quelle di un essere umano, la macchina può essere considerata intelligente.
  4. Machine Learning Il Machine Learning (apprendimento automaƟco) è un soƩoinsieme dell'IA che permeƩe ai computer di imparare dai daƟ senza essere esplicitamente programmaƟ. Tipologie di Machine Learning
    1. Apprendimento supervisionato: il modello impara da daƟ eƟcheƩaƟ (es. classificazione di immagini).
    2. Apprendimento non supervisionato: il modello idenƟfica paƩern nei daƟ senza eƟcheƩe (es. clustering).
    3. Apprendimento per rinforzo: il modello impara tramite ricompense e penalità (es. AlphaGo di DeepMind).
  5. Big Data

I Big Data rappresentano enormi quanƟtà di daƟ generaƟ quoƟdianamente da disposiƟvi digitali, social media e sensori. CaraƩerisƟche dei Big Data (le "5 V")  Volume: quanƟtà di daƟ generaƟ.  Velocità: rapidità con cui i daƟ vengono prodoƫ e analizzaƟ.  Varietà: diversi Ɵpi di daƟ (testo, immagini, video, ecc.).  Veridicità: qualità e affidabilità dei daƟ.  Valore: uƟlità che si può estrarre dai daƟ. L'IA sfruƩa i Big Data per migliorare il machine learning, il riconoscimento di immagini, il markeƟng prediƫvo e molte altre applicazioni.

  1. ReƟ Neurali Le reƟ neurali arƟficiali sono modelli computazionali ispiraƟ alla struƩura del cervello umano. a) StruƩura di una Rete Neurale  Neurone arƟficiale: unità base che riceve input, li elabora e genera un output.  StraƟ della rete: o Strato di input: riceve i daƟ iniziali. o StraƟ nascosƟ: elaborano le informazioni. o Strato di output: produce il risultato finale. b) Deep Learning  Il Deep Learning è una branca avanzata del Machine Learning basata su reƟ neurali profonde (con molƟ straƟ nascosƟ).  UƟlizzato in riconoscimento vocale, visione arƟficiale, traduzione automaƟca.