MODELLI COMPUTAZIONALI DEI PROCESSI COGNITIVI

Prof. Rosapia Lauro Grotto

Dipartimento di Psicologia

I Modulo (3 CFU)

Argomento
Intelligenza Artificiale classica e scienza cognitiva: introduzione storica. Risoluzione di problemi. Il problema della rappresentazione della conoscenza. Il ragionamento come calcolo. Sistemi esperti. La pianificazione di azioni. La portata ed i limiti della psicologia computazionale.

Obiettivi formativi
Familiarizzare lo studente con le problematiche fondamentali dell'intelligenza artificiale classica e fornire le conoscenze necessarie ad un approccio critico nei confronti di varie tecniche di modellizzazione simbolica e sub-simbolica in uso nelle scienze cognitive.

Testi d'esame

Modalità d'esame
Prova scritta e orale.

II Modulo (3 CFU)

Argomento
L'approccio subsimbolico alla modellizzazione delle funzioni cognitive. Fondamenti di neurocomputazione. Apprendimento supervisionato. Esempi notevoli. Reti neurali e meccanica statistica. Modelli per la memoria associativa ed episodica.

Obiettivi formativi
Familiarizzare lo studente con l'approccio subsimbolico alla modellizzazione delle funzioni cognitive basato sulle reti neurali. Illustrare le caratteristiche algoritmiche delle tecniche di uso più comune in ambito cognitivo e discutere criticamente alcuni risultati notevoli riportati in letteratura.

Testi d'esame

Modalità d'esame
Orale.

III Modulo (3 CFU)

Argomento
Modelli neurali di interesse neuro-fisiologico. Auto-organizzazione. Sistemi dinamici. Algoritmi genetici. Formalismi fuzzy.

Obiettivi formativi
Fornire lo studente degli strumenti per una valutazione critica dell'approccio dinamico alla modellizzazione dell'attività neurale. Illustrare i fondamenti delle tecniche computazionali basate sui meccanismi evolutivi e sull'approccio fuzzy-logic.

Testi d'esame

Modalità d'esame
Orale.

Didattica assistita

Ersercitazioni al calcolatore.
Modulo di riferimento: I Modulo.
Argomento: Reti neurali connessioniste.
Obiettivi formativi: Familiarizzazione con un software per l'implementazione di algoritmi neurali.
Testi d'esame: Plunkett, K. e Elman, J.L. (1998) Exercises in Rethinking Innateness: a Handbook for Connectionist Simulations. MIT Press, Cambridge, Mass. (Facoltativo)
Modalità di verifica: Produzione di una simulazione e discussione orale delle sue caratteristiche.