Un’applicazione di elaborazione del linguaggio naturale per il gioco di "Indovina chi?" su robot umanoide

La tesi è stata incentrata sul gioco «Indovina chi?» per l’identificazione da parte del robot Nao di un personaggio tramite la sua descrizione. In particolare la descrizione avviene tramite domande e risposte L’obiettivo della tesi è la progettazione di un sistema in grado di capire ed elaborare dei dati comunicati usando un sottoinsieme del linguaggio naturale, estrapolarne le informazioni chiave e ottenere un riscontro con informazioni date in precedenza. Si è quindi programmato il robot Nao in modo che sia in grado di giocare una partita di «Indovina chi?» contro un umano comunicando tramite il linguaggio naturale. Sono state implementate regole di estrazione e categorizzazione per la comprensione del testo utilizzando Cogito, una tecnologia brevettata dall'azienda Expert System. In questo modo il robot è in grado di capire le risposte e rispondere alle domande formulate dall'umano mediante il linguaggio naturale. Per il riconoscimento vocale è stata utilizzata l'API di Google e PyAudio per l'utilizzo del microfono. Il programma è stato implementato in Python e i dati dei personaggi sono memorizzati in un database che viene interrogato e modificato dal robot. L'algoritmo del gioco si basa su calcoli probabilistici di vittoria del robot e sulla scelta delle domande da proporre in base alle risposte precedentemente ricevute dall'umano. Le regole semantiche realizzate danno la possibilità al giocatore di formulare frasi utilizzando il linguaggio naturale, inoltre il robot è in grado di distinguere le informazioni che riguardano il personaggio da indovinare senza farsi ingannare. La percentuale di vittoria del robot ottenuta giocando 20 partite è stata del 50%. Il data base è stato sviluppato in modo da poter realizzare un identikit completo di una persona, oltre a quello dei personaggi del gioco. È quindi possibile ampliare il progetto per altri scopi, oltre a quello del gioco, nel campo dell'identificazione.

Analysis of the Variability of Carbonate System Parameters in the North-East Atlantic.

The purpose of this thesis is to analyse the spatial and temporal variability of the aragonite saturation state (ΩAR), commonly used as an indicator of ocean acidification, in the North-East Atlantic. When the aragonite saturation state decreases below a certain threshold, ΩAR <1, calcifying organisms (i.e. molluscs, pteropods, foraminifera, crabs, etc.) are subject to dissolution of shells and aragonite structures. This objective agrees with the challenge 'Ocean, climate change and acidification' of the EU COST Ocean Governance for Sustainability project, which aims to combine the information collected on the state of health of the oceans. Two open-sources data products, EMODnet and GLODAPv2, have been integrated and analysed for the first time in the North-East Atlantic region. The integrated dataset contains 1038 ΩAR vertical profiles whose time distribution spans from 1970 to 2014. The ΩAR has been computed from CO2SYS software considering different combinations of input parameters, pH, Total Alkalinity (TAlk) and Dissolved Inorganic Carbon (DIC), associated with Temperature, Salinity and Pressure at in situ conditions. A sensitivity analysis has been performed to better understand the data consistency of ΩAR computed from the different combinations of pH, Talk and DIC and to verify the difference among observed TAlk and DIC parameters and their output values from the CO2SYS tool. Maps of ΩAR have been computed with the best data coverage obtained from the two datasets, at different levels of depth in the area of investigation and they have been compared to the work of Jiang et al. (2015). The results are consistent and show similar horizontal and vertical patterns. The study highlights some aragonite undersaturated values (ΩAR <1) below 500 meters depth, suggesting a potential effect of acidification in the considered time period. This thesis aims to be a preliminary work for future studies that will be able to design the ΩAR variability on a decadal distribution based on the extended time-series acquired in this work.