Risoluzione di semplici problemi aritmetici espressi in linguaggio naturale con tecniche di Intelligenza Artificiale

Nell'ambito dell'Intelligenza Artificiale uno dei problemi aperti e piu difficile da risolvere e la comprensione del linguaggio naturale. La complessita sintattica e la conoscenza che bisogna avere per comprendere riferimenti, relazioni e concetti impliciti rendono questo problema molto interessante e la sua risoluzione di grande importanza per lo sviluppo di applicazioni che possano interagire in modo diretto con le persone. Questo lavoro di tesi non pretende di studiare e trovare una soluzione completa al suddetto problema, ma si prefigge come obiettivo quello di comprendere e risolvere problemi matematici di tipo logico ed aritmetico scritti in lingua inglese. La difficolta del lavoro si riduce in quanto non si devono considerare gli infiniti ambiti conoscitivi e puo concentrarsi su un'unica interpretazione del testo: quella matematica. Nonostante questa semplificazione il problema da affrontare rimane di grande difficolta poiche e comunque necessario confrontarsi con la complessita del linguaggio naturale. Esempi di problemi matematici che si intende risolvere si possono trovare presso il sito web dell'Universita della Bocconi nella sezione dei Giochi Matematici. Questi problemi richiedono la conoscenza di concetti di logica, insiemistica e di algebra lineare per essere risolti. Il modello matematico che descrive questi problemi non e complesso ed una volta dedotto correttamente e di facile risoluzione tramite un risolutore automatico. La difficolta consiste nel comprendere correttamente il testo ed estrapolarne il giusto modello. Il lavoro che si andra ad esporre nel seguito parte dall'analisi del testo ed arriva fino alla risoluzione del quesito matematico. Si parte quindi da un'analisi del testo con scopo generale seguita da un'analisi semantica volta alla costruzione del modello matematico che andra poi risolto da un risolutore automatico che ne restituira il risultato finale.

Google Translate e Microsoft Translator - Valutazione di due applicazioni per la traduzione automatica del parlato e analisi di una tecnologia in evoluzione.

This work focuses on Machine Translation (MT) and Speech-to-Speech Translation, two emerging technologies that allow users to automatically translate written and spoken texts. The first part of this work provides a theoretical framework for the evaluation of Google Translate and Microsoft Translator, which is at the core of this study. Chapter one focuses on Machine Translation, providing a definition of this technology and glimpses of its history. In this chapter we will also learn how MT works, who uses it, for what purpose, what its pros and cons are, and how machine translation quality can be defined and assessed. Chapter two deals with Speech-to-Speech Translation by focusing on its history, characteristics and operation, potential uses and limits deriving from the intrinsic difficulty of translating spoken language. After describing the future prospects for SST, the final part of this chapter focuses on the quality assessment of Speech-to-Speech Translation applications. The last part of this dissertation describes the evaluation test carried out on Google Translate and Microsoft Translator, two mobile translation apps also providing a Speech-to-Speech Translation service. Chapter three illustrates the objectives, the research questions, the participants, the methodology and the elaboration of the questionnaires used to collect data. The collected data and the results of the evaluation of the automatic speech recognition subsystem and the language translation subsystem are presented in chapter four and finally analysed and compared in chapter five, which provides a general description of the performance of the evaluated apps and possible explanations for each set of results. In the final part of this work suggestions are made for future research and reflections on the usability and usefulness of the evaluated translation apps are provided.

Algoritmi euristici per problemi di sequenziamento su una macchina con vincoli sui tempi di completamento

Si analizzano diversi algoritmi euristici volti alla soluzione di problemi di scheduling su macchina singola con vincoli sui tempi di completamento, quali earliness, tardiness, manutenzione, ecc. e ne vengono mostrati i risultati.

Evoluzione dell’inventario di radioisotopi rilevanti ai fini del trattato CTBT per il bando dei test nucleari, tramite l’utilizzo del codice di calcolo ORIGEN-ARP

L’oggetto di questa tesi è lo studio dei radionuclidi rilevanti che vengono generati dalla detonazione di ordigni nucleari. L’obiettivo principale è la ricerca di parametri legati alle sostanze radioattive derivanti dalla fissione nucleare che permettano di capire se c’è stato un rilascio non autorizzato di radioisotopi legati all’esplosione di una bomba nucleare. Inoltre dall’inventario dei nuclidi rilevati si vuole cercare di capire che tipo di tecnologia è stata utilizzata per la costruzione dell’ordigno facendo riferimento a specifici rapporti isotopici. Per ricavare il probabile inventario dei radionuclidi derivanti da fissione è stato utilizzato il codice di calcolo Origen-Arp, programma utilizzato per l’analisi isotopica delle sostanze derivanti dalla “combustione” di materiale fissile all’interno di un reattore nucleare. Il lavoro svolto quindi ha riguardato una parte prettamente sperimentale in cui è stato utilizzato il codice di calcolo e una parte più teorica grazie alla quale è stato possibile contestualizzare i risultati trovati.

Modelli e Algoritmi per Problemi di Coloring con il Linguaggio AMPL

Come il titolo suggerisce, due sono gli aspetti oggetto di questo elaborato: i modelli e gli algoritmi (con le rispettive criticità), e il linguaggio di modellazione AMPL. Il filo conduttore che integra le due parti, nonché mezzo ultimo per un’applicazione pratica dell’attività di modellazione, è l’ottimizzatore, la ”macchina” che effettua la risoluzione vera e propria dei suddetti modelli.