Il seminario intende fornire un' introduzione al campo dell' Elaborazione del Linguaggio Naturale (NLP), una delle aree di attività dell’Intelligenza Artificiale. La comprensione automatica del linguaggio, parlato e scritto, continua ad essere una sfida scientifica e tecnologica affascinante e complessa. L’ambiguità a vari livelli (lessicale, sintattico, semantico), l’uso frequente di espressioni non letterali (metaforiche, ironiche, ecc.), la necessità di fare continuo ricorso a conoscenza di background e al contesto extra-linguistico dell’interazione, sono solo alcuni degli aspetti che rendono così difficile simulare le competenze linguistiche delle persone. Il seminario illustra diverse prospettive per rappresentare e trattare oggetti linguistici (parole, frasi, testi) da un punto di vista computazionale: come formule logiche, come eventi aleatori in un sistema probabilistico, come elementi geometrici in spazi multidimensionali. Su queste rappresentazioni si basano le tecniche più diffuse in grado di apprendere da dati, tra cui le reti neurali. Tecnologie che oramai trovano ampio spazio in numerose applicazioni di uso quotidiano, quali i traduttori automatici, la ricerca semantica basata su “knowledge graph”, e gli assistenti personalizzati in grado di rispondere a comandi vocali.

Il seminario intende fornire un' introduzione al campo dell' Elaborazione del Linguaggio Naturale (NLP), una delle aree di attività dell’Intelligenza Artificiale. La comprensione automatica del linguaggio, parlato e scritto, continua ad essere una sfida scientifica e tecnologica affascinante e complessa. L’ambiguità a vari livelli (lessicale, sintattico, semantico), l’uso frequente di espressioni non letterali (metaforiche, ironiche, ecc.), la necessità di fare continuo ricorso a conoscenza di background e al contesto extra-linguistico dell’interazione, sono solo alcuni degli aspetti che rendono così difficile simulare le competenze linguistiche delle persone. Il seminario illustra diverse prospettive per rappresentare e trattare oggetti linguistici (parole, frasi, testi) da un punto di vista computazionale: come formule logiche, come eventi aleatori in un sistema probabilistico, come elementi geometrici in spazi multidimensionali. Su queste rappresentazioni si basano le tecniche più diffuse in grado di apprendere da dati, tra cui le reti neurali. Tecnologie che oramai trovano ampio spazio in numerose applicazioni di uso quotidiano, quali i traduttori automatici, la ricerca semantica basata su “knowledge graph”, e gli assistenti personalizzati in grado di rispondere a comandi vocali.