EvoX Sistema di Evoluzione Intelligente e Pratica di Ricerca AI Native
Per seguire la lezione apri le slide, per preparare il corso consulta la pianificazione e i contenuti, per la lettura apri gli appunti. Per continuare a modificare, apri il file di progetto in EvoClass。
120 fileLezione 1
- HTML00_Lezione 1: Le origini dell'evoluzione intelligente e il contesto di nascita di EvoX.html
- HTML01_Tendenze di accelerazione dell'evoluzione intelligente e compressione dei cicli.html
- HTML02_Le potenti capacità degli attuali grandi modelli e i limiti della generazione singola.html
- HTML03_La convergenza dei percorsi dell'intelligenza e le origini del calcolo evolutivo.html
- HTML04_La visione di Turing sulla "macchina bambina".html
- HTML05_Nuove fonti di generazione di candidati con l'espansione della potenza di calcolo.html
- HTML06_L'estensione degli oggetti evolutivi dai parametri numerici ai sistemi software.html
- HTML07_La complessità del mondo reale e i compromessi multi-obiettivo.html
- HTML08_L'auto-miglioramento dei metodi di risoluzione e l'evoluzione degli algoritmi.html
- HTML09_MetaDE: architettura annidata di algoritmi che ottimizzano algoritmi.html
- HTML10_L'architettura del sistema a ciclo chiuso evolutivo di EvoX.html
- HTML11_Confini fondamentali e questioni chiave per integrare attività in EvoX.html
- HTML12_Configurazione dell'ambiente e utilizzo di EvoX per iniziare rapidamente.html
- HTML13_Le competenze fondamentali del ricercatore e il giudizio estetico.html
- HTML14_Confronto tra il tradizionale interrogazione singola e il sistema evolutivo continuo EvoX.html
- HTML15_Visione di un'infrastruttura di evoluzione intelligente orientata al mondo reale.html
- MDAI999-Lesson-1_lecture_notes.md
Lezione 2
- HTML00_Lezione 2: Le origini del calcolo evolutivo e la confluenza di molteplici percorsi.html
- HTML01_La riconvergenza dei molteplici percorsi dell'intelligenza.html
- HTML02_Una retrospettiva su simbolismo, connessionismo e cibernetica.html
- HTML03_Il calcolo evolutivo come origine tecnica diretta.html
- HTML04_L'intelligenza è un prodotto predefinito o un processo ambientale.html
- HTML05_La complessità del mondo reale e i conflitti multi-obiettivo.html
- HTML06_Superare la contraddizione tra diversità e costi ingegneristici.html
- HTML07_La base ingegneristica costituita da GPU e grandi modelli.html
- HTML08_L'espansione dei confini dell'oggetto evolutivo: dai parametri ai programmi.html
- HTML09_I confini delle capacità dei grandi modelli e l'evoluzione continua a livello di sistema.html
- HTML10_MetaDE: migliorare gli algoritmi evolutivi con algoritmi evolutivi.html
- HTML11_Definizione degli elementi fondamentali per l'integrazione in EvoX.html
- HTML12_Il flusso di lavoro completo del runtime di EvoX.html
- HTML13_Analisi pratica in aula: percorsi evolutivi multipli e percorsi singoli predefiniti.html
- HTML14_Le idee centrali del corso e una retrospettiva sulle origini dell'evoluzione.html
- HTML15_Conclusioni e prospettive: avviare una nuova pratica di ricerca AI Native.html
- MDAI999-Lesson-2_lecture_notes.md
Lezione 3
- HTML00_Lezione 3: La complessità del mondo reale e i compromessi multi-obiettivo.html
- HTML01_Conflitti multi-obiettivo e complessità del reale.html
- HTML02_Compromessi e esplorazione multi-obiettivo nel mondo fisico reale.html
- HTML03_Cercare risposte utilizzabili ed esperimenti mentali.html
- HTML04_Trasformazione del problema: dalla scelta dell'algoritmo al processo di esplorazione.html
- HTML05_Ottimizzazione delle preferenze e gruppi di soluzioni candidate multiple.html
- HTML06_Contesto pratico multi-obiettivo nella progettazione di profili alari supercritici.html
- HTML07_Continuità dei profili alari di base e dei campioni perturbati.html
- HTML08_L'applicazione dei modelli surrogati per affrontare gli elevati costi di simulazione.html
- HTML09_Output di soluzioni candidate diversificate che bilanciano tutti gli indicatori.html
- HTML10_Conflitti di obiettivi e gestione di feedback sparsi in ingegneria complessa.html
- HTML11_Il ruolo decisionale degli esperti di dominio e la valutazione delle soluzioni.html
- HTML12_Attività in aula: progettazione di schemi di valutazione per l'ottimizzazione multi-obiettivo dei parametri.html
- HTML13_Debriefing dell'attività in aula: verifica della ragionevolezza degli schemi di compromesso.html
- HTML14_Ripasso dei concetti chiave di questa lezione.html
- HTML15_Conclusioni e prospettive: il valore della ricerca nel mondo complesso reale.html
- MDAI999-Lesson-3_lecture_notes.md
Lezione 4
- HTML00_Lezione 4: La base di calcolo moderna e l'evoluzione parallela tensorizzata.html
- HTML01_La base di calcolo moderna e l'evoluzione parallela tensorizzata.html
- HTML02_Diversità evolutiva e sfide della scala di calcolo.html
- HTML03_Il collo di bottiglia di efficienza dei tradizionali cicli seriali su CPU.html
- HTML04_Dalla lista di candidati al grafo di calcolo tensorizzato.html
- HTML05_L'organizzazione tensorizzata di popolazione, valutazione e stato.html
- HTML06_Parallelismo degli operatori e ottimizzazione della compilazione.html
- HTML07_Progettazione di un'architettura di base aperta e disaccoppiata.html
- HTML08_Divisione in moduli di algoritmi e problemi.html
- HTML09_Gestione dei moduli di flusso di lavoro e monitoraggio.html
- HTML10_Scheduler del Runtime e gestione della potenza di calcolo eterogenea.html
- HTML11_Applicazioni multi-dominio supportate da una base unificata.html
- HTML12_Pratica di analisi comparativa dell'efficienza di calcolo.html
- HTML13_Metodi fondamentali del calcolo tensoriale in batch.html
- HTML14_Schedulazione del Runtime e componibilità degli algoritmi.html
- HTML15_Le fondamenta dell'esplorazione evolutiva parallela ad alta intensità.html
- MDAI999-Lesson-4_lecture_notes.md
Lezione 5
- HTML00_Lezione 5: L'evoluzione dei metodi: dalle soluzioni ottimizzate all'ottimizzazione dell'algoritmo stesso.html
- HTML01_Contesto e motivazioni fondamentali dell'evoluzione dei metodi.html
- HTML02_L'evoluzione tecnologica e le origini storiche dei sistemi intelligenti.html
- HTML03_L'espansione dei confini evolutivi da parte dei grandi modelli e della potenza di calcolo.html
- HTML04_Conflitti multidimensionali e compromessi nei problemi del mondo reale.html
- HTML05_Le idee centrali e il salto di qualità nell'evoluzione dei metodi.html
- HTML06_Evoluzione a doppio livello interno ed esterno e meccanismi adattivi.html
- HTML07_Implementazione tipica dell'evoluzione dei metodi: l'architettura MetaDE.html
- HTML08_Evoluzione della struttura algoritmica: AutoPSO ed EvoGO.html
- HTML09_Parallelismo GPU e migliorare l'evoluzione con l'evoluzione.html
- HTML10_Progettare il piano sperimentale di ottimizzazione a doppio livello.html
- HTML11_Lo sviluppo continuo dei sistemi intelligenti e le sfide ambientali.html
- HTML12_Avvio rapido e configurazione semplificata dell'ambiente.html
- HTML13_Le competenze fondamentali del ricercatore e il cambio di mentalità.html
- HTML14_Costruire un'infrastruttura evolutiva sostenibile.html
- HTML15_Conclusioni e prospettive: verso forme di intelligenza di ordine superiore.html
- MDAI999-Lesson-5_lecture_notes.md
Lezione 6
- HTML00_Lezione 6: Evoluzione continua a livello di sistema: Genesis e la sedimentazione del mondo software.html
- HTML01_I confini delle capacità dei grandi modelli e la necessità dell'evoluzione a livello di sistema.html
- HTML02_L'espansione dei confini evolutivi dai parametri numerici ai sistemi software.html
- HTML03_Sfide complesse del mondo reale: compromessi multi-obiettivo e mantenimento della diversità.html
- HTML04_Calcolo tensorizzato e supporto all'esplorazione parallela in un'architettura unificata.html
- HTML05_L'evoluzione dell'algoritmo stesso: dalla ricerca di soluzioni al miglioramento dei metodi.html
- HTML06_MetaDE e AutoPSO: l'architettura a doppio livello dell'evoluzione dei metodi.html
- HTML07_Caso pratico multi-obiettivo nella progettazione di profili alari supercritici.html
- HTML08_La sfida che attraversa il ciclo di vita: esaurimento del contesto e persistenza a livello di progetto.html
- HTML09_L'architettura Genesis e il paradigma della sedimentazione nel mondo software.html
- HTML10_Modelli ingegneristici di collaborazione multi-Agent e scomposizione ricorsiva delle attività.html
- HTML11_Meccanismi rigorosi di accettazione ed ereditarietà storica.html
- HTML12_Attività in aula: simulare la collaborazione multi-Agent e un gateway di accettazione automatizzato.html
- HTML13_Modalità di lavoro AI Native e accessi rapidi.html
- HTML14_Il gusto fondamentale del ricercatore: divisione dei compiti uomo-macchina e pensiero critico.html
- HTML15_Riepilogo del corso: costruire l'infrastruttura per un mondo software in continua evoluzione.html
- MDAI999-Lesson-6_lecture_notes.md
Lezione 7
- HTML00_Lezione 7: Il paradigma di ricerca AI Native e l'approccio pratico a EvoX.html
- HTML01_Il paradigma di ricerca AI Native e l'approccio pratico a EvoX.html
- HTML02_I confini delle capacità dei grandi modelli e i sistemi in continua evoluzione.html
- HTML03_Trasformare problemi reali in processi di esplorazione con EvoX.html
- HTML04_Ottimizzazione multi-obiettivo ed esplorazione di soluzioni multiple.html
- HTML05_MetaDE: migliorare gli algoritmi evolutivi con algoritmi evolutivi.html
- HTML06_Modalità di lavoro AI Native e accessi rapidi.html
- HTML07_Pratica sul compito di pathfinding di un robot da magazzino.html
- HTML08_Risultati sperimentali e analisi di visualizzazione.html
- HTML09_Più lo strumento è facile da usare, più chiara è la responsabilità umana.html
- HTML10_Il cuore della ricerca: la capacità di porre domande chiave.html
- HTML11_Divisione dei compiti uomo-macchina: l'AI realizza le risposte, l'uomo controlla la direzione.html
- HTML12_Principio fondamentale: Code is cheap. Taste matters
- HTML13_Attività in aula: guidare l'AI attraverso il dialogo per completare un'attività EvoX.html
- HTML14_Riepilogo del corso: flusso di lavoro AI nativo e gusto scientifico.html
- HTML15_Appendice e accesso alla community open source.html
- MDAI999-Lesson-7_lecture_notes.md