Agents Autònoms
Codi: 106587 Crèdits: 6| Titulació | Tipus | Curs | Semestre |
|---|---|---|---|
| 2504392 Intel·ligència Artificial | OB | 3 | 2 |
Professor/a de contacte
- Nom:
- Francesc Josep Miguel Quesada
- Correu electrònic:
- miguel.quesada@uab.cat
Idiomes dels grups
Podeu accedir-hi des d'aquest enllaç. Per consultar l'idioma us caldrà introduir el CODI de l'assignatura. Tingueu en compte que la informació és provisional fins a 30 de novembre de 2023.
Equip docent
- Dave De Jonge
- Jordi Sabater Mir
Prerequisits
Coneixements conceptuals o Fonaments de programació, lògica computacional, aprenentatge automàtic, xarxes neuronals i aprenentatge profund.
Objectius
Aquesta assignatura introdueix les bases dels agents autònoms, dóna una visió detallada del disseny d'aquests agents i proporciona les bases per programar-los en entorns productius industrials o de serveis, integrant diferents elements apresos al llarg del grau.
Competències
- Analitzar i resoldre problemes de manera efectiva, i generar propostes innovadores i creatives per aconseguir els objectius.
- Concebre, dissenyar, analitzar i implementar agents i sistemes ciberfísics autònoms capaços d’interactuar amb altres agents o persones en entorns oberts, tenint en compte les demandes i necessitats col·lectives.
- Conceptualitzar i modelar alternatives de solucions complexes per a problemes d’aplicació de la intel·ligència artificial en diferents àmbits, i planificar i gestionar projectes per al disseny i desenvolupament de prototips que demostrin la validesa del sistema proposat.
- Desenvolupar pensament crític per analitzar de manera fonamentada i argumentada alternatives i propostes tant pròpies com alienes.
- Identificar, analitzar i avaluar l’impacte ètic i social, el context humà i cultural i les implicacions legals del desenvolupament d’aplicacions d’intel·ligència artificial i de manipulació de dades en diferents àmbits.
- Identificar, comprendre i aplicar els conceptes i tècniques fonamentals de representació del coneixement, raonament i aprenentatge computacional més adequats per a la solució de problemes d’intel·ligència artificial.
- Que els estudiants sàpiguen aplicar els coneixements propis a la seva feina o vocació d'una manera professional i tinguin les competències que se solen demostrar per mitjà de l'elaboració i la defensa d'arguments i la resolució de problemes dins de la seva àrea d'estudi.
- Treballar cooperativament per aconseguir objectius comuns, assumint la pròpia responsabilitat i respectant el rol dels diferents membres de l’equip.
Resultats d'aprenentatge
- Analitzar i resoldre problemes de manera efectiva, i generar propostes innovadores i creatives per aconseguir els objectius.
- Analitzar les implicacions ètiques de les decisions autònomes.
- Aplicar tècniques de representació del coneixement (per ex. ontologies, lògica) als models de decisió dels agents autònoms.
- Aplicar tècniques de teoria de jocs, elecció social i tecnologies de l’acord en el disseny d’estratègies d’agents autònoms.
- Desenvolupar pensament crític per analitzar de manera fonamentada i argumentada alternatives i propostes tant pròpies com alienes.
- Dissenyar i desenvolupar agents autònoms en projectes d’intel·ligència artificial.
- Incorporar restriccions ètiques i valors socials en el disseny d’estratègies d’interacció entre agents.
- Que els estudiants sàpiguen aplicar els coneixements propis a la seva feina o vocació d'una manera professional i tinguin les competències que se solen demostrar per mitjà de l'elaboració i la defensa d'arguments i la resolució de problemes dins de la seva àrea d'estudi.
- Treballar cooperativament per aconseguir objectius comuns, assumint la pròpia responsabilitat i respectant el rol dels diferents membres de l’equip.
Continguts
- Agents intel·ligents:
- Introducció i Aplicacions.
- La teoria del raonament pràctic humà de Bratman (model BDI) i les crítiques.
- Fonaments sobre filosofia del llenguatge, teoria de l'acte de parla (Austin, Searle). Agentspeak i FIPA-ACL.
- Comportament de l'agent:
- Màquines d'estats finits
- Teoria de la utilitat
- Arbres de comportament
- Planificació d'agents (STRIPS, GOAP, HTN)
- Sistemes intencionals (DBI, PRS)
- Aprenentatge de reforç
- Arquitectures d'agents:
- Basades en la lògica
- Reactives
- Deliberatiu / BDI
- En capes / Híbrides
- Cognitives
- Implicacions ètiques de les decisions dels agents autònoms.
Metodologia
Atès que l'assignatura està orientada principalment a l'aprenentatge de les tècniques bàsiques de disseny i construcció d'agents autònoms, la metodologia docent i les activitats formatives de l'assignatura combinaran: sessions magistrals expositives (per orientar i aclarir dubtes sobre lectures obligatòries), pràctiques presencials (a l'aula, en seminaris o a les aules d'informàtica) i el treball en equip aplicat. Aquest format docent permet integrar els conceptes adquirits i les tècniques explicades, i es combinarà al llarg del curs amb tutories de seguiment i treball autònom.
Com a nucli d'un procés d'aprenentatge basat en reptes, s'organitzarà un Agents' Challenge Arena (ACA) per provar el rendiment dels diferents projectes de treball en equip.
A continuació es detallen les diferents activitats, amb el seu pes específic dins de la distribució del temps total que l'estudiant ha de dedicar a l'assignatura.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Activitats formatives
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Classes magistrals | 40 | 1,6 | 2, 3, 4, 5, 7, 8 |
| Pràctiques a l'aula | 5 | 0,2 | 1, 3, 6, 8 |
| Tipus: Supervisades | |||
| Tutories grupals programades | 50 | 2 | 1, 6, 8, 9 |
| Tipus: Autònomes | |||
| Lectures dels textos | 10 | 0,4 | 1, 2, 4, 5, 7, 8 |
| Preparació individual de les proves escrites | 13 | 0,52 | 1, 2, 3, 5, 7, 8 |
| Treball en equip | 30 | 1,2 | 1, 3, 6, 8, 9 |
Avaluació
L'avaluació del nivell d'assoliment de l'assignatura per part de cada estudiant té en compte el treball individual i en equip realitzat en seminaris de problemes i sessions pràctiques, així com els coneixements científics i tècnics de l'assignatura adquirits. La nota final ho reflecteix combinant les notes dels diferents ítems d'avaluació de la següent manera:
(a) Realització de diferents activitats de seguiment (exercicis de classe) 20%
(b) Presentació del treball en equip (projecte) 40%
(c) Prova sobre el projecte en equip (pregunta a l'examen) 10%
(d) Prova sobre teoría (examen) 30%
Per aprovar l'assignatura en primera convocatòria, és obligatori obtenir almenys una nota de 5 en cadascun dels ítems d'avaluació (b), (c) i (d). La nota final es calcularà com a mitjana ponderada de tots els ítems d'avaluació.
En la segona convocatòria és possible recuperar les notes inferiors a 5 corresponents als ítems d'avaluació (b), (c) i (d). Per aprovar amb èxit l'assignatura a la segona convocatòria és necessari assolir una nota mínima de 5 en els ítems recuperats. A més, és important tenir en compte que la nota assignada a l'element d'avaluació recuperat serà de 5 (encara que la puntuació final sigui superior).
No Avaluació: La nota final de l'estudiant serà "No presentat" sempre que l'estudiant no hagi estat avaluat a les proves escrites (c) i (d).
Honors: L'atorgament d'un títol de "matricula d'honor" (MH) és decisió del professorat responsable de l'assignatura. La normativa de la UAB estableix que només es pot atorgar la matrícula d'honor als estudiants que hagin obtingut una nota final igual o superior a 9, i que només fins a un 5% del total d'estudiants matriculats es pugui atorgar un títol de matrícula d'honor.
Plagi: Sense perjudici d'altres que es considerin oportú i d'acord amb la legislació acadèmica vigent, les irregularitats comeses per un estudiant durant una activitat d'avaluació poden comportar el canvi de qualsevol nota a 0. Les activitats d'avaluació així qualificades per aquest procediment no seran recuperables. Si és necessari superar alguna d'aquestes activitats d'avaluació per aprovar l'assignatura, l'estudiant no aprovarà l'assignatura, sense possibilitat de recuperar-la en una segona convocatòria del mateix curs acadèmic. Aquestes irregularitats inclouen, entre d'altres:
- la còpia total o parcial d'una pràctica, informe o qualsevol altra activitat d'avaluació;
- deixar que altres copin els teus exercicis/examen/treball;
- presentar un treball en equip que no hagi estat fet completament pels membres de l'equip;
- presentar com a propis aquells materials elaborats per un tercer, encara que siguin traduccions o adaptacions, i en general obres amb elements no originals i exclusius de l'estudiant;
- utilitzar dispositius de comunicació (com ara telèfons mòbils, rellotges intel·ligents, tauletes, etc.) durant les activitats d'avaluació, individuals o en equip.
En cas que l'estudiant hagi comès irregularitats en alguna activitat d'avaluació (i per tant no es podrà aprovar l'assignatura ni en segona convocatòria), la nota final de l'assignatura serà la més baixa entre el valor 3 i la mitjana ponderada de les notes. En resum: copiar, deixar que altres copin el teu treball o plagiar en qualsevol de les activitats d'avaluació equival a un suspens amb una nota inferior o igual a 3.
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Assistència al curs i realització de diferents activitats de seguiment de l'assignatura | 20% | 0 | 0 | 1, 3, 4, 8, 9 |
| Examen escrit sobre teoria | 10% | 0 | 0 | 1, 8, 9 |
| Projecte en equip | 40% | 0 | 0 | 1, 3, 6, 8, 9 |
| Prova escrita relativa a teoria | 30% | 2 | 0,08 | 1, 2, 3, 4, 5, 7, 8 |
Bibliografia
Bordini R. H. Hübner Jomi Fred & Wooldridge M. J. (2007). Programming multi-agent systems in agentspeak using jason. Wiley Series in Agent Technology. J. Wiley.
Russell S. J. Norvig P. Chang M.-W. Devlin J. Dragan A. Forsyth D. Goodfellow I. Malik J. Mansinghka V. & Pearl J. (2022). Artificial intelligence: a modern approach (Fourth edition. Global). Pearson.
Wooldridge M. J. (2009). An introduction to multiagent systems (2. ed.). John Wiley & Sons.
Programari
PyCharm ( o un altre IDE ), JASON, PYTHON, UNITY, NETLOGO.