Agentes Autónomos
Código: 106587 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 2504392 Inteligencia Artificial | OB | 3 | 2 |
Contacto
- Nombre:
- Francesc Josep Miguel Quesada
- Correo electrónico:
- miguel.quesada@uab.cat
Idiomas de los grupos
Puede consutarlo a través de este enlace. Para consultar el idioma necesitará introducir el CÓDIGO de la asignatura. Tenga en cuenta que la información es provisional hasta el 30 de noviembre del 2023.
Equipo docente
- Dave De Jonge
- Jordi Sabater Mir
Prerrequisitos
Conocimientos conceptuales o Fundamentos de programación, lógica computacional, aprendizaje automático, redes neuronales y aprendizaje profundo.
Objetivos y contextualización
Esta asignatura introduce las bases de los agentes autónomos, da una visión detallada del diseño de estos agentes y proporciona los fundamentos para su programación en entornos productivos industriales o de servicios, integrando diferentes elementos aprendidos a lo largo del grado.
Competencias
- Analizar y resolver problemas de forma efectiva, generando propuestas innovadoras y creativas para alcanzar los objetivos.
- Concebir, diseñar, analizar e implementar agentes y sistemas ciber-físicos autónomos capaces de interactuar con otros agentes y/o personas en entornos abiertos, teniendo en cuenta las demandas y necesidades colectivas.
- Conceptualizar y modelar alternativas de soluciones complejas a problemas de aplicación de la inteligencia artificial en diferentes ámbitos, y planificar y gestionar proyectos para el diseño y desarrollo de prototipos que demuestren la validez del sistema propuesto.
- Desarrollar pensamiento crítico para analizar de forma fundamentada y argumentada alternativas y propuestas tanto propias como ajenas.
- Identificar, analizar y evaluar el impacto ético y social, el contexto humano y cultural, y las implicaciones legales del desarrollo de aplicaciones de inteligencia artificial y de manipulación de datos en diferentes ámbitos.
- Identificar, comprender y aplicar los conceptos y técnicas fundamentales de representación del conocimiento, razonamiento y aprendizaje computacional para la solución de problemas de inteligencia artificial.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Trabajar cooperativamente para la consecución de objetivos comunes, asumiendo la propia responsabilidad y respetando el rol de los diferentes miembros del equipo.
Resultados de aprendizaje
- Analizar las implicaciones éticas de las decisiones autónomas.
- Analizar y resolver problemas de forma efectiva, generando propuestas innovadoras y creativas para alcanzar los objetivos.
- Aplicar técnicas de representación del conocimiento (e.g. ontologías, lógica) a los modelos de decisión de los agentes autónomos.
- Aplicar técnicas de teoría de juegos, elección social y tecnologías del acuerdo en el diseño de estrategias de agentes autónomos.
- Desarrollar pensamiento crítico para analizar de forma fundamentada y argumentada alternativas y propuestas tanto propias como ajenas.
- Diseñar y desarrollar agentes autónomos en proyectos de inteligencia artificial.
- Incorporar restricciones éticas y valores sociales en el diseño de estrategias de interacción entre agentes.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Trabajar cooperativamente para la consecución de objetivos comunes, asumiendo la propia responsabilidad y respetando el rol de los diferentes miembros del equipo.
Contenido
- Agentes inteligentes:
- Introducción y Aplicaciones.
- La teoría de Bratman del razonamiento práctico humano (modelo BDI) y críticas.
- Fundamentos de filosofía del lenguaje, teoría de los actos de habla (Austin, Searle). Agentspeak y FIPA-ACL.
- Comportamiento del agente:
- Máquinas de estados finitos
- Teoría de la utilidad
- Árboles de comportamiento
- Planificación de agentes (STRIPS, GOAP, HTN)
- Sistemas intencionales (DBI, PRS)
- Aprendizaje reforzado
- Arquitecturas de agentes:
- Basadas en la lógica
- Reactivas
- Deliberativas / BDI
- En capas / Híbridas
- Cognitivas
- Implicaciones éticas de las decisiones de los agentes autónomos.
Metodología
Dado que la asignatura está orientada principalmente al aprendizaje de las técnicas básicas de diseño y construcción de agentes autónomos, la metodología docente y las actividades formativas de la asignatura combinarán: sesiones magistrales expositivas (para orientar y despejar dudas sobre lecturas obligatorias ), prácticas presenciales (en el aula, en seminarios o en las aulas de informática) y trabajo en equipo aplicado. Este formato docente permite integrar los conceptos adquiridos y las técnicas explicadas, combinando a lo largo del curso con tutorías de seguimiento y trabajo autónomo.
Como núcleo de un proceso de aprendizaje basado en retos, se organizará un Agents' Challenge Arena (ACA) para probar el rendimiento de los distintos proyectos de trabajo en equipo.
A continuación se detallan las diferentes actividades, con su peso específico dentro de la distribución del tiempo total que el estudiante debe dedicar a la asignatura.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases magistrales | 40 | 1,6 | 1, 3, 4, 5, 7, 8 |
| Prácticas al aula | 5 | 0,2 | 2, 3, 6, 8 |
| Tipo: Supervisadas | |||
| Tutorias grupales programadas | 50 | 2 | 2, 6, 8, 9 |
| Tipo: Autónomas | |||
| Lectura de textos | 10 | 0,4 | 2, 1, 4, 5, 7, 8 |
| Preparación individual de las pruebas escritas | 13 | 0,52 | 2, 1, 3, 5, 7, 8 |
| Trabajo en equipo | 30 | 1,2 | 2, 3, 6, 8, 9 |
Evaluación
La evaluación del nivel de consecución de la asignatura por parte de cada estudiante tiene en cuenta el trabajo individual y en equipo realizado en seminarios de problemas y sesiones prácticas, así como los conocimientos científicos y técnicos adquiridos de la asignatura. La nota final lo refleja combinando las notas de los diferentes ítems de evaluación de la siguiente forma:
(a) Realización de diferentes actividades de seguimiento (ejercicios de clase) 20%
(b) Presentación del trabajo en equipo (proyecto) 40%
(c) Prueba sobre el proyecto en equipo 10%
(d) Prueba sobre teoría 30%
Para aprobar la asignatura en primera convocatoria, es obligatorio obtener al menos una nota de 5 en cada uno de los ítems de evaluación (b), (c) y (d). La nota final se calculará como promedio ponderado de todos los ítems de evaluación.
En la segunda convocatoria es posible recuperar las notas inferiores a 5 correspondientes a los ítems de evaluación (b), (c) y (d). Para aprobar con éxito la asignatura en la segunda convocatoria es necesario conseguir una nota mínima de 5 en los ítems recuperados. Además, es importante tener en cuenta que la nota asignada en el elemento de evaluación recuperado será de 5 (aunque la puntuación final sea superior).
No Evaluación: La nota final del estudiante será "No presentado" siempre que el estudiante no haya sido evaluado en las pruebas escritas (c) y (d).
Honores: El otorgamiento de un título de "matrícula de honor" (MH) es decisión del profesorado responsable de la asignatura. La normativa de la UAB establece que sólo se puede otorgar la matrícula de honor a los estudiantes que hayan obtenido una nota final igual o superior a 9, y que sólo hasta un 5% del total de estudiantes matriculados se pueda otorgarun título de matrícula de honor.
Plagio: Sin perjuicio de otros que se consideren oportuno y de acuerdo con la legislación académica vigente, las irregularidades cometidas por un estudiante durante una actividad de evaluación pueden comportar el cambio de cualquier nota a 0. Las actividades de evaluación calificadas por este procedimiento no serán recuperables. Si es necesario superar alguna de estas actividades de evaluación para aprobar la asignatura, el estudiante no aprobará la asignatura sin posibilidad de recuperarla en una segunda convocatoria del mismo curso académico. Estas irregularidades incluyen, entre otras:
- la copia total o parcial de una práctica, informe o cualquier otra actividad de evaluación;
- dejar que otros copen tus ejercicios/examen/trabajo;
- presentar un trabajo en equipo que no haya sido realizado completamente por los miembros del equipo;
- presentar como propios aquellos materiales elaborados por un tercero, aunque sean traducciones o adaptaciones, y en general obras con elementos no originales y exclusivos del estudiante;
- utilizar dispositivos de comunicación (como teléfonos móviles, relojes inteligentes, tabletas, etc.) durante las actividades de evaluación, individuales o en equipo.
En caso de que el estudiante haya cometido irregularidades en alguna actividad de evaluación (y por tanto no se pueda aprobar la asignatura ni en segunda convocatoria), la nota final de la asignatura será la más baja entre el valor 3 y la media ponderada de las notas. En resumen: copiar, dejar que otros copen tu trabajo o plagiar en cualquiera de las actividades de evaluación equivale a un suspenso con una nota inferior o igual a 3.
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Asistencia al curso y realización de diferentes actividades de seguimiento de la asignatura | 20% | 0 | 0 | 2, 3, 4, 8, 9 |
| Examen escrito sobre teoría | 10% | 0 | 0 | 2, 8, 9 |
| Proyecto en equipo | 40% | 0 | 0 | 2, 3, 6, 8, 9 |
| Prueba escrita relativa a teoría | 30% | 2 | 0,08 | 2, 1, 3, 4, 5, 7, 8 |
Bibliografía
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.
Software
PyCharm ( u otro IDE ), JASON, PYTHON, UNITY, NETLOGO.