Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Inteligência Artificial
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2022/2023
Pré-requisitos / Pre-Requisites
É obrigatório que os alunos tenham feito a cadeira Inteligência Artificial, ou equivalente, com aproveitamento e que tenham aprendido os seus tópicos programáticos.
Objetivos Gerais / Objectives
Proporcionar a aquisição da capacidade de (OG1) identificar necessidades que possam ser satisfeitas através da utilização de agentes de software imersos numa sociedade de atores humanos e de outros agentes de software, e de (OG2) identificar os requisitos dos agentes de software a desenvolver, em termos dos papéis de agente necessários e das necessidades de comunicação; e (OG3) proporcionar a aprendizagem de abordagens fundamentais para a conceção de agentes de software com capacidades de controlar autonomamente o seu comportamento, incluindo a coordenação da sua vida numa sociedade, e de comunicar com os utilizadores e com outros agentes.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Pretende introduzir-se os conceitos e conhecimentos práticos fundamentais à utilização e ao desenvolvimento de agentes que, imersos numa sociedade mista de agentes e pessoas, controlem autonomamente o seu comportamento e comuniquem com utilizadores e outros agentes. Após a conclusão da UC, os alunos devem (OA1) Ter consciência das vantagens e desafios da utilização e desenvolvimento de agentes imersos numa sociedade de atores humanos e de outros agentes artificiais; (OA2) Saber identificar os requisitos relativamente aos agentes a desenvolver, em termos dos papéis de agente (agente roles) e de comunicação; (OA3) Escolher e implementar as abordagens mais adequadas ao controlo autónomo do comportamento, tendo em vista os requisitos de AO2 (OA4) Dominar a linguagem de comunicação de agentes e a linguagem de conteúdo usada nessa comunicação (OA5) Conhecer mecanismos necessários à coordenação de agentes em sociedade, tendo em vista os objetivos dos utilizadores.
Conteúdos Programáticos / Syllabus
(P1) Agentes autónomos e sociedades de agentes, incluindo as definições básicas e as características. Persistência no tempo, autonomia, e adaptação a alterações do mundo. (P2) Análise concetual de sociedades de agentes a nível da identificação das competências / serviços / papéis, dos agentes e das mensagens que devem trocar (P3) Descoberta, composição e prestação de serviços em sociedades de agentes (P4) Mecanismos de controlo: Algoritmos de planeamento e regras de produção (P5) Comunicação entre agentes (linguagens de comunicação e de conteúdo) (P6) Plataforma de agentes e software para o desenvolvimento de agentes
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
(OG1) / (OA1) <== (P1) + (P2) (OG2) / (OA2) <== (P2) (OG3) / (OA3; OA4; OA5) <== (P3) + (P4) + (P5) + (P6)
Avaliação / Assessment
Avaliação periódica ao longo do semestre: dois testes + mini projeto facultativo. Esta via de avaliação vale 100% da nota Observação: nenhum elemento da avaliação ao longo do semestre é contabilizado no exame Testes: * Cada teste tem a nota mínima de 8 valores * Classificação no conjunto dos dois testes: TESTES = 60% x Max(T1, T2) + 40% Min(T1, T2), em que T1 e T2 são as notas nos testes T1 e T2 Mini Projeto facultativo (realizado por grupos de 3 ou 4 alunos) *Primeira fase: submissão inicial do trabalho. Classificação (MINPROJ): 0, 1, ou 2 valores. A nota é igual para todos os elementos do grupo *Segunda fase (apresentação nos seminários de Agentes Autónomos) Os N melhores trabalhos serão selecionados para apresentação nos seminários de Agentes Autónomos. N, que depende de fatores contextuais, será estabelecido em cada edição da UC. Apresentações excecionais poderão render 1 valor adicional à nota do mini projeto (MINPROJ). A eventual melhoria de nota estende-se a todos os alunos do grupo envolvidos na apresentação. A nota do mini projeto (MINPROJ) não piora com a apresentação. Classificação do aluno ao longo do semestre: Min(20, TESTES + MINPROJ) Avaliação por exame: exames nas três épocas de exame. Cada exame tem o peso de 100%. Aplicam-se as regras do Iscte quanto a melhoria de nota Observação: nenhum elemento da avaliação ao longo do semestre é contabilizado no exame
Metodologias de Ensino / Teaching methodologies
O principal modelo de ensino/aprendizagem será baseada em problemas. As necessidades de ensino/aprendizagem devem decorrer da análise de problemas a resolver. O ensino/aprendizagem será incremental: os tópicos ensinados/aprendidos serão abordados à medida que os problemas a resolver deles necessitarem. O ensino/aprendizagem de aspetos técnicos será sempre precedida da análise concetual das necessidades de cada problema.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Objetivos de aprendizagem são (OA1) Ter consciência das vantagens e desafios da utilização e desenvolvimento de agentes imersos numa sociedade de atores humanos e de outros agentes artificiais; (OA2) Saber identificar os requisitos relativamente aos agentes a desenvolver, em termos dos papéis de agente (agent roles) e de comunicação; (OA3) Escolher e implementar as abordagens mais adequadas à representação de conhecimento, raciocínio, e controlo autónomo do comportamento (OA4) Dominar a linguagem de comunicação de agentes e a linguagem de conteúdo usada nessa comunicação (OA5) Conhecer mecanismos necessários à coordenação de agentes em sociedade, tendo em vista os objetivos dos utilizadores. Estes objetivos de aprendizagem envolvem um elevado grau de consciencialização da relação entre classes de problemas e as abordagens mais adequadas. O ensino organizado em torno de classes de problemas, em que a apresentação das abordagens mais técnicas é sempre precedida da análise concetual dos problemas e dos seus requisitos potencia o desenvolvimento desse elevado grau de consciencialização.
Observações / Observations
Aulas teóricas, teórico práticas, e laboratoriais
Bibliografia Principal / Main Bibliography
Course Notes + Course Software Agent Platform and Software Course Notes Agent Communication: Course notes + course software Control mechanisms: Planning and Production Rules Course notes Conceptual analysis of agent societies. Service discovery, composition and provision Course notes Autonomous agents and agent societies
Bibliografia Secundária / Secondary Bibliography
FIPA. 2000. FIPA Communicative Act Library Specification. http://www.fipa.org/specs/fipa00037/SC00037J.pdf Agent Communication: Nils Nilsson. 1982. Principles of Artificial Intelligence. Springer-Verlag Berlin Heidelberg Control mechanisms: Search, Planning and Production Rules Kouichi Matsuda. 2004. Personal Agent-Oriented Virtual Society. Advanced Knowledge International. ISBN-10: 0975100432. ISBN-13: 978-0975100431 Autonomous Agents and Agent Societies
Data da última atualização / Last Update Date
2024-02-16