Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03727
Acrónimo :
03727
Ciclo :
1.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Inglês

Carga Horária / Course Load


Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
18.0h/sem
Aula Teórico-Prática (TP) :
18.0h/sem
Aula Prática e Laboratorial (PL) :
18.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
55.0h/sem
Trabalho Autónomo :
95.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Inteligência Artificial

Departamento / Department


Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year


2024/2025

Pré-requisitos / Pre-Requisites


É obrigatório que os alunos tenham aprendido os tópicos programáticos da cadeira Inteligência Artificial, ou equivalente, e que saibam programar.

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 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 dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes


Os pontos P1 e P2 do programa relacionam-se com o objetivo geral OG1 e e com o objetivo de aprendizagem OA1 Além disso, o ponto P2 do progrma também se relaciona com o objetivo geral OG2 e com o objetivo de aprendizagem OA2. Finalmente, os pontos P3 a P6 do programa relacionam-se com o terceiro objetivo geral (OG3) e com os objetivos de aprendizagem OA3 a OA5, inclusive

Avaliação / Assessment


Avaliação ao longo do semestre: dois testes + mini projeto facultativo. Esta via de avaliação vale 100% da nota Testes: * Cada teste tem a nota mínima de 8 valores * Classificação no conjunto dos dois testes: TESTES = 60% x Max(NT1, NT2) + 40% x Min(NT1, NT2), em que NT1 e NT2 são as notas nos testes T1 e T2 * O primeiro teste será realizado sensivelmente a meio do semestre, na altura em que a matéria sobre agentes com objetivos começar a ser lecionada. O segundo teste será realizado depois de toda a matéria ter sido lecionada, centrando-se exclusivamente na segunda parte da matéria. De acordo com a vontade dos alunos, este segundo teste pode ser realizado no final do período letivo ou coincidentemente com a primeira data de exame. Mini Projeto facultativo (realizado por grupos de 3 ou 4 alunos) * Submissão do trabalho. Classificação (MINPROJ): 0, 1, ou 2 valores. A nota é igual para todos os elementos do grupo. * O mini projeto centra-se exclusivamente na análise de cenários de aplicação de agentes. Pode pois ser entregue a partir do momento em que essa parte da matéria for dada, sensivelmente a meio do período letivo. A data exata da entrega será combinada com os alunos, de acordo com a sua disponibilidade, mas será igual para todos. 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


Haverá aulas mais expositivas, aulas de exercícios de papel e lápis, e aulas de exercícios computacionais. No entanto, a diferenciação entre aulas teóricas, aulas teorico-práticas e aulas práticas laboratoriais não será sempre obvia porque, sendo o método de ensino centrado em problemas, haverá por vezes necessidade de misturar a transmissão de conhecimento mais teórico com a análise e resolução de probelmas. Consequentemente, o padrão semanal Teórica/Teorico-Prática/Laboratório também não será seguido com rigor.

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


2024-07-25