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
2025/2026
Pré-requisitos / Pre-Requisites
É obrigatório que os alunos tenham aprendido os tópicos programáticos da cadeira Inteligência Artificial, ou equivalente, e que tenham conhecimentos sólidos de Programação.
Objetivos Gerais / Objectives
Proporcionar a aquisição da capacidade de (OG1) identificar necessidades que possam ser satisfeitas através da utilização de agentes de software, e de (OG2) identificar os requisitos dos agentes de software a desenvolver, em termos dos papéis 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 e de comunicar com os utilizadores e 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,« controlem autonomamente o seu comportamento e comuniquem com outros agentes. Após a conclusão da UC, os alunos devem (OA1) Ter consciência das vantagens e desafios da utilização e desenvolvimento de sistemas de agentes artificiais; (OA2) Saber identificar os requisitos relativamente aos agentes a desenvolver, em termos dos papéis de agente (agente roles) e de comunicação para qualquer problema específico; (OA3) Escolher e implementar as abordagens mais adequadas à criação de controladores autónomos para o comportamento de agentes (OA4) Conhecer uma linguagem de comunicação de agentes e as suas principais características (OA5) Conhecer mecanismos necessários à coordenação de agentes.
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) Comunicação entre agentes (linguagens de comunicação e de conteúdo) (P3) Mecanismos de controlo: Algoritmos de planeamento e regras de produção (P4) 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 unit's 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 e P4 do programa relacionam-se com o objetivo geral (OG3) e com os objetivos de aprendizagem OA3 a OA5, inclusive
Avaliação / Assessment
Avaliação ao longo do semestre: trabalho em aula + projeto + teste Trabalho em aula: Ainda que a assiduidade não seja contabilizada em si, é essencial que os alunos compareçam regularmente às aulas onde será avaliado o seu conhecimento do projeto que o grupo está a desenvolver. Esta classificação é individual e contará 20% da nota final Projeto (de grupo): O projeto é avaliado pela primeira apresentação de planeamento (10%), a apresentação final (10%) e pelo relatório (30%). Caso seja óbvia uma assimetria na participação no trabalho os membros do mesmo grupo poderão ter notas diferentes Teste individual: O teste vale 30% da nota final e será feito na 1ª época de avalição (quem não puder, justificadamente, fazer o teste nessa época pode fazer o teste na 2ª época) A avaliação em época especial consiste de um projeto individual e um teste, que valem, cada um, 50% da nota. O projeto deve ser acordado com o coordenador da UC previamente e a sua entrega será na semana anterior à época especial.
Metodologias de Ensino / Teaching methodologies
O principal modelo de ensino/aprendizagem será baseado em problemas após uma sessão expositiva. 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
As metodologias de ensino que misturam as sessões expositivas com as práticas de projeto são, no nosso entender, o modo mais adequado para solidificar os conhecimentos a adquirir.
Observações / Observations
-
Bibliografia Principal / Main Bibliography
Course Notes + Course Software
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
Data da última atualização / Last Update Date
2025-07-17