Hi ha dos objectius en aquest curs: en primer lloc, proveïr els estudiants dels coneixements matemàtics i computacionals suficients per analitzar sistemes distribuïts intel·ligents mitjançant models adequats, i en segon lloc, il·lustrar diverses estratègies de coordinació i mostrar com implementar-les i optimitzar-les. El curs s'estructura en una combinació de classes teòriques i exercicis de laboratori fent servir plataformes reals de hardware i de simulació. Es tracten els següents temes: 1) introducció als concepts claus com per exemple el concepte d'auto-organització i a les eines de software i hardware utilitzats durant el curs, 2) exemples de sistemes intelligents distribuïts naturals, artificials i híbrids, 3) conceptes d'aprenentatge automàtic: tècniques mono- i multi-agents, i 4) estratègies de coordinació i control distribuït.
Professorat
Responsable
Sergio Álvarez Napagao (
)
Altres
Javier Vazquez Salceda (
)
Ramon Sangüesa Sole (
)
Ulises Cortés García (
)
Hores setmanals
Teoria
2
Problemes
0
Laboratori
2
Aprenentatge dirigit
0
Aprenentatge autònom
6
Competències
Competències Transversals
Treball en equip
G5 [Avaluable] - Ser capaç de treballar com a membre d'un equip, ja sigui com a un membre més, ja sigui realitzant tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes d'una manera pragmàtica i amb sentit de la responsabilitat; assumir compromisos tenint en compte els recursos disponibles.
G5.3
- Identificar els rols, les habilitats i les carències dels diferents membres del grup. Proposar millores en l'estructura del grup. Interactuar amb eficàcia i professionalitat. Negociar i gestionar conflictes en el grup. Reconèixer i donar suport o assumir el paper de líder en el grup de treball. Avaluar i presentar els resultats del treball de grup. Representar el grup en negociacions amb terceres persones. Capacitat de col·laborar en un entorn multidisciplinar. Conèixer i saber aplicar les tècniques per a promoure la creativitat.
Competències Tècniques de cada especialitat
Especialitat computació
CCO2 - Desenvolupar de forma efectiva i eficient els algorismes i el software apropiats per a resoldre problemes complexos de computació.
CCO2.1
- Demostrar coneixement dels fonaments, dels paradigmes i de les tècniques pròpies dels sistemes intel·ligents, i analitzar, dissenyar i construir sistemes, serveis i aplicacions informàtiques que utilitzin aquestes tècniques en qualsevol àmbit d'aplicació.
CCO2.2
- Capacitat per a adquirir, obtenir, formalitzar i representar el coneixement humà d'una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment en els que estan relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
Coneixer el concepte d'agent intel.ligent i el seu rol en el desenvolupament de sistemes intel.ligents multiagent
Competències relacionades:
CCO2.1,
Conèixer les lògiques específiques per a la intel.ligencia artificial i els sistemes multiagent
Competències relacionades:
G9.1,
CCO2.1,
CCO2.2,
Subcompetences:
Conéixer el formalisme de lógica de creencies
Conèixer el formalisme de les lògiques temporals
Conèixer metodologies de desenvolupament d'ontologíes i saber aplicar-les a un problema real
Competències relacionades:
G7.1,
G9.1,
G5.3,
CCO2.1,
CCO2.2,
Subcompetences:
Conèixer el formalisme de les lògiques de descripció
Conèixer i aplicar les metodologies de desenvolupament d'ontologies
Conèixer els llenguatges d'ontologies proposats pel W3C
Conèixer i aplicar metodologies de desenvolupament de sistemes multiagent
Competències relacionades:
G7.1,
G9.1,
G5.3,
CCO2.1,
CCO2.2,
Conèixer els protocols d'interacció entre agents
Competències relacionades:
G7.1,
CCO2.1,
CCO2.2,
Saber analitzar les necessitats de comunicació d'un sistema multiagent i saber desenvolupar un protocol de comunicació
Competències relacionades:
G7.1,
G9.1,
CCO2.1,
CCO2.2,
Entendre els elements bàsics de la teoria de jocs i teoria de la decisió i la seva relació amb els sistemes multiagent
Competències relacionades:
G7.1,
G9.1,
CCO2.2,
Conèixer els mecanismes de negociació i el seu rol en els sistemes multiagent
Competències relacionades:
G7.1,
G9.1,
CCO2.1,
CCO2.2,
Conèixer les aplicacions dels sistemes intel.ligents en la robòtica
Competències relacionades:
G7.1,
CCO2.1,
Continguts
Perspectives de la Intel.ligència Artificial
Introducció a les àrees reals d'aplicació d'Intel·ligència Artificial
Introducció als agents intel.ligènts
Que es un agent?
L'agent com element basic de construcció de sistemes.
Tipologies d'agents.
Arquitectures i metodologies de construcció d'agents
Ontologies
Que es una Ontologia?
Metodologies de construcció d'Ontologies.
Lógiques de descripció.
Lenguatges d'ontologies
Logiques per la Intel.ligència Artificial
Raonament per aplicacions d'Intel.ligència Artificial.
Logiques modals.
Logiques Temporals.
Raonament amb incertessa
Comunicació
Necesitats de comunicació entre agents.
Speech Act Theory.
Lleguatges de comunicació entre agents
Coordinació
Necessitat de coordinació en sistemes multiagents.
Cooperació
Negociació entre agents intel.ligents
Introducció als Agents Físics
Agents per el mòn real: Robòtica, domotica, visiò artificial, control
Activitats
ActivitatActe avaluatiu
Perspectives de l'Intel.ligència Artficial
L'alumne coneixerà els orígens i els fonaments de la Intel · ligència Artificial així com algunes de les àrees d'aplicació. Per reforçar l'aprenentatge de l'alumne haurà de llegir i comprendre el material assignat pel professor.
Teoria: Que es un agent?
L'agent com element basic de construcció de sistemes.
Tipologies d'agents.
Arquitectures i metodologies de construcció d'agents
Laboratori: Introducció al Laboratori.
Sessió teòrica explicant com les tendències en desenvolupament de software porten a sistemes multi-agent. Contrast entre el concepte de objecte i el concepte de agent. Introducció als agents i sistemes multi-agent (incloent-hi, punts de vista, influències i petites definicions).
Aprenentatge autònom: Organització dels materials del curs
Teoria: Que es un agent? L'agent com element basic de construcció de sistemes.
Tipologies d'agents.
Arquitectures i metodologies de construcció d'agents
Problemes: Problemes per consolidar els conceptes de tipus de agent i de entorn. Identificació dels tipus
de entorn i les seves propietats i intentar trobar el millor tipus d'agent per aquest entorn.
Laboratori: Anàlisi de metodologies de disseny de software. Identificació dels problemes que presenten aquestes metodologies i com es poden abordar. Introducció a metodologies de disseny de agents, i contrast amb les a metodologies de disseny de software tradicionals (orientades a objectes).
Els estudiants no només han d'assistir a les lliçons, sinó també fer exercicis sobre la utilització de les ontologies i discutir amb el professor i altres estudiants quan és millor utilitzar cada tècnica. Al laboratori els estudiants aplicaran el que han après en un problema.
Teoria: Que es una Ontologia?
Metodologies de construcció d'Ontologies.
Lógiques de descripció.
Lenguatges d'Ontologies
Problemes: Sessió on es resol un problema sobre robots exploradors del planeta mart.
Laboratori: Introducció a ontologies. S'explica el model de ontologia OWL. Es fa servir una ontologia de exemple (PizzaOntology) per explicar els conceptes bàsics: Classes, propietats de objecte i propietats de dades.
Conceptes avançats de ontologies. S'explica com treballa un raonador sobre una ontologia OWL i com es poden inferir classes especificant les propietats que han de complir els membres que pertanyin a la classe. S'expliquen les diferents opcions de les propietats de objecte i de dades (funcional, transitiva, inversa...).
Metodologies de disseny de ontologies. Introducció a la eina Protegé per desenvolupament de ontologies. S'introdueix l'enunciat de la pràctica.
Teoria: Raonament per aplicacions d'Intel.ligència Artificial.
Logiques modals.
BDI
Logiques Temporals.
Raonament amb incertessa
Problemes: Problemes per consolidar conceptes de raonament. Es fa servir el problema box world per
demostrar el rendiment de cada tipus de raonament, com la planificació es millor que un
comportament aleatori, i com re¿considerar pot ser contraproduent. S'introdueixen els
conceptes de OverCommitment i UnderCommitment.
Laboratori: Introducció a la plataforma de agents Jade. Explicació de conceptes bàsics sobre la plataforma, els serveis que proporciona i la forma en que es desenvolupen agents per la plataforma. Els estudiants desenvolupen el seu primer agent JADE. El codifiquen i l'injecten a la plataforma de agents.
L'examen parcial es durà a terme durant les hores de classe estàndard. Les persones que no aprovin el parcial serà avaluada de nou en l'examen final. Objectius:23451 Setmana:
8 Tipus:
examen de teoria
Teoria
2h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h
Comunicació
Els estudiants no només han d'assistir a les lliçons, sinó també fer exercicis sobre la utilització dels mecanismes de comunicació entre els agents i discutir amb el professor i altres estudiants quan és millor utilitzar cada tècnica. Al laboratori els estudiants aplicaran el que han après en un problema.
Problemes: Sessió on els estudiants presenten un primer sketch del disseny de les seves ontologies.
D'aquesta manera, el professor i els companys de classe poden aportar recomanacions i
critiques constructives al disseny.
Laboratori: JADE.
Es refresquen conceptes de JADE. S'introdueix en profunditat l'ús de serveis de la plataforma i mètodes per arrancar-la i injectar-hi agents. Els alumnes realitzen exercicis sobre els conceptes introduïts amb la supervisió del professor.
Introducció dels últims conceptes sobre JADE. Pas de paràmetres, behaviours, protocols i pas de missatges entre els agents. Els alumnes realitzen exercicis sobre els conceptes introduïts amb la supervisió del professor
Teoria: Necessitat de coordinació en sistemes multiagents.
Cooperació
Negociació entre agents intel.ligents
Laboratori: Introducció a l'ús de JENA per manipular la base de coneixement de conceptes ontològics. El professor introdueix un exemple sobre l'ús de JENA en una ontologia de exemple (PizzaOntology) i proposa petites modificacions als alumnes. El professor supervisa la execució de la modificació
La entrega del informe sobre los trabajos prácticos (3 o 4 cuatro) hizo a lo largo de las sesiones de laboratorio. Objectius:567 Setmana:
15 (Fora d'horari lectiu) Tipus:
entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h
Examen Final
Examen final per a tots els continguts del curs. Objectius:23456789101 Setmana:
15 (Fora d'horari lectiu) Tipus:
examen de teoria
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h
Metodologia docent
La metodologia docente consistirà en l'exposició de la teoria en classes de teoria i l'aplicació dels conceptes en les classes de problemes i laboratori.
L'examen serà únic per a tots els grups de l'assignatura.
Mètode d'avaluació
L'avaluació es basa en un examen final i un examen parcial, l'avaluació de les assignacions del curs, i una qualificació per al treball de laboratori. Els exàmens finals i parcial posaran a prova els coneixements teòrics i de metodologia adquirits pels estudiants durant el curs. La qualificació de les assignacions del curs es basarà en les presentacions dels petits problemes proposats durant el curs. La nota de laboratori es basarà en els informes i treballs pràctics de laboratori duts a terme durant el curs.
Aproximadament a la meitat del curs hi haurà un examen parcial alliberatori, que cobrira la primera meitat del temari (alliberatori només si la qualificació obtinguda és de 5 o més). L'examen final posarà a prova tant la primera com la segona part del curs. La primera meitat és obligatòria per a aquells estudiants que no van aprovar l'examen parcial, i opcional per a la resta. El màxim de les dues notes es convertiran en la qualificació de la primera part.
La qualificació final es calcularà de la següent manera:
Npar = examen de part del grau
NEx1 = 1ª meitat de l'examen final
NEx2 = 2ª meitat de l'examen final
Nota de teoria = [max (Npar, NEx1) + NEx2] / 2
Nota final = Nota de teoria * 0,5 + nota dels exercicis pràctics * 0,2 + nota de laboratori * 0,3 (codi i informe)
Evaluació de les competencies
La evaluación de la competencia en el trabajo en equipo se basa en el trabajo realizado durante los trabajos de prácticas.
Introduction to AI robotics -
Murphy, R.R, MIT Press ,
2019.
ISBN: 9780262348157
Web links
(Third edition) by Stuart Russell and Peter Norvig
The leading textbook in Artificial Intelligence.
Used in over 1200 universities in over 100 countries.
The 25th most cited publication on Citeseer (and 2nd most cited publication of this century). http://aima.cs.berkeley.edu/
Capacitats prèvies
Els alumnes han d'haver cursat previament l'assignatura Intel.ligència Artificial