Sistemes Multiagents Autoorganitzats

Crèdits
4.5
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
UB;CS
Web
https://raco.fib.upc.edu/home/assignatura?espai=270742
Mail
maite_lopez@ub.edu
Self-Organising Agent Systems es construeix sobre els coneixements previs de l'estudiantat en sistemes multiagent (MAS) per explorar la seva capacitat d'adaptació autònoma. El curs repassa els conceptes fonamentals dels agents i les societats d'agents, per passar a la Simulació Social Basada en Agents (ABSS) i els principis d'autoorganització i d'adaptació, incorporant elements d'ètica i d'Aprenentatge per Reforç Multiagent (MARL). El curs conclou examinant la relació entre els MAS i el camp emergent de l'Agentic AI, on agents impulsats per Models de Llenguatge de Gran Escala (LLMs) són capaços de planificació autònoma, ús d'eines i interacció en entorns complexos.

En acabar el curs, l'estudiantat serà capaç d'identificar aplicacions adequades per a solucions orientades a agents, entendre com aquests sistemes s'adapten i s'autoorganitzen, i connectar els principis clàssics dels MAS amb les arquitectures agèntiques modernes basades en LLMs.

Professorat

Responsable

  • Maite López Sánchez (maite_lopez@ub.edu)

Hores setmanals

Teoria
1.3
Problemes
1
Laboratori
0.7
Aprenentatge dirigit
0.12
Aprenentatge autònom
5.55

Competències

Competències Tècniques Generals

Genèriques

  • CG3 - Capacitat per a la modelització, càlcul, simulació, desenvolupament i implantació en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca, desenvolupament i innovació en tots els àmbits relacionats amb la Intel·ligència Artificial.

    • Competències Tècniques de cada especialitat

    Acadèmiques

  • CEA1 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals dels Sistemes Multiagents, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • CEA7 - Capacitat de comprendre la problemàtica, i les solucions als problemes en la pràctica professional de l'aplicació de la Intel·ligència Artificial en l'entorn empresarial i industrial.
  • CEA9 - Capacitat de comprendre les tècniques avançades de Sistemes Multiagents, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.

    • Professionals

  • CEP2 - Capacitat de resoldre els problemes de presa de decisions de les diferents organitzacions, integrant eines intel·ligents.
  • CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.
  • CEP4 - Capacitat per dissenyar, redactar i presentar informes sobre projectes informaticos en l'area especifica d'Intel·ligència Artificial.

    • Competències Transversals

    Treball en equip

  • CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.

    • Ús solvent dels recursos d'informació

  • CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.

    • Analisis i sintesis

  • CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.

    • Objectius

    1. Objectius d'aprenentatge referents al coneixement:
      Competències relacionades: CT4, CT7, CEA1, CEP2, CEP4, CEA9, CEA7,
      Subcompetences
      • Estudiar els aspectes ètics/morals associats als sistemes autònoms.
      • Familiaritzar-se amb diferents models socials i comportaments d'interacció dels agents.
      • Comprendre com els sistemes multi-agent fan servir les normes per coordinar-se, i com aquestes poden ser adaptades.
      • Introducció als mètodes d'aprenentatge per reforç multi-agent.
      • Conèixer les possibles aplicacions de les tecnologies multi-agent i de la simulació basada en agents.
    2. Objectius que es refereixen a habilitats i capacitats:
      Els i les estudiants adquiriran la capacitat de determinar quines aplicacions són compatibles amb la implementació de solucions orientades a agents i com aquestes solucions poden adaptar-se automàticament als canvis que puguin produir-se.
      Amés, seran capaços de desenvolupar simulacions de sistemes multi-agent i analitzar el seu funcionament global.
      Competències relacionades: CEP3, CG3,
    3. Objectius referents a actituds, valors i normes:
      Els i les estudiants desenvoluparan habilitats de treball en equip i reflexionaran sobre aspectes ètics / morals associats als sistemes autònoms.
      Competències relacionades: CT3,

    Continguts

    1. Introducció als sistemes multi-agent
      * Agents cooperatius i competitius, * Models socials, * Organitzacions * Institucions * Aplicacions
    2. Simulació basada en agents
      * Modelat individual, * Anàlisi social, * Eines i estudis de casos
    3. Adaptació i coordinació
      * Sistemes normatius multi-agent * Agents morals * Aprenentatge per reforç multi-agent.
    4. MAS i el camp emergent d'Agentic AI
      Anàlisi de la relació entre els MAS i el camp emergent de la agentic AI, on els agents impulsats per grans models de llenguatge (LLM) són capaços d'interactuar de manera autònoma dins d'entorns complexos.

    Activitats

    Activitat Acte avaluatiu


    Presentation and discussion of a research paper


    Objectius: 1
    Continguts:
    Teoria
    6h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    22.2h

    Course practical assessment


    Objectius: 1 2 3
    Continguts:
    Teoria
    2h
    Problemes
    0h
    Laboratori
    9.1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    40h

    Theoretical knowledge acquisition


    Objectius: 1
    Continguts:
    Teoria
    8.5h
    Problemes
    13h
    Laboratori
    0h
    Aprenentatge dirigit
    1.6h
    Aprenentatge autònom
    10h

    Metodologia docent

    Els continguts del curs s'impartiran a través d'una sèrie de sessions teòriques i pràctiques:

    - Sessions teòriques participatives en les que s'introdueixen i discuteixen entre l'estudiantat nous conceptes. S'incentiva la discussió grupal. Es proporcionaran capítols de llibres de text i articles d'investigació per facilitar el debat i l'intercanvi d'idees.

    - Sessions pràctiques en què l'estudiantat posa en pràctica conceptes introduïts prèviament per obtenir una major comprensió. Aquest objectiu s'assolirà resolent problemes, dissenyant sistemes i desenvolupant prototips.

    En la mesura que sigui possible s'incorporarà la perspectiva de gènere en el desenvolupament de l'assignatura. A més, el professorat restarà atent a aquelles necessitats específiques de gènere que puguin plantejar les alumnes, com ara poder escollir parella del mateix gènere si es realitzen treballs grupals o poder plantejar reptes contra l'escletxa de gènere.

    Mètode d'avaluació

    L'avaluació es farà en base a presentacions orals a classe i / o del treball realitzat a tasques pràctiques. En general, les notes de les presentacions orals s'assignaran de forma individual, mentre que les notes corresponents a tasques pràctiques es basaran en una avaluació grupal. La ponderació de la nota final serà proporcional a les càrregues de treball respectives de les dues tasques.

    Avaluació basada en examen: exercici pràctic per a l'avaluació al final del curs.

    Bibliografia

    Bàsic

    Complementari

    Web links

    Capacitats prèvies

    Resulta útil tenir nocions bàsiques de MAS (Sistemes Multi-Agent)