Sistemas Multiagentes Autoorganizados

Créditos
4.5
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
UB;CS
Web
https://raco.fib.upc.edu/home/assignatura?espai=270742
Mail
maite_lopez@ub.edu
Self-Organising Agent Systems parte del conocimiento previo del estudiantado en sistemas multiagente (MAS) para explorar su capacidad de adaptación autónoma. El curso repasa los conceptos fundamentales de los agentes y las sociedades de agentes, para adentrarse en la Simulación Social Basada en Agentes (ABSS) y los principios de autoorganización y de adaptación, incorporando elementos de ética y de Aprendizaje por Refuerzo Multiagente (MARL). El curso concluye examinando la relación entre los MAS y el emergente campo de la Agentic AI, donde agentes impulsados por Modelos de Lenguaje de Gran Escala (LLMs) son capaces de planificación autónoma, uso de herramientas e interacción en entornos complejos.

Al finalizar el curso, el estudiantado será capaz de identificar aplicaciones adecuadas para soluciones orientadas a agentes, comprender cómo estos sistemas se adaptan y se autoorganizan, y conectar los principios clásicos de los MAS con las arquitecturas agénticas modernas basadas en LLMs.

Profesorado

Responsable

  • Maite López Sánchez (maite_lopez@ub.edu)

Horas semanales

Teoría
1.3
Problemas
1
Laboratorio
0.7
Aprendizaje dirigido
0.12
Aprendizaje autónomo
5.55

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG3 - Capacidad para la modelización, cálculo, simulación, desarrollo e implantación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Inteligencia Artificial.

    • Competencias Técnicas de cada especialidad

    Académicas

  • CEA1 - Capacidad de comprender los principios básicos de funcionamiento de las técnicas principales de los Sistemas Multiagentes, y saber utilizarlas en el entorno de un sistema o servicio inteligente.
  • CEA7 - Capacidad de comprender la problemática, y las soluciones a los problemas en la práctica profesional de la aplicación de la Inteligencia Artificial en el entorno empresarial e industrial.
  • CEA9 - Capacidad de comprender las técnicas avanzadas de Sistemas Multiagentes, y saber diseñar, implementar y aplicar estas técnicas en el desarrollo de aplicaciones, servicios o sistemas inteligentes.

    • Profesionales

  • CEP2 - Capacidad de resolver los problemas de toma de decisiones de las diferentes organizaciones, integrando herramientas inteligentes.
  • CEP3 - Capacidad de aplicación de las técnicas de Inteligencia Artificial en entornos tecnológicos e industriales para la mejora de la calidad y la productividad.
  • CEP4 - Capacidad para disenar, redactar y presentar informes sobre proyectos informaticos en el area especifica de Inteligencia Artificial.

    • Competencias Transversales

    Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

    • Uso solvente de los recursos de información

  • CT4 - Gestionar la adquisicion, la estructuracion, el analisis y la visualizacion de datos e informacion en el ambito de la especialidad y valorar de forma critica los resultados de esta gestion.

    • Analisis y sintesis

  • CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

    • Objetivos

    1. Objetivos de aprendizaje referentes al conocimiento:
      Competencias relacionadas: CEA7, CEA9, CEA1, CEP2, CEP4, CT4, CT7,
      Subcompetences
      • Estudiar los aspectos éticos/morales asociados a los sistemas autónomos.
      • Familiarizarse con diferentes modelos sociales y comportamientos de interacción de los agentes.
      • Comprender cómo los sistemas multi-agente usan las normas para coordinarse, y cómo éstas pueden ser adaptadas.
      • Introducción a los métodos de aprendizaje por refuerzo multi-agente.
      • Conocer las posibles aplicaciones de las tecnologías multi-agente y de la simulación basada en agentes.
    2. Objetivos que se refieren a habilidades y capacidades:
      Los y las estudiantes adquirirán la capacidad de determinar qué aplicaciones son compatibles con la implementación de soluciones orientadas a agentes y cómo estas soluciones pueden adaptarse automáticamente a posibles cambios que puedan producirse.
      Además, serán capaces de desarrollar simulaciones de sistemas multi-agente y analizar su funcionamiento global.
      Competencias relacionadas: CG3, CEP3,
    3. Objetivos referentes a actitudes, valores y normas:
      Los y las estudiantes desarrollarán habilidades de trabajo en equipo y reflexionarán sobre aspectos éticos / morales asociados a los sistemas autónomos.
      Competencias relacionadas: CT3,

    Contenidos

    1. Introducción a los sistemas multi-agente
      * Agentes cooperativos versus agentes competitivos, * Modelos sociales, * Organizaciones * Instituciones * Aplicaciones
    2. Simulación basada en agentes
      * Modelado individual, * Análisis social, * Herramientas y estudios de casos
    3. Adaptación y coordinación.
      * Sistemas normativos multi-agente * Agentes morales * Aprendizaje por refuerzo multi-agente
    4. MAS y el campo emergente de Agentic AI
      Análisis de la relación entre los MAS y el campo emergente de la IA agencial, donde los agentes impulsados ¿¿por grandes modelos de lenguaje (LLM) son capaces de interactuar de forma autónoma dentro de entornos complejos.

    Actividades

    Actividad Acto evaluativo


    Presentation and discussion of a research paper


    Objetivos: 1
    Contenidos:
    Teoría
    6h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    22.2h

    Course practical assessment


    Objetivos: 1 2 3
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    9.1h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    40h

    Theoretical knowledge acquisition


    Objetivos: 1
    Contenidos:
    Teoría
    8.5h
    Problemas
    13h
    Laboratorio
    0h
    Aprendizaje dirigido
    1.6h
    Aprendizaje autónomo
    10h

    Metodología docente

    Los contenidos del curso se impartirán a través de una serie de sesiones teóricas y prácticas:

    - Sesiones teóricas participativas en las que se introducen y discuten entre el estudiantado nuevos conceptos. Se incentiva la discusión grupal. Se proporcionarán capítulos de libros de texto y artículos de investigación para facilitar el debate y el intercambio de ideas.

    - Sesiones prácticas en las que el estudiantado pone en práctica conceptos introducidos previamente para obtener una mayor comprensión. Este objetivo se logrará resolviendo problemas, diseñando sistemas y desarrollando prototipos.

    En la medida de lo posible se incorporará la perspectiva de género en el desarrollo de la asignatura. Además, el profesorado estará atento a aquellas necesidades específicas de género que puedan plantear las alumnas, tales como poder escoger equipo del mismo género si se realizan trabajos grupales o poder plantear retos contra la brecha de género.

    Método de evaluación

    La evaluación se realizará en base a presentaciones orales en clase y / o del trabajo realizado en tareas prácticas. En general, las notas de las presentaciones orales se asignarán de forma individual, mientras que las notas correspondientes a tareas prácticas se basarán en una evaluación grupal. La ponderación de la nota final será proporcional a las cargas de trabajo respectivas de las dos tareas.

    Evaluación basada en examen: ejercicio práctico para la evaluación al final del curso.

    Bibliografía

    Básico

    Complementario

    Web links

    Capacidades previas

    Resulta útil tener nociones básicas de MAS (Sistemas Multi-Agente)