Logo

Agents Autònoms

Codi: 106587
Crèdits: 6
2026/2027
Titulació Tipus Curs
Intel·ligència Artificial / Bachelor in Artificial Intelligence OB 4

Professor/a de contacte

Nom :
Jordi Sabater Mir
Correu electrònic :
jordi.sabater@uab.cat

Equip docent

Dave De Jonge
Jordi Sabater Mir

Idiomes dels grups

Podeu consultar aquesta informació al final del document.

Prerequisits

Coneixements conceptuals i fonaments de programació, lògica computacional i aprenentatge automàtic.

Objectius

Aquesta assignatura introdueix les bases dels agents autònoms i els sistemes multiagent, dóna una visió detallada del disseny d'aquests agents i proporciona les bases per programar-los en entorns productius industrials o de serveis, integrant diferents elements apresos al llarg del grau.

Resultats d'aprenentatge

  • CM16 (Dissenyar sistemes basats en agents autònoms en projectes d’intel·ligència artificial.) Dissenyar sistemes basats en agents autònoms en projectes d’intel·ligència artificial.
  • CM17 (Incorporar restriccions ètiques i valors socials en el disseny d’estratègies d’interacció entre agents, promovent la transparència i l’equitat.) Incorporar restriccions ètiques i valors socials en el disseny d’estratègies d’interacció entre agents, promovent la transparència i l’equitat.
  • KM33 (Descriure els conceptes necessaris per al disseny i la implementació d’agents autònoms, incloent-hi arquitectures, models de decisió i aprenentatge.) Descriure els conceptes necessaris per al disseny i la implementació d’agents autònoms, incloent-hi arquitectures, models de decisió i aprenentatge.
  • KM34 (Identificar els fonaments dels sistemes multiagent relacionats amb teoria de jocs i protocols de negociació i comunicació entre agents.) Identificar els fonaments dels sistemes multiagent relacionats amb teoria de jocs i protocols de negociació i comunicació entre agents.
  • SM38 (Aplicar algoritmes de representació del coneixement, planificació i aprenentatge en el disseny d’agents autònoms en entorns dinàmics.) Aplicar algoritmes de representació del coneixement, planificació i aprenentatge en el disseny d’agents autònoms en entorns dinàmics.
  • SM40 (Avaluar el rendiment d’agents mitjançant mètriques quantitatives i anàlisi qualitativa.) Avaluar el rendiment d’agents mitjançant mètriques quantitatives i anàlisi qualitativa.
  • SM41 (Utilitzar plataformes de simulació per modelar i analitzar comportaments autònoms.) Utilitzar plataformes de simulació per modelar i analitzar comportaments autònoms.
  • SM42 (Analitzar les implicacions ètiques de les decisions en agents autònoms.) Analitzar les implicacions ètiques de les decisions en agents autònoms.

Continguts


  1. Agents intel·ligents: Introducció.

  2. BDI.

  3. Arbres de comportament

  4. Planificació d'agents (STRIPS, GOAP, HTN)

  5. Aprenentatge per reforç

  6. Introducció als sistemes multiagent.

  7. Teoria de la utilitat

  8. Teoria de jocs.

  9. Comunicació. Fonaments sobre filosofia del llenguatge, teoria de l'acte de parla (Austin, Searle).

  10. Negociació automàtica.

  11. Agents basats en LLMs.

Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Pràctiques a l'aula 15 0,6
Classes magistrals 30 1,2
Preparació individual de les proves escrites 13 0,52
Treball en equip 30 1,2
Lectures dels textos 10 0,4
Tutories grupals programades 50 2

Atès que l'assignatura està orientada principalment a l'aprenentatge de les tècniques bàsiques de disseny i construcció d'agents autònoms, la metodologia docent i les activitats formatives de l'assignatura combinaran: sessions magistrals expositives (per orientar i aclarir dubtes sobre lectures obligatòries), pràctiques presencials (a l'aula, en seminaris o a les aules d'informàtica) i el treball en equip aplicat. Aquest format docent permet integrar els conceptes adquirits i les tècniques explicades, i es combinarà al llarg del curs amb tutories de seguiment i treball autònom.
Com a nucli d'un procés d'aprenentatge basat en reptes, s'organitzarà una Autonomous Agent Competition (AAC) per provar el rendiment dels diferents projectes de treball en equip.

En aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) com a part integrant del desenvolupament del treball, sempre que el resultat final reflecteixi una contribució significativa de l'estudiant en l'anàlisi i la reflexió personal. L'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA es considerarà falta d'honestedat acadèmica i pot comportar una penalització en la nota de l'activitat, o sancions majors en casos de gravetat.

A continuació es detallen les diferents activitats, amb el seu pes específic dins de la distribució del temps total que l'estudiant ha de dedicar a l'assignatura.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.

Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Prova escrita relativa a teoria 1a part 25% 1 0,04 KM33, KM34
Prova escrita relativa a teoria 2a part 25% 1 0,04 KM33, KM34
Pràctiques 50% 0 0 CM16, CM17, SM38, SM40, SM41, SM42

L'avaluació del nivell d'assoliment de l'assignatura per part de cada estudiant té en compte els treballs pràctics, així com els coneixements científics i tècnics de l'assignatura. La nota final ho reflecteix combinant les notes de la part pràctica i la teòrica de la següent manera:

(a) Prova sobre teoría (1er examen) (25%)

(b) Prova sobre teoría (2on examen) (25%)

(c) Treballs pràctics (50%)

Aquesta assignatura no preveu el sistema d’avaluació única.

Per aprovar l'assignatura en primera convocatòria, és obligatori obtenir almenys una nota de 5 a la part teórica (mitjana dels punts (a) i (b)) y un 5 a la part pràctica (punt (c)). La nota final es calcularà com a mitjana ponderada de la part teórica (punts (a) i (b)) i la práctica (punt (c)).

En la segona convocatòria és possible recuperar les notes inferiors a 5 corresponents als ítems d'avaluació (a), (b) i (c). Per aprovar amb èxit l'assignatura a la segona convocatòria es seguirà el mateix criteri que en primera convocatòria. A més, és important tenir en compte que la nota assignada a l'element d'avaluació recuperat serà de 5 (encara que la puntuació final sigui superior).

No Avaluació: La nota final de l'estudiant serà \"No presentat\" sempre que l'estudiant no hagi estat avaluat a les dues proves escrites (a) i (b).

Honors: L'atorgament d'un títol de \"matricula d'honor\" (MH) és decisió del professorat responsable de l'assignatura. La normativa de la UAB estableix que només es pot atorgar la matrícula d'honor als estudiants que hagin obtingut una nota final igual o superior a 9, i que només fins a un 5% del total d'estudiants matriculats es pugui atorgar un títol de matrícula d'honor.

Plagi: Sense perjudici d'altres que es considerin oportú i d'acord amb la legislació acadèmica vigent, les irregularitats comeses per un estudiant durant una activitat d'avaluació poden comportar el canvi de qualsevol nota a 0. Les activitats d'avaluació així qualificades per aquest procediment no seran recuperables. Si és necessari superar alguna d'aquestes activitats d'avaluació per aprovar l'assignatura, l'estudiant no aprovarà l'assignatura, sense possibilitat de recuperar-la en una segona convocatòria del mateix curs acadèmic. Aquestes irregularitats inclouen, entre d'altres:

  • la còpia total o parcial d'una pràctica, informe o qualsevol altra activitat d'avaluació;
  • deixar que altres copin els teus exercicis/examen/treball;
  • presentar un treball en equip que no hagi estat fet completament pels membres de l'equip;
  • presentar com a propis aquells materials elaborats per un tercer, encara que siguin traduccions o adaptacions, i en general obres amb elements no originals i exclusius de l'estudiant;
  • utilitzar dispositius de comunicació (com ara telèfons mòbils, rellotges intel·ligents, tauletes, etc.) durant les activitats d'avaluació, individuals o en equip.

En cas que l'estudiant hagi comès irregularitats en alguna activitat d'avaluació (i per tant no es podrà aprovar l'assignatura ni en segona convocatòria), la nota final de l'assignatura serà la més baixa entre el valor 3 i la mitjana ponderada de les notes. En resum: copiar, deixar que altres copin el teu treball o plagiar en qualsevol de les activitats d'avaluació equival a un suspens amb una nota inferior o igual a 3.

Bibliografia

Russell S. J. Norvig P. Chang M.-W. Devlin J. Dragan A. Forsyth D. Goodfellow I. Malik J. Mansinghka V. & Pearl J. (2022). Artificial intelligence: a modern approach (Fourth edition. Global). Pearson. 

Wooldridge M. J. (2009). An introduction to multiagent systems (2. ed.). John Wiley & Sons.

Introduction to Automated Negotiation. Dave de Jonge.

Programari

PyCharm,Visual Studio (o un altre IDE), PYTHON, UNITY.

Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Tipus de docència Grup Idioma Semestre Torn
(TE) Teoria 71 Anglès segon quadrimestre tarda
(PAUL) Pràctiques d'aula 711 Anglès segon quadrimestre tarda
(PLAB) Pràctiques de laboratori 711 Anglès segon quadrimestre tarda