- Docente: Alina Sirbu
- Crediti formativi: 6
- SSD: ING-INF/05
- Lingua di insegnamento: Inglese
- Moduli: Alina Sirbu (Modulo 1) Roberta Calegari (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Bologna
- Corso: Laurea Magistrale in Artificial Intelligence (cod. 9063)
-
Orario delle lezioni (Modulo 1)
dal 17/02/2025 al 26/05/2025
-
Orario delle lezioni (Modulo 2)
dal 04/03/2025 al 10/06/2025
Conoscenze e abilità da conseguire
Al termine dell'attività formativa, lo studente conosce le fondamenta concettuali e tecniche dei sistemi multi-agente, ed è in grado di modellare sistemi computazionali e sociotecnici complessi in termini di astrazioni orientate agli agenti; costruire sistemi computazionali e sociotecnici complessi usando tecnologie e metodologie orientate agli agenti; progettare e costruire sistemi intelligenti come sistemi multi-agente, integrando le tecniche e i metodi dell'intelligenza artificiale in modo efficace e metodologicamente corretto.
Contenuti
– Temi generali dei sistemi multi-agente
I “primi motori” dei sistemi intelligenti • Gli agenti per i sistemi complessi distribuiti • Autonomia: concetti e definizioni • Artefatti per agenti: concetti e definizioni • Ragionamento automatico • Agenti razionali • Coordinazione di sistemi multi-agente • Sistemi auto-organizzanti • Coordinazione e autorganizzazione di ispirazione naturale • Simulazione e sistemi multi-agente: introduzione
– Tecnologie per i sistemi multi-agente
Agenti in JADE • Programmare agenti intenzionali: esercizi in Jason
– Competenze scientifiche
Fonti della letteratura scientifica sui sistemi intelligenti autonomi • Systematic Literature Review: una metodologia per le rassegne scientifiche
Testi/Bibliografia
Le slide sono il materiale principale e contengono una serie di riferimenti ad articoli scientifici e libri consigliati. Tra questi, si consigliano, per approfondimento:
Michael J. Wooldridge (2009) An Introduction to MultiAgent Systems John Wiley & Sons, 2nd edition.
Russell, Stuart J., and Peter Norvig. Artificial intelligence: a modern approach. pearson, 2016.
Albrecht, Stefano V., Filippos Christianos, and Lukas Schäfer. Multi-agent reinforcement learning: Foundations and modern approaches. MIT Press, 2024.
Metodi didattici
- Lezioni teoriche in aula con uso di lucidi
- Esempi discussi e costruiti in aula al computer dal docente e da esperti
- Attività di laboratorio
Modalità di verifica e valutazione dell'apprendimento
La verifica dell'apprendimento dei contenuti del corso avviene tramite lo sviluppo di un progetto individuale o di gruppo, che si traduce nella produzione dei più opportuni artefatti, sia documentali sia software.
La prova orale finale consiste nella discussione orale del progetto.
La valutazione finale dipende dal livello e dall'estensione del progetto, dalla qualità degli artefatti documentali e software prodotti, e ovviamente dal livello di conoscenza dei temi del corso dimostrato durante la discussione finale.
Strumenti a supporto della didattica
Piattaforma Virtuale UNIBO.
Link ad altre eventuali informazioni
https://apice.unibo.it/xwiki/bin/view/Courses/Series/Mas
Orario di ricevimento
Consulta il sito web di Alina Sirbu
Consulta il sito web di Roberta Calegari
SDGs
L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.