Inteligência Artificial

Ano
4
Ano lectivo
2020-2021
Código
02000031
Área Científica
Engenharia Biomédica
Língua de Ensino
Português
Outras Línguas de Ensino
Inglês
Modo de Ensino
Presencial
Duração
Semestral
Créditos ECTS
6.0
Tipo
Opcional
Nível
2º Ciclo - Mestrado

Conhecimentos de Base Recomendados

Competências de Programação. Unidade curricular introdutória de Inteligência Artificial (recomendado).

Métodos de Ensino

Adota-se uma Aprendizagem Baseada em Projeto, direcionada para a aquisição de competências pela realização de um trabalho laboratorial (projeto) com uma elevada componente de investigação, que exija a conjugação de conceitos teóricos e promova o raciocínio crítico face a problemas complexos. O trabalho compreende a escrita de um artigo científico, descrevendo o trabalho realizado, bem como a sua apresentação e defesa.

As aulas teóricas envolverão exposição detalhada dos conceitos, princípios e teorias fundamentais da Inteligência Artificial.

Resultados de Aprendizagem

Fornecer aos estudantes conceitos, princípios e teorias avançadas necessárias para o desenvolvimento de aplicações reais envolvendo agentes ou sistemas com capacidades de raciocínio, comportamento e interação com os seus ambientes de forma inteligente.

Aquisição de competências em análise e síntese, organização e planificação, comunicação escrita, resolução de problemas, decisão, trabalho em grupo, raciocínio crítico, aprendizagem autónoma, aplicação prática dos conhecimentos, e investigação. Os resultados de aprendizagem devem ser coerentes com os conteúdos programáticos e metodologias de ensino e devem determinar a avaliação da aprendizagem dos estudantes na unidade curricular).

Estágio(s)

Não

Programa

1.Lógica para Representação de Conhecimento e Raciocínio

•Formalismos lógicos para representação de conhecimento: lógica proposicional; lógica de predicados de primeira ordem; lógica de omissão; lógicas descritivas; ontologias e taxonomias

•Raciocínio lógico: satisfatibilidade, dedução crédula e cética

•Programação em lógica

•Aplicações

2.Agentes Autónomos e Sistemas Multi-Agente

•Agentes e ambientes; taxonomia de agentes

•Arquitetura BDI: crenças, desejos e intenções;

•Emoções e computação afetiva em agentes

•Estabelecimento de acordos: negociação e argumentação

•Trabalho conjunto: cooperação e coordenação

•Engenharia de software orientada ao agente

•Normas FIPA

•Aplicações.

3.Conhecimento e Raciocínio com Incerteza

•Quantificação de incerteza

•Abordagens ao raciocínio com incerteza: raciocínio probabilístico e lógica de omissão

•Raciocínio probabilístico com dimensão temporal

•Decisão: decisões unitárias, decisões sequenciais/planeamento, planeamento com incerteza

•Aplicações.

Métodos de Avaliação

Avaliação
Exame: 40.0%
Trabalho laboratorial ou de campo: 60.0%

Bibliografia

- Wooldridge, Michael. An introduction to MultiAgent Systems, 2nd. Edition, John Wiley, 2009.

- Russell, Stuart, and Norvig, Peter. Artificial Intelligence: a Modern Approach, 3rd. Edition, Prentice Hall, 2010.

- Chitta Baral, "Knowledge Representation, Reasoning and Declarative Problem Solving", Cambridge University Press, 2003

- "The Description Logic Handbook: Theory, Implementation and Applications, 2nd Edition", Franz Baader, Diego Calvanese, Deborah L. McGuinness, Daniele Nardi, Peter F. Patel-Schneider, Cambridge University Press, 2007

- L Sterling and E Shapiro, "The Art of Prolog: Advanced Programming Techniques (Logic Programming) (2nd ed.)", MIT Press, 1994

- I Bratko, "Prolog Programming for Artificial Intelligence (3rd ed.)", Addison-Wesley, 2001