ISEP - DM – Engenharia de Inteligência Artificial
Permanent URI for this collection
Browse
Browsing ISEP - DM – Engenharia de Inteligência Artificial by advisor "Gomes, Luís Filipe de Oliveira"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
- Aprendizagem federada para comunidades de agentes que permita a mobilidade dinâmica em ambientes de proteção de privacidadePublication . Ribeiro, Bruno Rafael Gonçalves; Gomes, Luís Filipe de OliveiraA privacidade e a segurança dos dados têm sido uma das principais preocupações dos utilizadores da Internet nos últimos anos. Com o aumento do uso de inteligência artificial e dos dados existentes na Internet, os utilizadores começaram a ficar preocupados com a forma como as empresas utilizavam os seus dados. Com isto, vários países começaram a desenvolver os seus próprios regulamentos de proteção de dados. Para cumprir estes regulamentos e continuar a oferecer serviços baseados na inteligência artificial, as empresas e os investigadores criaram uma técnica chamada aprendizagem federada. A aprendizagem federada distingue-se da aprendizagem automática tradicional ao deslocar o processo de treino do servidor central para os clientes. Os clientes treinam o modelo com os seus dados locais e, em seguida, o modelo é enviado de volta para o servidor, onde os agregará num único modelo. Esta abordagem ajuda a distribuir o poder computacional e a evitar a exposição dos dados dos clientes. No entanto, há problemas ainda inexplorados pela comunidade de investigação, que dizem respeito ao lado dinâmico da aprendizagem federada. A investigação atual parte do princípio de que os clientes estão fixos numa federação durante toda a execução, que os seus dados não mudam ao longo do tempo e que não existem outras opções para além da federação em que se encontram a treinar. Os sistemas multiagentes, por outro lado, são um conceito que se baseia fundamentalmente em ambientes dinâmicos e que mudam com o tempo. Estes sistemas são utilizados para conceber e simular cenários realistas, incorporando características humanas, como a inteligência, a proatividade e a adaptabilidade, em entidades chamadas agentes. A sua capacidade adaptativa e comportamental que os permite seguir um objetivo pré-estabelecido faz com que se torne relevante para a aprendizagem federada, no sentido em que os clientes podem ver o seu ambiente a ser alterado, como os seus objetivos iniciais, a distribuição e a quantidade dos seus dados, entre outros. Esta abordagem de treino colaborativo com as capacidades adaptativas e dinâmicas dos agentes pode contribuir para tornar os sistemas de aprendizagem federados mais robustos e realistas. Esta dissertação tem como objetivo combinar ambos os conceitos através de uma ferramenta de desenvolvimento dedicada, validando a sua eficácia num cenário em que os clientes podem escolher qual o melhor modelo de federação a utilizar. A framework proposta chama-se PEAK FL e permite a criação de sistemas de aprendizagem federados baseados em agentes. Esta solução visa ajudar os utilizadores a concetualizar, a construir e a analisar as vantagens e desvantagens que este tipo de sistemas apresentam. Foram realizados vários casos de estudos para validar as suas várias componentes e os resultados mostram que, quando corretamente aplicada, esta combinação pode melhorar os resultados.
- From relational waters to intelligent oceans: A lakehouse-centric approach to conversational artificial intelligencePublication . FIGUEIREDO, JOANA RODRIGUES; Gomes, Luís Filipe de Oliveiraof handling large volumes of heterogeneous and unstructured data while enabling real-time intelligent decision-making. In the water management domain, where legacy systems and operational complexity often obstruct innovation, there is an increasing need to adopt artificial intelligencepowered solutions that promote efficiency, traceability, and accessibility. Responding to this challenge, this dissertation presents CLARA — a Conversational Lakehouse Architecture supported by Real-time Artificial intelligence. CLARA is a modular solution that integrates modern data infrastructures, artificial intelligence models, and natural language interaction to support intelligent management in water utility operations. CLARA was conceived and developed from scratch, following the data lakehouse paradigm to consolidate structured and unstructured data, such as field images. The infrastructure adopts a medallion architecture (Bronze, Silver, Gold) and includes pipelines for ingestion, loading, and transformation. Particular attention was given to documentation of transformations, and integration of flows for experiment tracking, enabling a robust foundation for artificial intelligence development and data governance. The solution currently features two artificial intelligence models that demonstrate how the lakehouse paradigm can support intelligent reasoning beyond conventional structured data processing. The first is an optical character recognition model, which enables the automated interpretation of water meter readings directly from field images, a type of unstructured data typically excluded from traditional storage systems. This model exemplifies how AI can be embedded into the data architecture to support validation and data quality assurance workflows. The second is a predictive model based on neural networks, designed to anticipate the symptom of the next operational intervention by analyzing historical maintenance sequences. Together, these models illustrate the potential of unifying data storage and artificial intelligence reasoning within a single environment. At the user interaction layer, a custom-built conversational assistant leverages a cascade of large language models to classify and respond to user queries in real-time. The system routes each input to one of four specialized modules: (1) to access structure data in real-time, (2) to execute and access artificial intelligence models, (3) to consult software support manuals, and (4) to provide fallback conversational support only on water-related topics. The assistant also integrates multilingual support and a semantic permission-verification mechanism that maps the user’s intent and role to the structure of the underlying database, preventing unauthorized actions. Developed in partnership with A2O – Água, Ambiente e Organização, Lda., and validated through four real-world case studies, CLARA demonstrated how a carefully orchestrated artificial intelligence pipeline, backed by an efficient data infrastructure, can modernize and improve decision-making, enhance transparency, and simplify access to complex systems through natural language.
- Gestão inteligente e distribuída de comunidades de cidadãosPublication . SILVA, RAFAEL DUARTE PEREIRA DA; Gomes, Luís Filipe de Oliveira; Vale, Zita Maria Almeida doA utilização e integração de modelos inteligentes nos edifícios pode transformar as experiências dos utilizadores dentro do edifício, proporcionando a otimização dos espaços e formas eficientes de utilizar e interagir com os recursos do edifício. A utilização de soluções inteligentes traz alguns desafios que devem ser estudados, como a heterogeneidade entre os recursos e a necessidade de adaptar os edifícios já existentes ao conceito de edifícios inteligentes. Embora os edifícios inteligentes possam revolucionar a forma como as pessoas utilizam e interagem com os espaços, o grupo de edifícios, ao criar comunidades, traz novas oportunidades para permitir que os membros interligados atinjam objetivos comuns, modelando papéis cooperativos, colaborativos e, por vezes, competitivos. Esta nova dinâmica em que os sistemas orgânicos podem comunicar e interagir também levanta desafios quanto à modelação dos utilizadores, às suas preferências e à existência de infraestruturas comuns para permitir a implementação de modelos inteligentes ao nível da comunidade, edifício e utilizador. Esta dissertação tem como objetivo conceber, implementar, testar e validar uma infraestrutura baseada em containers, intitulada Caravels, que combina os conceitos de comunidades inteligentes e edifícios inteligentes para desenvolver uma solução sensível ao contexto que considera diferentes utilizadores e edifícios. A solução concebida emprega uma arquitetura distribuída para a gestão de comunidades inteligentes de cidadãos, onde cada membro opera como uma entidade autónoma, enquanto permanece interligado através de uma infraestrutura partilhada. A arquitetura permite serviços tanto a nível local como comunitário, sendo que um membro pode integrar serviços individuais, escolhidos especificamente para esse utilizador, ao mesmo tempo que contribui e beneficia de otimizações a nível comunitário. Central ao projeto está a modelação das preferências do utilizador em ambientes complexos, dinâmicos e multiutilizador. A dissertação explora os desafios psicológicos e cognitivos da representação de preferências, reconhecendo que os utilizadores têm dificuldades em articular ou priorizar as suas próprias preferências. Os modelos propostos podem adaptar-se ao longo do tempo, incorporando feedback e dados comportamentais para apoiar a tomada de decisões proativas e conscientes do contexto. As técnicas de inteligência artificial, incluindo a aprendizagem supervisionada, não supervisionada e por reforço, estão integradas em todo o sistema para permitir a análise preditiva, a otimização e o controlo autónomo. Para validar a arquitetura e as metodologias propostas, foram conduzidos vários estudos de caso em cenários realistas, refletindo as diferentes necessidades dos utilizadores, procura de energia e recursos distribuídos. Os resultados demonstram que o sistema pode modelar o comportamento do utilizador, apoiar a cooperação a nível comunitário e melhorar a eficiência e a inteligência geral do edifício inteligente. Os resultados desta dissertação contribuíram para seis publicações científicas, incluindo uma revista com um fator de impacto de 6,6.
- MASterFLow: Cadeia de sistemas multiagente inteligentes para a criação de pipelines de aprendizagem automática e aprendizagem federadaPublication . BARBARROXA, RAFAEL ALEXANDRE SILVA; Gomes, Luís Filipe de OliveiraThe growing demand for secure, privacy-preserving AI solutions is particularly noticeable in domains such as renewable energy or healthcare, where sensitive data is involved. As society continues to transition to AI-driven systems, the need for decentralized machine learning systems has become increasingly evident. Traditional machine learning methods rely heavily on centralized datasets, often compromising privacy and security. Although federated learning addresses these concerns by enabling decentralized model training while maintaining data privacy, several challenges remain. These include the complexity of creating, configuring, and managing federated learning models, particularly when dealing with a large number of clients and different configurations. As federated learning grows in popularity, there is also a need for more automated solutions that can simplify this process for users with varying levels of expertise. This dissertation presents MASterFLow, a novel system that combines multi-agent systems with large language models to intelligently create machine learning models and federated learning federations. By integrating LLMs and Retrieval-Augmented Generation, MASterFLow provides an efficient way to configure, execute, and analyze FL training simulations. The system streamlines the process by allowing users to interact with intelligent agents that manage different tasks, such as configuring machine learning models, setting up federated learning simulations, and analyzing training logs. MASterFLow is designed with a user-friendly web-based interface that allows users to engage with the system’s agents and configure simulations according to their needs. Through extensive case studies, the dissertation benchmarks various multi-agent frameworks and demonstrates the effectiveness of combining multi-agent systems and large language models to automate the creation of machine learning and federated learning pipelines. The results indicate that MASterFLow provides a more accessible, secure, and adaptable alternative to traditional machine learning methods, offering improved efficiency and usability for AI development.
- Solução ciber-física para a gestão de edifícios suportada por dispositivos inteligentes e modelos de ambientes inteligentesPublication . Teixeira, Nuno Daniel Silva; Gomes, Luís Filipe de OliveiraA utilização de dispositivos ligados à internet e modelos de ambientes inteligentes em sistemas de gestão de edifícios tem vindo a ganhar notoriedade nos últimos anos, sendo cada vez mais comum a sua aplicação em edifícios. Estes conceitos, de internet das coisas e ambientes inteligentes, fornecem um meio para automatizar e otimizar as operações de gestão de edifícios, levando a uma maior eficiência no uso dos recursos, diminuição de custos e aumento do conforto dos utilizadores. Contudo, muitas das soluções existentes carecem de interoperabilidade e modelos inteligentes que considerem as necessidades e requisitos únicos de edifícios individuais e as preferências e necessidades dinâmicas dos utilizadores. Como principal objetivo, esta dissertação propõe a conceção, implementação, teste e validação de uma solução robusta que integra modelos de ambientes inteligentes e mecanismos de acesso controlado a dados. A solução proposta inclui a utilização de sensores e dispositivos ligados à internet para a recolha e analise de dados em tempo real, que serão posteriormente usados para a criação de modelos de previsão de comportamento do edifício e dos seus utilizadores. Para a identificação de padrões e contextos, foram concebidos algoritmos de aprendizagem automática e técnicas de análise de dados. O acesso aos dados, da solução proposta, contempla um mecanismo de acesso seguro e eficiente, seguindo as diretrizes do Regulamento Geral sobre a Proteção de Dados (RGPD), nacional e europeu. Para suportar o uso da solução proposta, foi concebida e implementada uma interface gráfica que permite aos gestores e utilizadores do edifício monitorizarem e controlarem as operações em tempo real, proporcionando-lhes a capacidade de responder rapidamente às condições atuais, tomando decisões informadas. Esta interface gráfica, baseada em web, permite ainda consultar os dados históricos e interagir com os modelos de suporte que foram desenvolvidos. A solução proposta foi avaliada através de casos de estudo executados em ambiente realista. Os resultados destes estudos foram utilizados para avaliar a eficácia da solução proposta na melhoria do desempenho dos edifícios. Os estudos concluem que a utilização de dispositivos inteligentes e modelos de ambientes inteligentes na gestão de edifícios é uma abordagem promissora que pode culminar em melhorias significativas no desempenho e operação dos edifícios inteligentes. Esta dissertação contribui para o domínio dos edifícios inteligentes, fornecendo uma solução abrangente que integra dispositivos ligados à internet e modelos de ambientes inteligentes para melhorar o desempenho dos edifícios e o conforto dos utilizadores.