論文の概要: Towards an Interface Description Template for AI-enabled Systems

• arxiv url: http://arxiv.org/abs/2007.07250v1
• Date: Mon, 13 Jul 2020 20:30:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 23:32:48.817771
• Title: Towards an Interface Description Template for AI-enabled Systems
• Title（参考訳）: ai対応システムのためのインタフェース記述テンプレートに向けて
• Authors: Niloofar Shadab, Alejandro Salado
• Abstract要約: 再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
• 参考スコア（独自算出の注目度）: 77.34726150561087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reuse is a common system architecture approach that seeks to instantiate a system architecture with existing components. However, reusing components with AI capabilities might introduce new risks as there is currently no framework that guides the selection of necessary information to assess their portability to operate in a system different than the one for which the component was originally purposed. We know from SW-intensive systems that AI algorithms are generally fragile and behave unexpectedly to changes in context and boundary conditions. The question we address in this paper is, what type of information should be captured in the Interface Control Document (ICD) of an AI-enabled system or component to assess its compatibility with a system for which it was not designed originally. We present ongoing work on establishing an interface description template that captures the main information of an AI-enabled component to facilitate its adequate reuse across different systems and operational contexts. Our work is inspired by Google's Model Card concept, which was developed with the same goal but focused on the reusability of AI algorithms. We extend that concept to address system-level autonomy capabilities of AI-enabled cyber-physical systems.
• Abstract（参考訳）: 再利用は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする一般的なシステムアーキテクチャアプローチである。 しかしながら、AI機能を備えたコンポーネントの再利用は、コンポーネントが当初目的とされていたものとは異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークが現在存在しないため、新たなリスクをもたらす可能性がある。 SW集約システムでは、AIアルゴリズムは一般的に脆弱であり、コンテキストや境界条件の変化に対して予期しない振る舞いをする。 本稿では,ai対応システムやコンポーネントのインターフェース制御文書 (icd) において,本来設計されていないシステムとの互換性を評価するために,どのような情報を取り込むべきかを問う。 本稿では,ai対応コンポーネントの主要情報を取り込み,異なるシステムと運用コンテキスト間の適切な再利用を容易にするインターフェース記述テンプレートの確立に向けて,現在進行中の作業について述べる。 我々の研究は、同じ目標で開発されたがaiアルゴリズムの再利用性に重点を置いたgoogleのmodel cardコンセプトに触発されたものです。 私たちはこの概念を拡張し、AI対応のサイバー物理システムのシステムレベルの自律性に対処します。

関連論文リスト

• Designing Secure AI-based Systems: a Multi-Vocal Literature Review [5.799668199535053]
  我々は,AIベースのシステム設計のための16のアーキテクチャセキュリティガイドラインを提示する。 このガイドラインは、AIベースのシステムのセキュアな開発について、実践者を支援することができる。
  論文  参考訳（メタデータ） (2024-07-26T08:04:05Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Dynamic Documentation for AI Systems [0.0]
  本稿では,AIシステムにおける現在のドキュメンテーションプロトコルの限界を示す。 我々は、AIシステムを理解し評価するための新しいパラダイムとして、動的ドキュメンテーションを議論する。
  論文  参考訳（メタデータ） (2023-03-20T04:23:07Z)
• A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
  構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。 論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
  論文  参考訳（メタデータ） (2022-12-27T18:05:02Z)
• Core and Periphery as Closed-System Precepts for Engineering General Intelligence [62.997667081978825]
  AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。 本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
  論文  参考訳（メタデータ） (2022-08-04T18:20:25Z)
• Neural model robustness for skill routing in large-scale conversational AI systems: A design choice exploration [34.29393761770914]
  最先端の商用対話型AIシステムにおけるスキルルーティングのコンテキストにおいて、モデリング設計の異なる選択がモデル堅牢性にどのように影響するかを示す。 データ拡張を適用することは、モデルロバスト性を大幅に改善する非常に効果的で実用的な方法であることを示す。
  論文  参考訳（メタデータ） (2021-03-04T22:54:33Z)
• Explanation Ontology: A Model of Explanations for User-Centered AI [3.1783442097247345]
  説明はしばしば、原則的でないポストホックな方法でAIシステムに追加されている。 これらのシステムの採用が拡大し、ユーザ中心の説明可能性に重点を置いているため、説明可能性について第一の考慮事項として扱う構造的表現が必要である。 我々は,説明の役割,システムとユーザ属性の双方をモデル化するための説明オントロジーを設計し,異なる文献に基づく説明型の範囲を設計する。
  論文  参考訳（メタデータ） (2020-10-04T03:53:35Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。