論文の概要: Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper
- arxiv url: http://arxiv.org/abs/2101.06054v1
- Date: Fri, 15 Jan 2021 10:43:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 11:13:21.100420
- Title: Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper
- Title(参考訳): IT運用のための人工知能(AIOPS)ワークショップホワイトペーパー
- Authors: Jasmin Bogatinovski, Sasho Nedelkoski, Alexander Acker, Florian
Schmidt, Thorsten Wittkopp, Soeren Becker, Jorge Cardoso, and Odej Kao
- Abstract要約: AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
- 参考スコア(独自算出の注目度): 50.25428141435537
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence for IT Operations (AIOps) is an emerging
interdisciplinary field arising in the intersection between the research areas
of machine learning, big data, streaming analytics, and the management of IT
operations. AIOps, as a field, is a candidate to produce the future standard
for IT operation management. To that end, AIOps has several challenges. First,
it needs to combine separate research branches from other research fields like
software reliability engineering. Second, novel modelling techniques are needed
to understand the dynamics of different systems. Furthermore, it requires to
lay out the basis for assessing: time horizons and uncertainty for imminent SLA
violations, the early detection of emerging problems, autonomous remediation,
decision making, support of various optimization objectives. Moreover, a good
understanding and interpretability of these aiding models are important for
building trust between the employed tools and the domain experts. Finally, all
this will result in faster adoption of AIOps, further increase the interest in
this research field and contribute to bridging the gap towards fully-autonomous
operating IT systems.
The main aim of the AIOPS workshop is to bring together researchers from both
academia and industry to present their experiences, results, and work in
progress in this field. The workshop aims to strengthen the community and unite
it towards the goal of joining the efforts for solving the main challenges the
field is currently facing. A consensus and adoption of the principles of
openness and reproducibility will boost the research in this emerging area
significantly.
- Abstract(参考訳): AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理といった研究領域の交差点で発生する、新たな学際分野である。
AIOpsは、分野として、将来のIT運用管理の標準を作成する候補である。
そのため、aiopsにはいくつかの課題がある。
まず、ソフトウェア信頼性工学のような他の研究分野とは別の研究分野を組み合わせる必要がある。
第二に、異なるシステムの力学を理解するために新しいモデリング技術が必要である。
さらに、時間的地平線と差し迫ったSLA違反の不確実性、出現する問題の早期発見、自律的な修復、意思決定、さまざまな最適化目標のサポートといった評価の基盤を定める必要がある。
さらに、これらの補助モデルの理解と解釈性は、採用ツールとドメインエキスパートの間の信頼を構築する上で重要である。
最後に、これらすべてがAIOpsの採用を早くし、この研究分野への関心をさらに高め、完全に自律的なITシステムへのギャップを埋めることに貢献します。
AIOPSワークショップの主な目的は、学術と産業の両方の研究者を集めて、この分野での経験、成果、研究成果を提示することである。
このワークショップは、コミュニティの強化と、フィールドが現在直面している主な課題を解決する取り組みに参加するという目標に向けて、団結することを目的としている。
オープン性と再現性の原則のコンセンサスと採用により、この新興分野の研究は大幅に加速する。
関連論文リスト
- The Compute Divide in Machine Learning: A Threat to Academic
Contribution and Scrutiny? [1.0985060632689174]
計算の偏差は、計算集約的な研究トピックにおける学術のみの研究チームの表現の減少と一致していることを示す。
この傾向から生じる課題に対処するため、留意的に学術的な洞察を広めるためのアプローチを推奨する。
論文 参考訳(メタデータ) (2024-01-04T01:26:11Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳(メタデータ) (2023-11-01T11:16:41Z) - A Comprehensive Survey of Artificial Intelligence Techniques for Talent
Analytics [49.53664196592719]
タレント分析は人的資源管理に応用されたデータ科学において有望な分野として現れてきた。
ビッグデータと人工知能技術の最近の発展は、人的資源管理に革命をもたらした。
論文 参考訳(メタデータ) (2023-07-03T07:53:20Z) - A Mini Review on the utilization of Reinforcement Learning with OPC UA [0.9208007322096533]
強化学習(Reinforcement Learning, RL)は、ロボット工学、自然言語処理、ゲームプレイといった様々な分野に応用された強力な機械学習パラダイムである。
この可能性を完全に活用する鍵は、既存の産業システムへのRLのシームレスな統合である。
この研究は、このギャップを埋めるために、両方の技術の技術的な概要を簡潔に提供し、半発掘的な文献レビューを実施している。
論文 参考訳(メタデータ) (2023-05-24T13:03:48Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。
この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。
マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文 参考訳(メタデータ) (2023-04-10T03:55:35Z) - Towards AI-Empowered Crowdsourcing [27.0404686687184]
本稿では,AIを活用したクラウドソーシングをタスク委譲,労働者のモチベーション,品質管理の3分野に分けた分類法を提案する。
限界と洞察を議論し、これらの領域で研究を行う上での課題を整理し、将来有望な研究方向性を明らかにする。
論文 参考訳(メタデータ) (2022-12-28T05:06:55Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳(メタデータ) (2022-12-10T07:49:50Z) - Designing an AI-Driven Talent Intelligence Solution: Exploring Big Data
to extend the TOE Framework [0.0]
本研究の目的は、人材管理問題に対処するAI指向のアーティファクトを開発するための新しい要件を特定することである。
構造化機械学習技術を用いて実験的な研究を行うための設計科学手法が採用されている。
論文 参考訳(メタデータ) (2022-07-25T10:42:50Z)
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。