論文の概要: Evolution of artificial intelligence languages, a systematic literature
review
- arxiv url: http://arxiv.org/abs/2101.11501v1
- Date: Wed, 27 Jan 2021 15:57:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 01:06:01.484651
- Title: Evolution of artificial intelligence languages, a systematic literature
review
- Title(参考訳): 人工知能言語の進化、体系的文献レビュー
- Authors: Emmanuel Adetiba, Temitope John, Adekunle Akinrinmade, Funmilayo
Moninuola, Oladipupo Akintade, Joke Badejo
- Abstract要約: 本稿では,AIプログラミング言語の進化に着目した体系的な文献レビューを行う。
このレビューは、議論されたAIプログラミング言語の各実装年、開発チーム、能力、制限、およびアプリケーションに関する情報を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of Artificial Intelligence (AI) has undoubtedly received
significant attention in recent years. AI is being adopted to provide solutions
to problems in fields such as medicine, engineering, education, government and
several other domains. In order to analyze the state of the art of research in
the field of AI, we present a systematic literature review focusing on the
Evolution of AI programming languages. We followed the systematic literature
review method by searching relevant databases like SCOPUS, IEEE Xplore and
Google Scholar. EndNote reference manager was used to catalog the relevant
extracted papers. Our search returned a total of 6565 documents, whereof 69
studies were retained. Of the 69 retained studies, 15 documents discussed LISP
programming language, another 34 discussed PROLOG programming language, the
remaining 20 documents were spread between Logic and Object Oriented
Programming (LOOP), ARCHLOG, Epistemic Ontology Language with Constraints
(EOLC), Python, C++, ADA and JAVA programming languages. This review provides
information on the year of implementation, development team, capabilities,
limitations and applications of each of the AI programming languages discussed.
The information in this review could guide practitioners and researchers in AI
to make the right choice of languages to implement their novel AI methods.
- Abstract(参考訳): 人工知能(AI)の分野は、近年、間違いなく大きな注目を集めています。
AIは、医学、工学、教育、政府などの分野で問題に対する解決策を提供するために採用されています。
本稿では,AIの分野における研究技術の現状を分析するために,AIプログラミング言語の進化に着目した体系的な文献レビューを行う。
SCOPUS、IEEE Xplore、Google Scholarなどの関連データベースを検索し、体系的な文献レビュー方法に従いました。
EndNote参照マネージャは、関連する抽出論文のカタログ化に使用された。
調査の結果、6565件の文書が返され、69件の研究が残された。
69の研究のうち15の文書がLISP言語について論じ、34の論文がPROGプログラミング言語について論じられ、残りの20の文書は論理言語とオブジェクト指向プログラミング(LOOP)、ARCHLOG、Ecestemic Ontology Language with Constraints (EOLC)、Python、C++、ADA、JAVAプログラミング言語に散らばった。
このレビューは、議論されたAIプログラミング言語の各実装年、開発チーム、能力、制限、およびアプリケーションに関する情報を提供する。
このレビューの情報は、AIの実践者や研究者が新しいAIメソッドを実装するために言語の正しい選択をするのを導くことができます。
関連論文リスト
- Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。
パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。
得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文 参考訳(メタデータ) (2024-09-09T06:55:37Z) - A Multi-Year Grey Literature Review on AI-assisted Test Automation [46.97326049485643]
テスト自動化(TA)技術は、ソフトウェア工学の品質保証に不可欠である。
TAテクニックは、高いテストスイートのメンテナンスコストや広範なプログラミングスキルの必要性といった制限に直面している。
人工知能(AI)は、自動化と改善されたプラクティスを通じて、これらの問題に対処する新たな機会を提供する。
論文 参考訳(メタデータ) (2024-08-12T15:26:36Z) - Artificial intelligence to automate the systematic review of scientific
literature [0.0]
我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。
現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
論文 参考訳(メタデータ) (2024-01-13T19:12:49Z) - Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。
各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。
我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - Artificial intelligence adoption in the physical sciences, natural
sciences, life sciences, social sciences and the arts and humanities: A
bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。
1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。
我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
論文 参考訳(メタデータ) (2023-06-15T14:08:07Z) - A Survey on Artificial Intelligence for Source Code: A Dialogue Systems
Perspective [4.771833920251869]
本稿では,過去35年間の自然言語処理(NLP)とソースコードにおけるディープラーニング手法について概説する。
次に、コードインテリジェンス(CI)およびプログラミング言語処理(PLP)として知られるソースコードに対する人工知能(AI)の適用状況について調査する。
論文 参考訳(メタデータ) (2022-02-10T05:40:51Z) - Application of Artificial Intelligence and Machine Learning in
Libraries: A Systematic Review [0.0]
本研究の目的は,図書館における人工知能と機械学習の適用を探求する実証研究の合成を提供することである。
データはWeb of Science, Scopus, LISA, LISTAデータベースから収集された。
LIS領域に関連するAIとML研究の現在の状況は、主に理論的な研究に焦点が当てられていることを示している。
論文 参考訳(メタデータ) (2021-12-06T07:33:09Z) - The application of artificial intelligence in software engineering: a
review challenging conventional wisdom [0.9651131604396904]
この調査章は、ソフトウェア工学に適用されるAIの最も一般的な方法のレビューである。
このレビューでは、1975年から2017年にかけての要件フェーズについて、46の主要なAI駆動手法が発見されている。
この章の目的は、以下の質問に答えることである。
論文 参考訳(メタデータ) (2021-08-03T15:59:59Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳(メタデータ) (2021-06-18T15:08:47Z) - Software Engineering for AI-Based Systems: A Survey [8.550158373713906]
AIベースのシステムの構築、運用、保守のためのソフトウェアエンジニアリングのアプローチに関する合成知識は限られています。
AIベースのシステムのためのSEは、2018年以来、研究の2/3以上が出版されている新興研究領域です。
AIベースのシステムの最も研究された特性は信頼性と安全性です。
論文 参考訳(メタデータ) (2021-05-05T11:22:08Z) - A New Neural Search and Insights Platform for Navigating and Organizing
AI Research [56.65232007953311]
我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。
本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
論文 参考訳(メタデータ) (2020-10-30T19:12:25Z)
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。