論文の概要: Towards Tool-Support for Interactive-Machine Learning Applications in
the Android Ecosystem
- arxiv url: http://arxiv.org/abs/2103.14852v1
- Date: Sat, 27 Mar 2021 09:28:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 14:46:26.041787
- Title: Towards Tool-Support for Interactive-Machine Learning Applications in
the Android Ecosystem
- Title（参考訳）: Androidエコシステムにおけるインタラクティブマシン学習アプリケーションのためのツールサポートに向けて
- Authors: Muhammad Mehran Sunny, Moritz Berghofer, Ilhan Aslan
- Abstract要約: 機械学習モデルの実装、テスト、デプロイの課題に対処するには、AIエンジニアのためのツールサポートが必要であると考えています。
本稿では,AI技術者へのインタビューや,スマートウォッチとスマートフォンを用いた対話型機械学習ユースケースの実験を含む,一連の質問の予備的結果を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consumer applications are becoming increasingly smarter and most of them have
to run on device ecosystems. Potential benefits are for example enabling
cross-device interaction and seamless user experiences. Essential for today's
smart solutions with high performance are machine learning models. However,
these models are often developed separately by AI engineers for one specific
device and do not consider the challenges and potentials associated with a
device ecosystem in which their models have to run. We believe that there is a
need for tool-support for AI engineers to address the challenges of
implementing, testing, and deploying machine learning models for a next
generation of smart interactive consumer applications. This paper presents
preliminary results of a series of inquiries, including interviews with AI
engineers and experiments for an interactive machine learning use case with a
Smartwatch and Smartphone. We identified the themes through interviews and
hands-on experience working on our use case and proposed features, such as data
collection from sensors and easy testing of the resources consumption of
running pre-processing code on the target device, which will serve as
tool-support for AI engineers.
- Abstract（参考訳）: 消費者アプリケーションはますます賢くなってきており、そのほとんどがデバイスエコシステム上で動作しなければならない。
潜在的なメリットは、デバイス間のインタラクションやシームレスなユーザエクスペリエンスの実現などだ。
今日の高性能なスマートソリューションには、マシンラーニングモデルが不可欠です。
しかしながら、これらのモデルは特定のデバイスのためにAIエンジニアによって別々に開発され、モデルを実行しなければならないデバイスエコシステムに関連する課題や可能性を考慮しないことが多い。
私たちは、次世代のスマートインタラクティブコンシューマアプリケーションのための機械学習モデルの実装、テスト、デプロイの課題に対処するために、AIエンジニアのためのツールサポートが必要であると信じています。
本稿では,AI技術者へのインタビューや,スマートウォッチとスマートフォンを用いた対話型機械学習ユースケースの実験を含む,一連の質問の予備的結果を示す。
ユースケースに取り組むインタビューやハンズオン経験を通じてテーマを特定し、センサーからのデータ収集や、AIエンジニアのツールサポートとなるターゲットデバイス上で前処理コードを実行する際のリソース消費の簡易なテストといった機能を提案しました。
関連論文リスト
- Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。
また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
論文 参考訳（メタデータ） (2024-10-28T23:10:06Z) - Building Your Own Product Copilot: Challenges, Opportunities, and Needs [16.710056957807353]
さまざまな企業でプロダクトコラボレートを構築する責任を負う,26人のプロフェッショナルソフトウェアエンジニアにインタビューした。
エンジニアリングプロセスのすべてのステップと、既存の開発プラクティスを歪ませる課題に、痛点を見つけました。
論文 参考訳（メタデータ） (2023-12-21T18:37:43Z) - Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis [82.59451639072073]
汎用ロボットはどんな環境でも、どんな物体でもシームレスに動作し、様々なスキルを使って様々なタスクをこなす。
コミュニティとしては、特定のタスク用に設計し、特定のデータセットでトレーニングし、特定の環境にデプロイすることで、ほとんどのロボットシステムを制約してきました。
ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,本調査は,汎用ロボティクスに基礎モデルを適用する方法について検討した。
論文 参考訳（メタデータ） (2023-12-14T10:02:55Z) - Towards Real Smart Apps: Investigating Human-AI Interactions in
Smartphone On-Device AI Apps [17.630597106970466]
優れたインタラクション設計は、AI機能を使いやすく、理解しやすいものにするために重要です。
既存のガイドラインやツールは、AI機能やモバイルアプリをカバーしていない。
モバイルアプリにおけるユーザとAIのインタラクションを調査するための,最初の実証的研究を行った。
論文 参考訳（メタデータ） (2023-07-03T05:04:34Z) - 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) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - Which Design Decisions in AI-enabled Mobile Applications Contribute to
Greener AI? [7.194465440864905]
このレポートは、AI対応アプリケーションの性能に対する設計決定の影響を定量化する実証的研究を行う計画で構成されている。
我々は、複数の画像分類とテキスト分類問題を解決するために、モバイルアプリケーションに画像ベースニューラルネットワークと言語ベースニューラルネットワークの両方を実装します。
論文 参考訳（メタデータ） (2021-09-28T07:30:28Z) - How to Reach Real-Time AI on Consumer Devices? Solutions for
Programmable and Custom Architectures [7.085772863979686]
ディープニューラルネットワーク(DNN)は、オブジェクトや音声認識など、さまざまな人工知能(AI)推論タスクにおいて大きな進歩をもたらした。
このようなAIモデルをコモディティデバイスにデプロイすることは、大きな課題に直面している。
クロススタック手法によりリアルタイムな性能を実現する手法を提案する。
論文 参考訳（メタデータ） (2021-06-21T11:23:12Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳（メタデータ） (2020-09-09T15:31:29Z)
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。