論文の概要: Transient Information Adaptation of Artificial Intelligence: Towards
Sustainable Data Processes in Complex Projects
- arxiv url: http://arxiv.org/abs/2104.04067v2
- Date: Sun, 18 Apr 2021 18:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 17:04:42.617580
- Title: Transient Information Adaptation of Artificial Intelligence: Towards
Sustainable Data Processes in Complex Projects
- Title（参考訳）: 人工知能の過渡的情報適応:複雑なプロジェクトにおける持続可能なデータ処理に向けて
- Authors: Nicholas Dacre, Fredrik Kockum, PK Senyo
- Abstract要約: 大規模プロジェクトは複雑なデータポイントの配列を描画しながら複雑な設定で運用されるようになっている。
世界のメガプロジェクトの90%は計画された目標達成に失敗している。
人工知能の概念に対する関心は、プロジェクトライフサイクルを通じてプロジェクトマネージャの認知能力を高めることを目指している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large scale projects increasingly operate in complicated settings whilst
drawing on an array of complex data-points, which require precise analysis for
accurate control and interventions to mitigate possible project failure.
Coupled with a growing tendency to rely on new information systems and
processes in change projects, 90% of megaprojects globally fail to achieve
their planned objectives. Renewed interest in the concept of Artificial
Intelligence (AI) against a backdrop of disruptive technological innovations,
seeks to enhance project managers cognitive capacity through the project
lifecycle and enhance project excellence. However, despite growing interest
there remains limited empirical insights on project managers ability to
leverage AI for cognitive load enhancement in complex settings. As such this
research adopts an exploratory sequential linear mixed methods approach to
address unresolved empirical issues on transient adaptations of AI in complex
projects, and the impact on cognitive load enhancement. Initial thematic
findings from semi-structured interviews with domain experts, suggest that in
order to leverage AI technologies and processes for sustainable cognitive load
enhancement with complex data over time, project managers require improved
knowledge and access to relevant technologies that mediate data processes in
complex projects, but equally reflect application across different project
phases. These initial findings support further hypothesis testing through a
larger quantitative study incorporating structural equation modelling to
examine the relationship between artificial intelligence and project managers
cognitive load with project data in complex contexts.
- Abstract（参考訳）: 大規模プロジェクトは複雑なデータポイントの配列を描画しながら複雑な環境で運用されるようになり、プロジェクトの失敗を緩和するために正確な制御と介入を行う必要がある。
変化プロジェクトにおける新しい情報システムやプロセスに依存する傾向の高まりと相まって、世界のメガプロジェクトの90%は計画された目標達成に失敗している。
人工知能(ai)の概念に対する新たな関心 破壊的な技術革新の背景に対して、プロジェクトライフサイクルを通じてプロジェクトマネージャの認知能力を高め、プロジェクトの卓越性を高めることを目指している。
しかし、関心が高まっているにもかかわらず、複雑な環境で認知負荷の強化にAIを活用するプロジェクトマネージャの能力に関する経験的な洞察は限られている。
このような研究は、複雑なプロジェクトにおけるAIの過渡的適応に関する未解決の実証的な問題に対処するための探索的線形混合手法を採用する。
ドメインの専門家との半構造化インタビューから得られた最初のテーマは、複雑なデータによる持続的な認知的負荷強化のためにai技術とプロセスを活用するために、プロジェクトマネージャは複雑なプロジェクトにおけるデータ処理を仲介するが、異なるプロジェクトフェーズにわたるアプリケーションも同じように反映する関連する技術に対する知識とアクセスの改善を必要としていることを示唆している。
これらの最初の発見は、複雑なコンテキストにおけるプロジェクトデータと人工知能とプロジェクトマネージャの認知負荷の関係を調べるための構造方程式モデリングを含む、より大きな定量的研究を通じてさらなる仮説検証をサポートする。
関連論文リスト
- Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。
しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。
本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-17T06:14:34Z) - Generative AI Application for Building Industry [10.154329382433213]
本稿では,建築産業における生成型AI技術,特に大規模言語モデル(LLM)の変容の可能性について検討する。
この研究は、LLMがいかに労働集約的なプロセスを自動化し、建築プラクティスの効率、正確性、安全性を大幅に改善できるかを強調している。
論文 参考訳（メタデータ） (2024-10-01T21:59:08Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。
我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。
デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
論文 参考訳（メタデータ） (2024-08-17T11:49:53Z) - Making sense of AI systems development [3.6141428739228894]
我々は、IBMやクライアント企業が実施したプロジェクトにおいて、現代のAIベースのシステム開発における課題について説明する。
多くの問題は、現在の世代のAI固有の特性に関係している。
これらの特徴はプロジェクトの複雑さを高め、予期しない問題を避けるためにバランスのとれたマインドフルネスを求める。
論文 参考訳（メタデータ） (2024-08-08T08:46:32Z) - AtomAgents: Alloy design and discovery through physics-aware multi-modal multi-agent artificial intelligence [0.0]
提案されている物理対応生成AIプラットフォームAtomAgentsは、大規模言語モデル(LLM)のインテリジェンスをシナジする
以上の結果から, 合金間におけるキー特性の正確な予測が可能となり, 先進金属合金の開発を推し進めるためには, 固溶合金が重要な役割を担っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-07-13T22:46:02Z) - A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-21T08:54:56Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳（メタデータ） (2022-08-18T16:41:22Z) - 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) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
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。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。