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
- A Survey on Human-AI Teaming with Large Pre-Trained Models [7.362385644976066]
HAIチーム(Human-AI Teaming)は、問題解決と意思決定のプロセスを進めるための基盤として登場した。
大規模事前訓練モデル(LPtM)の出現は、この景観を大きく変えた。
複雑なパターンを理解し予測するために大量のデータを活用することで、前例のない機能を提供します。
論文 参考訳(メタデータ) (2024-03-07T22:37:49Z) - A Study on Training and Developing Large Language Models for Behavior
Tree Generation [22.632022793663516]
本稿では,大規模言語モデル(LLM)の適用可能性について,革新的な考察を行う。
本論文の中核となる貢献は,LLMに基づくBT生成フレームワークの設計である。
生成したBTの有効性と実行性を確保するため,データ検証の重要性を強調した。
論文 参考訳(メタデータ) (2024-01-16T03:28:29Z) - Integration of Domain Expert-Centric Ontology Design into the CRISP-DM
for Cyber-Physical Production Systems [63.62764375279861]
機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。
しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。
このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチ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) (2023-07-21T15:04:00Z) - 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) - A Transformer Framework for Data Fusion and Multi-Task Learning in Smart
Cities [99.56635097352628]
本稿では,新興スマートシティを対象としたトランスフォーマーベースのAIシステムを提案する。
ほぼ全ての入力データと出力タスクタイプをサポートし、現在のS&CCをサポートする。
S&CC環境を代表する多様なタスクセットを学習して実演する。
論文 参考訳(メタデータ) (2022-11-18T20:43:09Z) - 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) - AI/ML Algorithms and Applications in VLSI Design and Technology [3.1171750528972204]
本稿では、VLSIの設計・製造において過去に導入されたAI/ML自動化アプローチについて概説する。
将来、VLSI設計の分野に革命をもたらすため、様々な抽象化レベルでAI/MLアプリケーションの範囲について論じる。
論文 参考訳(メタデータ) (2022-02-21T07:01:27Z) - 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) - Integration of Convolutional Neural Networks in Mobile Applications [3.0280987248827085]
本稿では,Deep Learningモデルを統合するシステムの性能について,精度と複雑性のトレードオフとして検討する。
モバイルアプリケーションにDLベースのソフトウェアをデプロイする際の最も重要な課題を特定する。
論文 参考訳(メタデータ) (2021-03-11T15:27:05Z) - 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。