論文の概要: Software Engineering for AI-Based Systems: A Survey

• arxiv url: http://arxiv.org/abs/2105.01984v1
• Date: Wed, 5 May 2021 11:22:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 12:53:23.690076
• Title: Software Engineering for AI-Based Systems: A Survey
• Title（参考訳）: AIベースのシステムのためのソフトウェアエンジニアリング: 調査
• Authors: Silverio Mart\'inez-Fern\'andez, Justus Bogner, Xavier Franch, Marc Oriol, Julien Siebert, Adam Trendowicz, Anna Maria Vollmer, Stefan Wagner
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.550158373713906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-based systems are software systems with functionalities enabled by at least one AI component (e.g., for image- and speech-recognition, and autonomous driving). AI-based systems are becoming pervasive in society due to advances in AI. However, there is limited synthesized knowledge on Software Engineering (SE) approaches for building, operating, and maintaining AI-based systems. To collect and analyze state-of-the-art knowledge about SE for AI-based systems, we conducted a systematic mapping study. We considered 248 studies published between January 2010 and March 2020. SE for AI-based systems is an emerging research area, where more than 2/3 of the studies have been published since 2018. The most studied properties of AI-based systems are dependability and safety. We identified multiple SE approaches for AI-based systems, which we classified according to the SWEBOK areas. Studies related to software testing and software quality are very prevalent, while areas like software maintenance seem neglected. Data-related issues are the most recurrent challenges. Our results are valuable for: researchers, to quickly understand the state of the art and learn which topics need more research; practitioners, to learn about the approaches and challenges that SE entails for AI-based systems; and, educators, to bridge the gap among SE and AI in their curricula.
• Abstract（参考訳）: AIベースのシステムは、少なくとも1つのAIコンポーネント(例えば、画像認識と音声認識、自律運転)で機能する機能を持つソフトウェアシステムである。 AIベースのシステムは、AIの進歩によって社会に広まりつつある。 しかし、AIベースのシステムの構築、運用、保守には、ソフトウェア工学(SE)アプローチに関する限られた知識がある。 AIに基づくシステムにおけるSEに関する最先端知識を収集・分析するために,系統地図研究を行った。 2010年1月から2020年3月までに発表された248の研究を考察した。 AIベースのシステムのためのSEは、2018年から2/3以上の研究が発行されている新興の研究分野である。 AIベースのシステムの最も研究されている特性は、信頼性と安全性である。 我々は,SWEBOK領域で分類した,AIベースのシステムに対する複数のSEアプローチを特定した。 ソフトウェアテストやソフトウェア品質に関する研究は非常に多いが、ソフトウェアメンテナンスのような分野は無視されているようだ。 データ関連の問題は最も繰り返される課題である。 研究者は、技術の現状を迅速に理解し、より多くの研究を必要とするトピックを学ぶこと、専門家は、SEがAIベースのシステムに必要とするアプローチと課題を学ぶこと、そして教育者は、カリキュラムにおけるSEとAIのギャップを埋めることである。

関連論文リスト

• Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
  我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。 我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
  論文  参考訳（メタデータ） (2024-04-10T16:18:11Z)
• AI for social science and social science of AI: A Survey [47.5235291525383]
  人工知能の最近の進歩は、人工知能の可能性を再考するきっかけとなった。 AIの人間的能力の増大は、社会科学研究にも注目されている。
  論文  参考訳（メタデータ） (2024-01-22T10:57:09Z)
• AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
  機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。 AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-07-27T23:02:24Z)
• 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)
• Towards Systems Education for Artificial Intelligence: A Course Practice in Intelligent Computing Architectures [6.440694188229122]
  このコースは、FPGAプラットフォーム上でAIアクセラレータを設計する学生に教えることを目的としている。 講座内容は講義ノート及び関連技術資料を含む。 いくつかの教育経験と効果が議論され、将来の可能性も議論されている。
  論文  参考訳（メタデータ） (2022-06-22T11:48:04Z)
• 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)
• 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)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)
• Software engineering for artificial intelligence and machine learning software: A systematic literature review [6.681725960709127]
  本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。 プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
  論文  参考訳（メタデータ） (2020-11-07T11:06:28Z)
• Quality Management of Machine Learning Systems [0.0]
  機械学習(ML)技術の大きな進歩により、人工知能(AI)は私たちの日常生活の一部になっています。 ビジネス/ミッションクリティカルなシステムでは、AIアプリケーションの信頼性と保守性に関する深刻な懸念が残っている。 本稿では,MLアプリケーションのための総合的な品質管理フレームワークの展望について述べる。
  論文  参考訳（メタデータ） (2020-06-16T21:34:44Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。