論文の概要: The application of artificial intelligence in software engineering: a
review challenging conventional wisdom
- arxiv url: http://arxiv.org/abs/2108.01591v1
- Date: Tue, 3 Aug 2021 15:59:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-04 15:24:23.112000
- Title: The application of artificial intelligence in software engineering: a
review challenging conventional wisdom
- Title（参考訳）: 人工知能のソフトウェア工学への応用 : 従来の知恵に挑戦するレビュー
- Authors: Feras A. Batarseh, Rasika Mohod, Abhinav Kumar, Justin Bui
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.9651131604396904
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of artificial intelligence (AI) is witnessing a recent upsurge in
research, tools development, and deployment of applications. Multiple software
companies are shifting their focus to developing intelligent systems; and many
others are deploying AI paradigms to their existing processes. In parallel, the
academic research community is injecting AI paradigms to provide solutions to
traditional engineering problems. Similarly, AI has evidently been proved
useful to software engineering (SE). When one observes the SE phases
(requirements, design, development, testing, release, and maintenance), it
becomes clear that multiple AI paradigms (such as neural networks, machine
learning, knowledge-based systems, natural language processing) could be
applied to improve the process and eliminate many of the major challenges that
the SE field has been facing. This survey chapter is a review of the most
commonplace methods of AI applied to SE. The review covers methods between
years 1975-2017, for the requirements phase, 46 major AI-driven methods are
found, 19 for design, 15 for development, 68 for testing, and 15 for release
and maintenance. Furthermore, the purpose of this chapter is threefold;
firstly, to answer the following questions: is there sufficient intelligence in
the SE lifecycle? What does applying AI to SE entail? Secondly, to measure,
formulize, and evaluate the overlap of SE phases and AI disciplines. Lastly,
this chapter aims to provide serious questions to challenging the current
conventional wisdom (i.e., status quo) of the state-of-the-art, craft a call
for action, and to redefine the path forward.
- Abstract（参考訳）: 人工知能(AI)の分野は、最近の研究、ツール開発、アプリケーションのデプロイの急増を目撃している。
複数のソフトウェア企業が、インテリジェントなシステム開発に重点を移しており、他の多くの企業は、既存のプロセスにAIパラダイムをデプロイしている。
並行して、学術研究コミュニティは、従来のエンジニアリング問題に対するソリューションを提供するために、AIパラダイムを注入している。
同様に、AIは明らかにソフトウェア工学(SE)に有用であることが証明されている。
seフェーズ(要求、設計、開発、テスト、リリース、メンテナンス)を観察すると、複数のaiパラダイム(ニューラルネットワーク、機械学習、知識ベースシステム、自然言語処理など)がプロセスを改善するために適用され、se分野が直面している多くの大きな課題を取り除けることが明らかになります。
この調査章は、SE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、要件フェーズの1975～2017年、46のAI駆動メソッド、設計のための19、開発のための15、テストのための68、リリースとメンテナンスのための15の方法を取り上げている。
さらに、この章の目的は3つある: まず、以下の質問に答える: seライフサイクルには十分な知性があるか?
SEにAIを適用するには、何が必要ですか?
次に、SEフェーズとAIの規律の重複を計測し、フォーミュライズし、評価する。
最後に、この章は、現在の伝統的な知恵(すなわち、最先端技術)に挑戦し、行動を呼び起こし、進路を再定義するために真剣な質問を行うことを目的とする。
関連論文リスト
- Visions of a Discipline: Analyzing Introductory AI Courses on YouTube [11.209406323898019]
われわれはYouTubeで最も視聴された20のAIコースを分析した。
導入型AIコースは、AIの倫理的または社会的課題に有意義に関わっていない。
我々は、よりバランスのとれた視点を示すために、AIの倫理的課題を強調しておくことを推奨する。
論文 参考訳（メタデータ） (2024-05-31T01:48:42Z) - 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) - 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 MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - 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) - Time for AI (Ethics) Maturity Model Is Now [15.870654219935972]
この記事では、AIソフトウェアはまだソフトウェアであり、ソフトウェア開発の観点からアプローチする必要がある、と論じる。
我々は、AI倫理に重点を置くべきか、それともより広く、AIシステムの品質に重点を置くべきかを議論したい。
論文 参考訳（メタデータ） (2021-01-29T17:37:44Z) - 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) - 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)
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。