論文の概要: Towards a Common Testing Terminology for Software Engineering and
Artificial Intelligence Experts
- arxiv url: http://arxiv.org/abs/2108.13837v1
- Date: Tue, 31 Aug 2021 13:50:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-01 14:34:01.073936
- Title: Towards a Common Testing Terminology for Software Engineering and
Artificial Intelligence Experts
- Title(参考訳): ソフトウェア工学と人工知能専門家のための共通テスト用語を目指して
- Authors: Lisa J\"ockel, Thomas Bauer, Michael Kl\"as, Marc P. Hauer, Janek
Gro{\ss}
- Abstract要約: 本稿では,古典的ソフトウェアテストとAIテストの最も重要な概念のマッピングに寄与する。
マッピングでは、マッピングされた概念の関連性と命名の相違を強調した。
- 参考スコア(独自算出の注目度): 0.9799637101641152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analytical quality assurance, especially testing, is an integral part of
software-intensive system development. With the increased usage of Artificial
Intelligence (AI) and Machine Learning (ML) as part of such systems, this
becomes more difficult as well-understood software testing approaches cannot be
applied directly to the AI-enabled parts of the system. The required adaptation
of classical testing approaches and development of new concepts for AI would
benefit from a deeper understanding and exchange between AI and software
engineering experts. A major obstacle on this way, we see in the different
terminologies used in the two communities. As we consider a mutual
understanding of the testing terminology as a key, this paper contributes a
mapping between the most important concepts from classical software testing and
AI testing. In the mapping, we highlight differences in relevance and naming of
the mapped concepts.
- Abstract(参考訳): 分析品質保証、特にテストは、ソフトウェア集約システム開発において不可欠な部分である。
このようなシステムの一部として人工知能(AI)と機械学習(ML)の利用が増えると、よく理解されたソフトウェアテストアプローチがシステムのAI対応部分に直接適用できないため、これはさらに困難になる。
古典的なテストアプローチの適応とAIの新しい概念の開発は、AIとソフトウェアエンジニアリングの専門家との深い理解と交換の恩恵を受けるだろう。
このように大きな障害となるのは,2つのコミュニティで使用されている用語の相違である。
本稿では,テスト用語の相互理解を鍵として考えるとともに,古典的ソフトウェアテストとAIテストの最も重要な概念のマッピングに寄与する。
マッピングでは、マップされた概念の関連性と命名の相違を強調する。
関連論文リスト
- Comparing Software Developers with ChatGPT: An Empirical Investigation [0.0]
本稿では,ChatGPTのようなソフトウェア技術者やAIシステムのパフォーマンスを,さまざまな評価指標で比較した実証的研究を行う。
この論文は、さまざまな評価基準を考慮して、ソフトウェアエンジニアとAIベースのソリューションの包括的な比較が、人間と機械のコラボレーションを促進する上で重要であることを示唆している。
論文 参考訳(メタデータ) (2023-05-19T17:25:54Z) - 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) - Core and Periphery as Closed-System Precepts for Engineering General
Intelligence [62.997667081978825]
AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。
本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
論文 参考訳(メタデータ) (2022-08-04T18:20:25Z) - 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) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳(メタデータ) (2021-05-07T12:01:31Z) - 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) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳(メタデータ) (2020-07-13T20:30:26Z) - 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) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツール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) (2020-03-02T10:32:21Z)
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。