論文の概要: AI-driven Mobile Apps: an Explorative Study
- arxiv url: http://arxiv.org/abs/2212.01635v1
- Date: Sat, 3 Dec 2022 15:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 18:19:07.693046
- Title: AI-driven Mobile Apps: an Explorative Study
- Title（参考訳）: AI駆動のモバイルアプリ: 調査研究
- Authors: Yinghua Li, Xueqi Dang, Haoye Tian, Tiezhu Sun, Zhijie Wang, Lei Ma,
Jacques Klein, Tegawende F. Bissyande
- Abstract要約: 我々は,データセットの特徴,開発問題,ユーザのフィードバックとプライバシという3つの観点から,56,682個のAIアプリを調査した。
この目的のために、自動AIアプリ識別ツールであるAI Discriminatorを構築し、7,259,232のモバイルアプリから該当するAIアプリを検出する。
- 参考スコア（独自算出の注目度）: 7.511105968445437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed an astonishing explosion in the evolution of
mobile applications powered by AI technologies. The rapid growth of AI
frameworks enables the transition of AI technologies to mobile devices,
significantly prompting the adoption of AI apps (i.e., apps that integrate AI
into their functions) among smartphone devices. In this paper, we conduct the
most extensive empirical study on 56,682 published AI apps from three
perspectives: dataset characteristics, development issues, and user feedback
and privacy. To this end, we build an automated AI app identification tool, AI
Discriminator, that detects eligible AI apps from 7,259,232 mobile apps. First,
we carry out a dataset analysis, where we explore the AndroZoo large repository
to identify AI apps and their core characteristics. Subsequently, we pinpoint
key issues in AI app development (e.g., model protection). Finally, we focus on
user reviews and user privacy protection. Our paper provides several notable
findings. Some essential ones involve revealing the issue of insufficient model
protection by presenting the lack of model encryption, and demonstrating the
risk of user privacy data being leaked. We published our large-scale AI app
datasets to inspire more future research.
- Abstract（参考訳）: 近年、AI技術を利用したモバイルアプリケーションの進化が驚くべき爆発的成長を遂げている。
AIフレームワークの急速な成長により、モバイルデバイスへのAIテクノロジの移行が可能になり、スマートフォンデバイスにおけるAIアプリ(つまり、その機能にAIを統合するアプリ)の採用が著しく促進される。
本稿では,データセットの特徴,開発課題,ユーザフィードバックとプライバシという3つの視点から,56,682のaiアプリについて,最も広範な実証研究を行う。
この目的のために、自動AIアプリ識別ツールであるAI Discriminatorを構築し、7,259,232のモバイルアプリから該当するAIアプリを検出する。
まず、データセット分析を行い、AIアプリとそのコア特性を特定するために、AndroZooの大規模リポジトリを調査します。
その後、AIアプリ開発(モデル保護など)における重要な問題を指摘します。
最後に,ユーザレビューとユーザのプライバシ保護に注目する。
論文には注目すべき点がいくつかある。
重要なことは、モデル暗号化の欠如を示し、ユーザプライバシデータが漏洩するリスクを示すことによって、モデル保護の不十分な問題を明らかにすることである。
われわれの大規模なAIアプリデータセットを公開し、今後の研究を刺激した。
関連論文リスト
- Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。
また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
論文 参考訳（メタデータ） (2024-10-28T23:10:06Z) - Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。
本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。
我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
論文 参考訳（メタデータ） (2024-05-16T02:00:44Z) - Rapid Mobile App Development for Generative AI Agents on MIT App Inventor [12.091916451641021]
我々は,MIT App Inventorが提供する開発プラットフォームを用いたAIエージェントアプリケーションの迅速な開発手法を提案する。
持続可能なコミュニティを育むためのSynchroNet、プロクラステネーションに取り組むためのProductiviTeams、コミュニティの安全性を高めるためのiHELPである。
論文 参考訳（メタデータ） (2024-04-01T02:35:19Z) - Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits [54.648819983899614]
汎用AIは、一般大衆がAIを使用してそのパワーを利用するための障壁を下げたようだ。
本稿では,AI利用事例とその影響を推測し,評価するためのフレームワークであるPartICIP-AIを紹介する。
論文 参考訳（メタデータ） (2024-03-21T19:12:37Z) - Towards Real Smart Apps: Investigating Human-AI Interactions in
Smartphone On-Device AI Apps [17.630597106970466]
優れたインタラクション設計は、AI機能を使いやすく、理解しやすいものにするために重要です。
既存のガイドラインやツールは、AI機能やモバイルアプリをカバーしていない。
モバイルアプリにおけるユーザとAIのインタラクションを調査するための,最初の実証的研究を行った。
論文 参考訳（メタデータ） (2023-07-03T05:04:34Z) - 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) - A Comprehensive Study on Artificial Intelligence Algorithms to Implement
Safety Using Communication Technologies [1.2710179245406195]
この研究は、異なるコミュニケーション技術を使用するAIベースの安全ソリューションの現状を包括的に把握することを目的としている。
その結果、安全を実装するためにAIとコミュニケーションを最も活用しているのは自動車ドメインであることが示された。
携帯電話以外の通信技術の利用が主流であるが、2020年からは5G技術の展開に伴い、携帯電話通信の利用が急速に増加する傾向が観察されている。
論文 参考訳（メタデータ） (2022-05-17T14:38:38Z) - AI-Assisted Authentication: State of the Art, Taxonomy and Future
Roadmap [0.0]
本稿では,人工知能の認証への応用に焦点を当てる。
新たなAI支援認証スキームによって、我々の調査は高いレベルの全体的な理解を提供する。
他の関連する調査とは対照的に、我々の研究は、認証におけるAIの役割に焦点を合わせた最初のものだ。
論文 参考訳（メタデータ） (2022-04-25T21:16:55Z) - 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) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - 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。