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
- 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) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - 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) - On the Influence of Explainable AI on Automation Bias [0.0]
我々は、説明可能なAI(XAI)によって自動化バイアスに影響を与える可能性に光を当てることを目指している。
ホテルのレビュー分類に関するオンライン実験を行い、最初の結果について議論する。
論文 参考訳(メタデータ) (2022-04-19T12:54:23Z) - 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) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳(メタデータ) (2022-01-26T18:53:09Z) - Structured access to AI capabilities: an emerging paradigm for safe AI
deployment [0.0]
AIシステムをオープンに普及させる代わりに、開発者はAIシステムとの制御された腕の長さのインタラクションを促進する。
Aimは、危険なAI能力が広くアクセスされることを防ぐと同時に、安全に使用できるAI機能へのアクセスを保護することを目的としている。
論文 参考訳(メタデータ) (2022-01-13T19:30:16Z) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳(メタデータ) (2021-07-12T14:21:46Z) - 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) - Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。
人工知能(AI)は近年急速に成長し、成功している。
UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文 参考訳(メタデータ) (2020-09-24T07:11:31Z) - Sensor Artificial Intelligence and its Application to Space Systems -- A
White Paper [35.78525324168878]
このホワイトペーパーの目的は、専用の研究トピックとして"Sensor AI"を確立することである。
AIアプローチにおけるセンサーとその物理的特性を詳しく見ると、より堅牢で広く適用可能なアルゴリズムが生まれるだろう。
センサーAIは、自動運転だけでなく、自動生産、予測保守、宇宙研究の分野でも決定的な役割を果たす。
論文 参考訳(メタデータ) (2020-06-09T14:10:35Z)
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。