論文の概要: From Self-Adaptation to Self-Evolution Leveraging the Operational Design Domain

• arxiv url: http://arxiv.org/abs/2303.15260v1
• Date: Mon, 27 Mar 2023 14:49:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 14:55:55.363948
• Title: From Self-Adaptation to Self-Evolution Leveraging the Operational Design Domain
• Title（参考訳）: 運用設計領域を活用した自己適応から自己進化へ
• Authors: Danny Weyns, Jesper Andersson
• Abstract要約: 自己適応は、変化する状況に対処するための実行可能なアプローチであることが示されている。 自己適応システムの能力は、その運用設計領域(ODD)によって制約される ODDの定義を提供し、それを自己適応システムに適用する。
• 参考スコア（独自算出の注目度）: 15.705888799637506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Engineering long-running computing systems that achieve their goals under ever-changing conditions pose significant challenges. Self-adaptation has shown to be a viable approach to dealing with changing conditions. Yet, the capabilities of a self-adaptive system are constrained by its operational design domain (ODD), i.e., the conditions for which the system was built (requirements, constraints, and context). Changes, such as adding new goals or dealing with new contexts, require system evolution. While the system evolution process has been automated substantially, it remains human-driven. Given the growing complexity of computing systems, human-driven evolution will eventually become unmanageable. In this paper, we provide a definition for ODD and apply it to a self-adaptive system. Next, we explain why conditions not covered by the ODD require system evolution. Then, we outline a new approach for self-evolution that leverages the concept of ODD, enabling a system to evolve autonomously to deal with conditions not anticipated by its initial ODD. We conclude with open challenges to realise self-evolution.
• Abstract（参考訳）: 常に変化する条件下で目標を達成するエンジニアリングの長期実行コンピューティングシステムは、大きな課題を生んでいる。 自己適応は、変化する条件を扱うための実行可能なアプローチであることが示されている。 しかし、自己適応システムの能力は、その運用設計ドメイン(odd)、すなわちシステムが構築された条件(要求、制約、コンテキスト)によって制限される。 新しい目標を追加したり、新しいコンテキストを扱うような変更には、システムの進化が必要です。 システム進化プロセスは大幅に自動化されているが、人間主導のままである。 コンピューティングシステムの複雑さが増大すると、人間による進化は最終的に管理不能になる。 本稿では,ODDの定義を自己適応システムに適用する。 次に、ODDでカバーされていない条件がシステム進化を必要とする理由を説明する。 そこで本研究では,ODDの概念を取り入れた自己進化のための新たなアプローチについて概説する。 自己進化を実現するためのオープンな挑戦で締めくくります。

関連論文リスト

• Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments [50.310636905746975]
  実世界の機械学習システムは、基礎となるデータ生成プロセスの分散シフトによって、モデルの性能劣化に遭遇することが多い。 概念のドリフト適応のような既存のシフトへのアプローチは、その理性に依存しない性質によって制限される。 我々はこれらの制限を克服するために自己修復機械学習(SHML)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T20:05:51Z)
• Agent Alignment in Evolving Social Norms [65.45423591744434]
  本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。 社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。 進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
  論文  参考訳（メタデータ） (2024-01-09T15:44:44Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Towards Large-Scale Simulations of Open-Ended Evolution in Continuous Cellular Automata [0.0]
  並列計算フレームワーク JAX を用いた大規模進化シミュレーションを構築した。 遺伝子操作子を暗黙的に実装するなど、システム設計の選択肢を多数報告する。 オープンエンド進化を促進する要因をいくつか提案する。
  論文  参考訳（メタデータ） (2023-04-12T06:40:11Z)
• 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)
• The Vision of Self-Evolving Computing Systems [12.507035717773528]
  持続可能性の重要な側面は、コンピュータシステムが直面する継続的な変化に対処する能力である。 さまざまなタイプの変更を自律的に処理するスマートコンピューティングシステムを設計することは可能ですが、予期しない変更に対処するには、システムの進化が必要です。 我々は、進化エンジンを備えた自己進化型コンピューティングシステムのビジョンについて、議論の余地のある意見を提示した。
  論文  参考訳（メタデータ） (2022-04-14T08:53:23Z)
• Lifelong Self-Adaptation: Self-Adaptation Meets Lifelong Machine Learning [14.893661749381868]
  我々は、生涯ML層を用いた機械学習技術を用いた自己適応システムに対する新しいアプローチとして、テキストライフロング自己適応を提案する。 生涯にわたるMLレイヤは、実行システムとその環境を追跡し、この知識を現在のタスクに関連付け、微分に基づいて新しいタスクを特定し、それに従って自己適応システムの学習モデルを更新する。 本稿では、生涯にわたる自己適応のための再利用可能なアーキテクチャを提案し、自己適応における意思決定に使用される学習モデルの入力データの予期せぬ変化によって引き起こされる概念漂流の場合に適用する。
  論文  参考訳（メタデータ） (2022-04-04T20:35:55Z)
• Adaptation to Unknown Situations as the Holy Grail of Learning-Based Self-Adaptive Systems: Research Directions [3.7311680121118345]
  我々は、未知の状況への適応は自己適応システムにとって究極の課題であると主張する。 我々は、可能であったとしても、人間の監督を伴わずに、自分たちの行動を定義し、彼らの目標に適応するシステムを構築するべきかどうかを議論を締めくくった。
  論文  参考訳（メタデータ） (2021-03-11T19:07:02Z)
• 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)
• Synergetic Learning Systems: Concept, Architecture, and Algorithms [4.623783824925363]
  総合学習システム(Synergetic Learning Systems)」という人工知能システムについて述べる。 本システムは,協調的・競争的な相乗学習を通じて,与えられた環境におけるインテリジェントな情報処理と意思決定を実現する。 設計基準の下では,提案システムは長期的にの共進化を通じて,最終的には汎用的な人工知能を実現することが期待されている。
  論文  参考訳（メタデータ） (2020-05-31T06:23:03Z)
• 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。