論文の概要: Model-Driven Engineering for Artificial Intelligence -- A Systematic Literature Review

• arxiv url: http://arxiv.org/abs/2307.04599v1
• Date: Mon, 10 Jul 2023 14:38:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 12:41:50.169669
• Title: Model-Driven Engineering for Artificial Intelligence -- A Systematic Literature Review
• Title（参考訳）: 人工知能のためのモデル駆動工学 -システム文献レビュー
• Authors: Simon Raedler, Luca Berardinelli, Karolin Winter, Abbas Rahimi, Stefanie Rinderle-Ma
• Abstract要約: 本研究は,AI(MDE4AI)を支えるモデル駆動工学の分野における既存の知識体系について検討することを目的とする。 研究によると、AIにMDEを使うことはまだ初期段階にあり、広く使われているツールやメソッドは1つもない。
• 参考スコア（独自算出の注目度）: 1.9401781516795142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective: This study aims to investigate the existing body of knowledge in the field of Model-Driven Engineering MDE in support of AI (MDE4AI) to sharpen future research further and define the current state of the art. Method: We conducted a Systemic Literature Review (SLR), collecting papers from five major databases resulting in 703 candidate studies, eventually retaining 15 primary studies. Each primary study will be evaluated and discussed with respect to the adoption of (1) MDE principles and practices and (2) the phases of AI development support aligned with the stages of the CRISP-DM methodology. Results: The study's findings show that the pillar concepts of MDE (metamodel, concrete syntax and model transformation), are leveraged to define domain-specific languages (DSL) explicitly addressing AI concerns. Different MDE technologies are used, leveraging different language workbenches. The most prominent AI-related concerns are training and modeling of the AI algorithm, while minor emphasis is given to the time-consuming preparation of the data sets. Early project phases that support interdisciplinary communication of requirements, such as the CRISP-DM \textit{Business Understanding} phase, are rarely reflected. Conclusion: The study found that the use of MDE for AI is still in its early stages, and there is no single tool or method that is widely used. Additionally, current approaches tend to focus on specific stages of development rather than providing support for the entire development process. As a result, the study suggests several research directions to further improve the use of MDE for AI and to guide future research in this area.
• Abstract（参考訳）: 目的:本研究は,AI(MDE4AI)を支えるモデル駆動工学(MDE)分野における既存の知識体系を調査し,今後の研究をさらに深め,技術の現状を定義することを目的とする。 方法: システム文献レビュー(SLR)を行い, 主要な5つのデータベースから論文を収集し, 703 の候補研究を行い, 最終的に15 の初等研究を継続した。 各研究は,(1) MDEの原則と実践の採用,(2) CRISP-DM方法論の段階に沿ったAI開発支援の段階に関して評価,議論される。 結果: この研究の結果は、MDE(メタモデル、具体的な構文、モデル変換)の柱概念を利用して、AIの懸念に明示的に対処するドメイン固有言語(DSL)を定義していることを示している。 異なるMDE技術が使われ、異なる言語ワークベンチを活用している。 AIに関する最も顕著な懸念は、AIアルゴリズムのトレーニングとモデリングである。 CRISP-DM \textit{Business Understanding} フェーズのような要求の学際的なコミュニケーションをサポートする初期のプロジェクトフェーズは、ほとんど反映されない。 結論: 研究によると、aiに対するmdeの使用はまだ初期段階にあり、広く使われているツールやメソッドはひとつも存在しない。 さらに、現在のアプローチでは、開発プロセス全体をサポートするのではなく、特定の開発段階にフォーカスする傾向がある。 その結果、AIにおけるMDEのさらなる活用と今後の研究を導くためのいくつかの研究方向が示唆された。

関連論文リスト

• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Next-Gen Software Engineering: AI-Assisted Big Models [0.0]
  本稿では,ソフトウェア工学におけるモデルとAIの合成を容易にすることを目的とする。 本稿では,AI支援ソフトウェア工学の現状について概説する。 SEにおけるAI支援ビッグデータのビジョンは、両方のアプローチに固有のアドバンテージを活用することを目的としている。
  論文  参考訳（メタデータ） (2024-09-26T16:49:57Z)
• Towards Next-Generation Urban Decision Support Systems through AI-Powered Construction of Scientific Ontology using Large Language Models -- A Case in Optimizing Intermodal Freight Transportation [1.6230958216521798]
  本研究では,事前学習された大規模言語モデル(LLM)を活用する可能性について検討する。 推論コアとしてChatGPT APIを採用することで、自然言語処理、メソノロジーベースのプロンプトチューニング、トランスフォーマーを含む統合ワークフローを概説する。 我々の方法論の成果は、広く採用されているオントロジー言語(OWL、RDF、SPARQLなど)の知識グラフである。
  論文  参考訳（メタデータ） (2024-05-29T16:40:31Z)
• Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
  次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。 本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。 本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
  論文  参考訳（メタデータ） (2024-04-13T02:39:36Z)
• An Interactive Agent Foundation Model [49.77861810045509]
  本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。 トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。 私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
  論文  参考訳（メタデータ） (2024-02-08T18:58:02Z)
• LAMM: Language-Assisted Multi-Modal Instruction-Tuning Dataset, Framework, and Benchmark [81.42376626294812]
  本稿では,Language-Assisted Multi-Modalインストラクションチューニングデータセット,フレームワーク,ベンチマークを提案する。 我々の目標は、MLLMのトレーニングと評価のための成長するエコシステムとしてLAMMを確立することです。 本稿では,2次元および3次元視覚のための広範囲な視覚タスクをカバーする包括的データセットとベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-06-11T14:01:17Z)
• Multimodal Explainable Artificial Intelligence: A Comprehensive Review of Methodological Advances and Future Research Directions [2.35574869517894]
  本研究は、MXAI(Multimodal XAI)領域における最近の進歩の分析に焦点をあてる。 MXAIは、主予測と説明タスクに複数のモダリティを含む手法から構成される。
  論文  参考訳（メタデータ） (2023-06-09T07:51:50Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Quantitatively Assessing the Benefits of Model-driven Development in Agent-based Modeling and Simulation [80.49040344355431]
  本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。 その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T23:29:04Z)

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。