論文の概要: AI in Software Engineering: Case Studies and Prospects

• arxiv url: http://arxiv.org/abs/2309.15768v1
• Date: Wed, 27 Sep 2023 16:37:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 12:53:22.534547
• Title: AI in Software Engineering: Case Studies and Prospects
• Title（参考訳）: ソフトウェア工学におけるAI - ケーススタディと展望
• Authors: Lei Wang
• Abstract要約: ディープラーニングや機械学習といったAIテクニックをソフトウェアシステムで使用することは、インテリジェントシステムに寄与する。 IBM WatsonとGoogle AlphaGoは、現実世界の課題を解決するためにさまざまなAI技術を使用している。
• 参考スコア（独自算出の注目度）: 2.7064617166078087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) and software engineering (SE) are two important areas in computer science. In recent years, researchers are trying to apply AI techniques in various stages of software development to improve the overall quality of software products. Moreover, there are also some researchers focus on the intersection between SE and AI. In fact, the relationship between SE and AI is very weak; however, methods and techniques in one area have been adopted in another area. More and more software products are capable of performing intelligent behaviour like human beings. In this paper, two cases studies which are IBM Watson and Google AlphaGo that use different AI techniques in solving real world challenging problems have been analysed, evaluated and compared. Based on the analysis of both case studies, using AI techniques such as deep learning and machine learning in software systems contributes to intelligent systems. Watson adopts 'decision making support' strategy to help human make decisions; whereas AlphaGo uses 'self-decision making' to choose operations that contribute to the best outcome. In addition, Watson learns from man-made resources such as paper; AlphaGo, on the other hand, learns from massive online resources such as photos. AlphaGo uses neural networks and reinforcement learning to mimic human brain, which might be very useful in medical research for diagnosis and treatment. However, there is still a long way to go if we want to reproduce human brain in machine and view computers as thinkers, because human brain and machines are intrinsically different. It would be more promising to see whether computers and software systems will become more and more intelligent to help with real world challenging problems that human beings cannot do.
• Abstract（参考訳）: 人工知能(AI)とソフトウェア工学(SE)はコンピュータ科学において重要な分野である。 近年、研究者はソフトウェア製品の全体的な品質を改善するために、ソフトウェア開発のさまざまな段階にAI技術を適用しようとしている。 さらに、SEとAIの交差点に焦点を当てた研究者もいる。 実際、SEとAIの関係は非常に弱いが、別の分野では、ある分野の手法と技術が採用されている。 ますます多くのソフトウェア製品が、人間のようなインテリジェントな行動を実行できるようになる。 本稿では,IBM WatsonとGoogle AlphaGoの2つのケーススタディについて,現実の課題を解決するために異なるAI技術を用いて分析,評価,比較を行った。 両方のケーススタディの分析に基づいて、ソフトウェアシステムにおけるディープラーニングや機械学習といったAI技術の使用は、インテリジェントシステムに寄与する。 ワトソンは人間の意思決定を支援するために「意思決定支援」戦略を採用するが、AlphaGoは「自己決定決定」を使って最良の結果に貢献する操作を選択する。 また、Watsonは紙などの人為的なリソースから学び、AlphaGoは写真などの膨大なオンラインリソースから学ぶ。 AlphaGoはニューラルネットワークと強化学習を使って人間の脳を模倣している。 しかし、人間の脳と機械が本質的に異なるため、機械で人間の脳を再現し、コンピュータを思考者として見るためには、まだまだ長い道のりがある。 コンピューターやソフトウェアシステムがより賢くなって、人間ができないような現実の挑戦的な問題に役立てられるようになるかどうか、もっと期待できるだろう。

関連論文リスト

• Development of an Adaptive Multi-Domain Artificial Intelligence System Built using Machine Learning and Expert Systems Technologies [0.0]
  人工知能(AGI)は、人工知能(AI)研究においてしばらくの間、明白な目標であった。 AGIは、人間のように、新しい問題領域にさらされ、それを学び、推論プロセスを使って意思決定する能力を持つでしょう。 本稿では,AGIの製作に向けての歩みについて述べる。
  論文  参考訳（メタデータ） (2024-06-17T07:21:44Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• When Brain-inspired AI Meets AGI [40.96159978312796]
  我々は、人工知能の観点から、脳にインスパイアされたAIの包括的概要を提供する。 私たちは、脳にインスパイアされたAIの現在の進歩と、AGIとの広範な関係から始まります。 次に、人間の知性とAIの両面での重要な特徴について述べる。
  論文  参考訳（メタデータ） (2023-03-28T12:46:38Z)
• The Role of Heuristics and Biases During Complex Choices with an AI Teammate [0.0]
  古典的な実験手法は、AIヘルパーによる複雑な選択を研究するには不十分である、と我々は主張する。 我々は、フレーミングとアンカー効果が、人々がAIヘルパーと一緒に働く方法に影響を与え、選択結果を予測することを示した。
  論文  参考訳（メタデータ） (2023-01-14T20:06:43Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造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） (2021-09-27T09:56:23Z)
• 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)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• 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)
• Hybrid Intelligence [4.508830262248694]
  今後数十年間、人間と機械の間の労働分業の最も可能性の高いパラダイムはハイブリッド・インテリジェンスであると主張する。 このコンセプトは、人間の知性とAIの相補的な強みを利用することを目標とし、それぞれが個別にできることよりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-05-03T08:56:09Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

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。