Fugu-MT 論文翻訳(概要): Generative Artificial Intelligence for Software Engineering -- A Research Agenda

論文の概要: Generative Artificial Intelligence for Software Engineering -- A Research Agenda

arxiv url: http://arxiv.org/abs/2310.18648v1
Date: Sat, 28 Oct 2023 09:14:39 GMT
ステータス: 処理完了
システム内更新日: 2023-10-31 17:18:48.553465
Title: Generative Artificial Intelligence for Software Engineering -- A Research Agenda
Title（参考訳）: ソフトウェア工学のための生成型人工知能 --研究課題
Authors: Anh Nguyen-Duc, Beatriz Cabrero-Daniel, Adam Przybylek, Chetan Arora, Dron Khanna, Tomas Herda, Usman Rafiq, Jorge Melegati, Eduardo Guerra, Kai-Kristian Kemell, Mika Saari, Zheying Zhang, Huy Le, Tho Quan, Pekka Abrahamsson
Abstract要約: 我々は、GenAI for Software Engineeringの研究アジェンダを開発するために、文献レビューと5ヶ月間のフォーカスグループを実施しました。この結果から,GenAIを部分的自動化に適用し,すべてのソフトウェア開発活動における意思決定を支援することが可能であることが示唆された。 GenAIを実装する際の一般的な考慮事項は、業界レベルの評価、信頼性と正確性、データアクセシビリティ、透明性、技術に関連する持続可能性といった点である。
参考スコア（独自算出の注目度）: 8.685607624226037
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generative Artificial Intelligence (GenAI) tools have become increasingly prevalent in software development, offering assistance to various managerial and technical project activities. Notable examples of these tools include OpenAIs ChatGPT, GitHub Copilot, and Amazon CodeWhisperer. Although many recent publications have explored and evaluated the application of GenAI, a comprehensive understanding of the current development, applications, limitations, and open challenges remains unclear to many. Particularly, we do not have an overall picture of the current state of GenAI technology in practical software engineering usage scenarios. We conducted a literature review and focus groups for a duration of five months to develop a research agenda on GenAI for Software Engineering. We identified 78 open Research Questions (RQs) in 11 areas of Software Engineering. Our results show that it is possible to explore the adoption of GenAI in partial automation and support decision-making in all software development activities. While the current literature is skewed toward software implementation, quality assurance and software maintenance, other areas, such as requirements engineering, software design, and software engineering education, would need further research attention. Common considerations when implementing GenAI include industry-level assessment, dependability and accuracy, data accessibility, transparency, and sustainability aspects associated with the technology. GenAI is bringing significant changes to the field of software engineering. Nevertheless, the state of research on the topic still remains immature. We believe that this research agenda holds significance and practical value for informing both researchers and practitioners about current applications and guiding future research.
Abstract（参考訳）: Generative Artificial Intelligence(GenAI)ツールは、ソフトウェア開発においてますます普及し、さまざまな管理および技術プロジェクト活動の支援を提供している。これらのツールの有名な例としては、OpenAIs ChatGPT、GitHub Copilot、Amazon CodeWhispererがある。最近の多くの出版物はGenAIの応用を探求し評価しているが、現在の開発、アプリケーション、制限、オープンな課題に関する包括的理解は、多くの人にとってまだ不明である。特に、実用的なソフトウェアエンジニアリングのシナリオにおけるGenAI技術の現状の全体像は持っていません。ソフトウェア工学のためのgenaiの研究課題を開発するために,文献レビューとフォーカスグループを5ヶ月間実施した。ソフトウェア工学の11の領域で78のオープンリサーチ質問(rqs)を特定した。この結果から,GenAIを部分的自動化に適用し,すべてのソフトウェア開発活動における意思決定を支援することが可能であることが示唆された。現在の文献は、ソフトウェア実装、品質保証、ソフトウェアメンテナンスに偏っているが、要件工学、ソフトウェア設計、ソフトウェア工学教育といった他の分野には、さらなる研究の注意が必要である。 GenAIを実装する際の一般的な考慮事項は、業界レベルの評価、信頼性と正確性、データアクセシビリティ、透明性、技術に関連する持続可能性といった点である。 GenAIは、ソフトウェア工学の分野に大きな変化をもたらしている。しかし、この話題の研究状況はまだ未熟である。我々は,本研究課題が研究者と実践者の両方に現在の応用を知らせ,今後の研究を導く上で,意義と実践的価値を持っていると信じている。

関連論文リスト

Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。 Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文参考訳（メタデータ） (2024-11-01T14:27:16Z)
Students' Perceptions and Use of Generative AI Tools for Programming Across Different Computing Courses [1.7811951520198]
生成的人工知能(GenAI)の教育における利用に対する学生の認識と意見の調査が注目されている。学生がGenAIツールをどのように認識し利用しているかは、背景知識を含む多くの要因に依存する可能性がある。ヨーロッパ大の研究大学の全コンピュータプログラムの学生を対象に,3つの調査を行った。
論文参考訳（メタデータ） (2024-10-09T13:24:06Z)
Some things never change: how far generative AI can really change software engineering practice [5.17110203660516]
Generative Artificial Intelligence(GenAI)は、ソフトウェアエンジニアリング(SE)の活動に影響を及ぼす可能性のあるいくつかのツールが利用可能になり、新興技術になりつつある。我々は,SEにおけるGenAIに対する期待を明らかにするために,SE実践者との調査を行った。私たちの結果は、実践者は生産性、コーディング、プロセス品質の向上を期待していますが、いくつかの側面は変わらないと想定しています。
論文参考訳（メタデータ） (2024-06-14T05:26:42Z)
Legal Aspects for Software Developers Interested in Generative AI Applications [5.772982243103395]
生成人工知能(GenAI)は、高品質なコード、自然言語、画像を生成する新しい技術を生み出している。次のステップはGenAI技術を製品に統合することです。この記事では、データ保護と著作権という2つのリスクの現状について光を当てます。
論文参考訳（メタデータ） (2024-04-25T14:17:34Z)
Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文参考訳（メタデータ） (2024-04-10T16:18:11Z)
AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。 AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-07-27T23:02:24Z)
The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。この領域における最先端技術に関する広範な調査を提供する。
論文参考訳（メタデータ） (2023-05-08T15:24:23Z)
Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文参考訳（メタデータ） (2022-08-18T16:41:22Z)
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)
Software engineering for artificial intelligence and machine learning software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文参考訳（メタデータ） (2020-11-07T11:06:28Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)

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。