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
- Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳(メタデータ) (2023-12-21T19:23:23Z) - SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
SoTaNaはオープンソースのソフトウェア開発アシスタントだ。
ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。
オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
論文 参考訳(メタデータ) (2023-08-25T14:56:21Z) - 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) - Generative AI Assistants in Software Development Education: A vision for
integrating Generative AI into educational practice, not instinctively
defending against it [10.238740117460386]
ジェネレーティブAI(GAI)アシスタントは、人々の想像力(と恐怖)に火をつけた
業界がどのように適応するかは不明だが、大規模なソフトウェア企業によってこれらの技術を統合する動きは、意図と方向性を明確に示している。
論文 参考訳(メタデータ) (2023-03-24T11:45:52Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳(メタデータ) (2022-12-10T07:49:50Z) - 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) - Building an AI-ready RSE Workforce [0.0]
機械学習とディープラーニングは、研究ソフトウェア開発ライフサイクルのあらゆる側面に適用されています。
我々は、AIが研究ソフトウェア開発とエンジニアに提示した今日の課題と機会について、私たちの見解について議論する。
論文 参考訳(メタデータ) (2021-11-09T02:36:24Z) - 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。