論文の概要: Analyzing and Debugging Normative Requirements via Satisfiability Checking

• arxiv url: http://arxiv.org/abs/2401.05673v1
• Date: Thu, 11 Jan 2024 05:32:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-12 19:58:56.650469
• Title: Analyzing and Debugging Normative Requirements via Satisfiability Checking
• Title（参考訳）: 満足度チェックによる標準要件の分析とデバッグ
• Authors: Nick Feng, Lina Marsso, Sinem Getir Yaman, Yesugen Baatartogtokh, Reem Ayad, Vict\'oria Oldemburgo de Mello, Beverley Townsend, Isobel Standen, Ioannis Stefanakos, Calum Imrie, Gena\'ina Nunes Rodrigues, Ana Cavalcanti, Radu Calinescu, Marsha Chechik
• Abstract要約: N-Checkは、N-NFR分析とデバッグのための新しいツールサポート形式である。 N-Check は N-NFR well-formedness の幅広いスペクトルを特定するために満足度チェックを採用している。 我々は、倫理学者、弁護士、哲学者、心理学者、安全アナリスト、技術者のチームがN-Checkを用いて233のN-NFRを分析・デバッグする9つのケーススタディを通じて、このアプローチの有効性と使用性を示した。
• 参考スコア（独自算出の注目度）: 3.381026523069792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As software systems increasingly interact with humans in application domains such as transportation and healthcare, they raise concerns related to the social, legal, ethical, empathetic, and cultural (SLEEC) norms and values of their stakeholders. Normative non-functional requirements (N-NFRs) are used to capture these concerns by setting SLEEC-relevant boundaries for system behavior. Since N-NFRs need to be specified by multiple stakeholders with widely different, non-technical expertise (ethicists, lawyers, regulators, end users, etc.), N-NFR elicitation is very challenging. To address this challenge, we introduce N-Check, a novel tool-supported formal approach to N-NFR analysis and debugging. N-Check employs satisfiability checking to identify a broad spectrum of N-NFR well-formedness issues (WFI), such as conflicts, redundancy, restrictiveness, insufficiency, yielding diagnostics which pinpoint their causes in a user-friendly way that enables non-technical stakeholders to understand and fix them. We show the effectiveness and usability of our approach through nine case studies in which teams of ethicists, lawyers, philosophers, psychologists, safety analysts, and engineers used N-Check to analyse and debug 233 N-NFRs comprising 62 issues for the software underpinning the operation of systems ranging from assistive-care robots and tree-disease detection drones to manufacturing collaborative robots.
• Abstract（参考訳）: ソフトウェアシステムが輸送や医療といったアプリケーション領域で人間と対話するようになると、利害関係者の社会的、法的、倫理的、共感的、文化的(SLEEC)規範や価値に関する懸念が高まる。 規範的非機能要件(N-NFR)は、システムの振る舞いにSLEEC関連境界を設定することによってこれらの懸念を捉えるために用いられる。 N-NFRは、広く異なる技術的専門知識(倫理学者、弁護士、規制当局、エンドユーザなど)を持つ複数の利害関係者によって特定する必要があるため、N-NFRの実施は非常に困難である。 N-Checkは,N-NFR解析とデバッギングのための新しいツールサポート形式である。 N-Checkは、紛争、冗長性、制限性、不十分性などの幅広いN-NFRの健康状態問題(WFI)の特定に満足度チェックを採用し、非技術ステークホルダーが理解し修正できるように、ユーザフレンドリーな方法で原因を特定できる診断を与える。 本研究は,n-checkを用いて233個のn-nfrの分析とデバッグを行い,支援型ロボットや樹木病検出ドローンから協調型ロボットの製作まで,システムの運用を基盤とするソフトウェアを62の課題から構成した9つの事例を通して,倫理学者,弁護士,哲学者,心理学者,心理学者,安全アナリスト,技術者のチームが実施した。

関連論文リスト

• AuditNet: A Conversational AI-based Security Assistant [DEMO] [10.941722434218262]
  我々は,Goのコンプライアンスチェックを容易にするために,多機能な対話型AIアシスタントフレームワークを提案する。 本フレームワークは,関連するコンテキスト認識情報のレビュー,インデックス作成,検索を自動化する。 このAIアシスタントは、コンプライアンスチェックに関わる手作業を削減するだけでなく、精度と効率を向上させる。
  論文  参考訳（メタデータ） (2024-07-19T08:33:07Z)
• Challenges for Responsible AI Design and Workflow Integration in Healthcare: A Case Study of Automatic Feeding Tube Qualification in Radiology [35.284458448940796]
  ナトリウムガスチューブ(NGT)は、鼻から胃に挿入されたチューブを供給し、栄養や薬品を供給している。 近年のAI開発は、チェストX線画像からNGT配置を堅牢に検出する可能性を示している。 本稿では,この問題に対する人間中心のアプローチを提案するとともに,コンテキスト調査および15の臨床ステークホルダとの詳細なインタビューの結果から得られた知見について述べる。
  論文  参考訳（メタデータ） (2024-05-08T14:16:22Z)
• Normative Requirements Operationalization with Large Language Models [3.456725053685842]
  規範的な非機能要件は、社会的、法的、倫理的、共感的、文化的規範の違反を避けるために、システムが観察しなければならない制約を規定する。 近年の研究では、規範的要件を特定するためにドメイン固有言語を使用してこの問題に対処している。 本稿では,システム機能の抽象表現間の意味的関係を抽出するために,大規模言語モデルを用いた補完的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-18T17:01:34Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• The Shifted and The Overlooked: A Task-oriented Investigation of User-GPT Interactions [114.67699010359637]
  実際のユーザクエリの大規模なコレクションをGPTに解析する。 ユーザインタラクションでは'設計'や'計画'といったタスクが一般的だが,従来のNLPベンチマークとは大きく異なる。
  論文  参考訳（メタデータ） (2023-10-19T02:12:17Z)
• Functional requirements to mitigate the Risk of Harm to Patients from Artificial Intelligence in Healthcare [0.0]
  本研究は、医療目的に関連するリスクを軽減するために、AIシステムが実装可能な14の機能要件を提案する。 ここでの私たちの意図は、将来のEU規制フレームワークに準拠した患者に、継続的なパフォーマンスとAIシステムの使用を保証するために、技術的なソリューションの特定のハイレベルな仕様を提供することです。
  論文  参考訳（メタデータ） (2023-09-19T08:37:22Z)
• Information-Theoretic Testing and Debugging of Fairness Defects in Deep Neural Networks [13.425444923812586]
  ディープフィードフォワードニューラルネットワーク(DNN)は、社会経済的決定支援ソフトウェアシステムにますます導入されている。 本稿では,DNNにおける公平性欠陥の検出とローカライズを行う情報理論テストおよびデバッグフレームワークDICEを提案する。 DICEは識別の量を効率よく特徴付けし、識別インスタンスを効果的に生成し、大きなバイアスを伴うレイヤ/ニューロンをローカライズする。
  論文  参考訳（メタデータ） (2023-04-09T09:16:27Z)
• The #DNN-Verification Problem: Counting Unsafe Inputs for Deep Neural Networks [94.63547069706459]
  #DNN-Verification問題は、DNNの入力構成の数を数えることによって安全性に反する結果となる。 違反の正確な数を返す新しい手法を提案する。 安全クリティカルなベンチマークのセットに関する実験結果を示す。
  論文  参考訳（メタデータ） (2023-01-17T18:32:01Z)
• Backward Reachability Analysis of Neural Feedback Loops: Techniques for Linear and Nonlinear Systems [59.57462129637796]
  本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。 フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。 フィードフォワードNNで表される制御ポリシを持つ線形系と非線形系のBP過近似を計算するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-28T13:17:28Z)
• Trustworthy Graph Neural Networks: Aspects, Methods and Trends [115.84291569988748]
  グラフニューラルネットワーク(GNN)は,さまざまな実世界のシナリオに対して,有能なグラフ学習手法として登場した。 パフォーマンス指向のGNNは、敵の攻撃に対する脆弱性のような潜在的な副作用を示す。 こうした意図しない害を避けるためには、信頼度に特徴付けられる有能なGNNを構築する必要がある。
  論文  参考訳（メタデータ） (2022-05-16T02:21:09Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)

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。