論文の概要: Abstraction Engineering
- arxiv url: http://arxiv.org/abs/2408.14074v1
- Date: Mon, 26 Aug 2024 07:56:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-27 14:42:58.994998
- Title: Abstraction Engineering
- Title（参考訳）: 抽象化工学
- Authors: Nelly Bencomo, Jordi Cabot, Marsha Chechik, Betty H. C. Cheng, Benoit Combemale, Andrzej Wąsowski, Steffen Zschaler,
- Abstract要約: 抽象化はすでに、ソフトウェア開発に関わる多くの分野で使われています。
本稿では、これらの新しい課題を考察し、抽象のレンズを通してそれらに取り組むことを提案する。
抽象化エンジニアリングの基礎について議論し、主要な課題を特定し、これらの課題に対処するための研究課題を強調し、将来の研究のロードマップを作成します。
- 参考スコア（独自算出の注目度）: 6.091612632147657
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern software-based systems operate under rapidly changing conditions and face ever-increasing uncertainty. In response, systems are increasingly adaptive and reliant on artificial-intelligence methods. In addition to the ubiquity of software with respect to users and application areas (e.g., transportation, smart grids, medicine, etc.), these high-impact software systems necessarily draw from many disciplines for foundational principles, domain expertise, and workflows. Recent progress with lowering the barrier to entry for coding has led to a broader community of developers, who are not necessarily software engineers. As such, the field of software engineering needs to adapt accordingly and offer new methods to systematically develop high-quality software systems by a broad range of experts and non-experts. This paper looks at these new challenges and proposes to address them through the lens of Abstraction. Abstraction is already used across many disciplines involved in software development -- from the time-honored classical deductive reasoning and formal modeling to the inductive reasoning employed by modern data science. The software engineering of the future requires Abstraction Engineering -- a systematic approach to abstraction across the inductive and deductive spaces. We discuss the foundations of Abstraction Engineering, identify key challenges, highlight the research questions that help address these challenges, and create a roadmap for future research.
- Abstract（参考訳）: 現代のソフトウェアベースのシステムは、急速に変化する条件の下で動作し、不確実性に直面している。
これに対し、システムはますます適応性を高め、人工知能の手法に依存している。
ユーザやアプリケーション領域(例えば、輸送、スマートグリッド、医療など)に関するソフトウェアの普及に加えて、これらのハイインパクトなソフトウェアシステムは、基本原則、ドメインの専門知識、ワークフローに関する多くの規律から必然的に引き出される。
コーディングの参入障壁を低くする最近の進歩は、必ずしもソフトウェアエンジニアではない、より広範な開発者のコミュニティにつながった。
そのため、ソフトウェア工学の分野は、それに従って適応し、幅広い専門家や非専門家によって、高品質なソフトウェアシステムを体系的に開発するための新しい方法を提供する必要がある。
本稿では、これらの新しい課題を考察し、抽象のレンズを通してそれらに取り組むことを提案する。
抽象化はすでに、昔ながらの古典的な推論推論やフォーマルなモデリングから、現代のデータサイエンスで使われている帰納的推論まで、ソフトウェア開発に関わる多くの分野で使われています。
未来のソフトウェアエンジニアリングには抽象化エンジニアリングが必要です。
抽象化エンジニアリングの基礎について議論し、主要な課題を特定し、これらの課題に対処するための研究課題を強調し、将来の研究のロードマップを作成します。
関連論文リスト
- Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - Deep Learning-based Software Engineering: Progress, Challenges, and Opportunities [29.934835831037347]
ディープラーニングベースのソフトウェアエンジニアリングに関する最初のタスク指向調査を示す。
ディープラーニングのテクニックに大きく影響された、12のソフトウェアエンジニアリングサブ領域をカバーする。
論文 参考訳（メタデータ） (2024-10-17T00:46:00Z) - Contemporary Software Modernization: Perspectives and Challenges to Deal with Legacy Systems [48.33168695898682]
2000年代初頭に研究テーマとして「ソフトウェア近代化」が登場した。
文学では膨大な量の著作があるにもかかわらず、かなりの限界がある。
論文 参考訳（メタデータ） (2024-07-04T15:49:52Z) - An Abstraction Hierarchy Toward Productive Quantum Programming [0.3640881838485995]
本稿では,量子ソフトウェア工学を支援する抽象階層を提案する。
現在の技術で見られるプログラミング、実行、ハードウェアモデル間の重複の結果について論じる。
私たちの研究は、量子プログラミングにおける具体的な概念上の課題とギャップを指していますが、第一のテーマは、進化は抽象的階層についての考え方に直感的に焦点を当てることです。
論文 参考訳（メタデータ） (2024-05-22T18:48:36Z) - Standardizing Knowledge Engineering Practices with a Reference Architecture [8.22187358555391]
本稿では,知識工学の分野でのベストプラクティスを調和させるビジョンを提案する。
本稿では,ユーザニーズと繰り返し発生するシステムパターンを関連付けるために,参照アーキテクチャを反復的に設計,実装する方法について述べる。
論文 参考訳（メタデータ） (2024-04-04T17:46:32Z) - 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) - 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) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - 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。