論文の概要: Agile System Development Lifecycle for AI Systems: Decision Architecture

• arxiv url: http://arxiv.org/abs/2501.09434v2
• Date: Fri, 17 Jan 2025 04:36:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-20 10:40:29.939399
• Title: Agile System Development Lifecycle for AI Systems: Decision Architecture
• Title（参考訳）: AIシステムのためのアジャイルシステム開発ライフサイクル:決定アーキテクチャ
• Authors: Asif Q. Gill,
• Abstract要約: 本稿では,AIシステム開発を支援するために,意思決定科学を用いてアジャイルSDLCを強化することを提案する。 提案手法の適用例を,保険請求処理の事例として示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Agile system development life cycle (SDLC) focuses on typical functional and non-functional system requirements for developing traditional software systems. However, Artificial Intelligent (AI) systems are different in nature and have distinct attributes such as (1) autonomy, (2) adaptiveness, (3) content generation, (4) decision-making, (5) predictability and (6) recommendation. Agile SDLC needs to be enhanced to support the AI system development and ongoing post-deployment adaptation. The challenge is: how can agile SDLC be enhanced to support AI systems? The scope of this paper is limited to AI system enabled decision automation. Thus, this paper proposes the use of decision science to enhance the agile SDLC to support the AI system development. Decision science is the study of decision-making, which seems useful to identify, analyse and describe decisions and their architecture subject to automation via AI systems. Specifically, this paper discusses the decision architecture in detail within the overall context of agile SDLC for AI systems. The application of the proposed approach is demonstrated with the help of an example scenario of insurance claim processing. This initial work indicated the usability of a decision science to enhancing the agile SDLC for designing and implementing the AI systems for decision-automation. This work provides an initial foundation for further work in this new area of decision architecture and agile SDLC for AI systems.
• Abstract（参考訳）: アジャイルシステム開発ライフサイクル(SDLC)は、従来のソフトウェアシステムを開発するための典型的な機能的および非機能的システム要件に焦点を当てている。 しかし,人工知能(AI)システムの性質は異なり,(1)自律性,(2)適応性,(3)コンテンツ生成,(4)意思決定,(5)予測可能性,(6)推薦といった特徴がある。 アジャイルSDLCは、AIシステム開発と進行中のデプロイ後の適応をサポートするために拡張する必要がある。 課題は: AIシステムをサポートするために、アジャイルSDLCをどのように拡張すればよいか? 本論文の範囲はAIシステムによる意思決定自動化に限られている。 そこで本稿では,AIシステム開発を支援するために,意思決定科学を用いてアジャイルSDLCを強化することを提案する。 意思決定科学(Decision Science)は、AIシステムを介して自動化される意思決定とそのアーキテクチャを特定し、分析し、記述するために有用と思われる意思決定の研究である。 具体的には、AIシステムにおけるアジャイルSDLCの全体的文脈において、決定アーキテクチャを詳細に論じる。 提案手法の適用例を,保険請求処理の事例として示す。 この最初の研究は、意思決定のためのAIシステムの設計と実装のためのアジャイルSDLCを強化するための意思決定科学のユーザビリティを示している。 この研究は、この新たな意思決定アーキテクチャとAIシステムのためのアジャイルSDLCにおける、さらなる研究の基盤を提供する。

関連論文リスト

• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  AIシステムは知恵を欠いている。 AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。 メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• The Switch, the Ladder, and the Matrix: Models for Classifying AI Systems [0.0]
  AI倫理の原則と実践の間にはまだギャップがある。 AI倫理を運用しようとする組織が直面する大きな障害のひとつは、明確に定義された材料スコープの欠如である。
  論文  参考訳（メタデータ） (2024-07-07T12:16:01Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• 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)
• End-User Development for Artificial Intelligence: A Systematic Literature Review [2.347942013388615]
  エンドユーザ開発(EUD)は、AIベースのシステムを自分たちのニーズに合わせて作成、カスタマイズ、あるいは適用することができる。 本稿では,AIシステムにおけるEUDの現在の状況に光を当てることを目的とした文献レビューを紹介する。
  論文  参考訳（メタデータ） (2023-04-14T09:57:36Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Intelligent Decision Assistance Versus Automated Decision-Making: Enhancing Knowledge Work Through Explainable Artificial Intelligence [0.0]
  我々は,新たなDSSクラス,すなわち知能決定支援(IDA)を提案する。 IDAは、自動意思決定を通じて知識労働者に影響を与えることなく、知識労働者をサポートする。 具体的には、具体的なAIレコメンデーションを保ちながら、説明可能なAI(XAI)の技術を使用することを提案する。
  論文  参考訳（メタデータ） (2021-09-28T15:57:21Z)
• 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)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。