Fugu-MT 論文翻訳(概要): Will AI replace Software Engineers? Do not hold your breath

論文の概要: Will AI replace Software Engineers? Do not hold your breath

arxiv url: http://arxiv.org/abs/2502.20429v2
Date: Mon, 03 Mar 2025 07:46:41 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-04 13:05:32.145140
Title: Will AI replace Software Engineers? Do not hold your breath
Title（参考訳）: AIはソフトウェアエンジニアを置き換えるのか?
Authors: Abhik Roychoudhury, Andreas Zeller,
Abstract要約: LLM(Large Language Models)のような人工知能技術は、コード作成において非常に人気がある。このことが、将来のソフトウェアジョブはLLMによってのみ実行されると推測され、ソフトウェア産業は存在し続けるだろう。しかし、ソフトウェアエンジニアリングは、コードを生成する以上のものです -- 特に、大規模なソフトウェアをメンテナンスし、信頼性を維持することは、ソフトウェアエンジニアリングの重要な部分です。
参考スコア（独自算出の注目度）: 17.241226376682253
License:
Abstract: Artificial Intelligence (AI) technology such as Large Language Models (LLMs) have become extremely popular in creating code. This has led to the conjecture that future software jobs will be exclusively conducted by LLMs, and the software industry will cease to exist. But software engineering is much more than producing code -- notably, \emph{maintaining} large software and keeping it reliable is a major part of software engineering, which LLMs are not yet capable of.
Abstract（参考訳）: 大規模言語モデル(LLM)のような人工知能(AI)技術は、コード作成において非常に人気がある。このことが、将来のソフトウェアジョブはLLMによってのみ実行されると推測され、ソフトウェア産業は存在し続けるだろう。しかし、ソフトウェアエンジニアリングは、コードを生成する以上のものです -- 特に、大規模なソフトウェアをメンテナンスし、信頼性を維持することは、LLMがまだできないソフトウェアエンジニアリングの重要な部分です。

関連論文リスト

Exploring Code Language Models for Automated HLS-based Hardware Generation: Benchmark, Infrastructure and Analysis [49.998130983414924]
LLM(Large Language Model)は、PythonやC++などのプログラミング言語に使用される。本稿では,LLMを利用してHLS(High-Level Synthesis)ベースのハードウェア設計を行う。
論文参考訳（メタデータ） (2025-02-19T17:53:59Z)
AI Software Engineer: Programming with Trust [33.88230182444934]
大きな言語モデル(LLM)は、コードスニペットを生成するのに驚くほどの習熟度を示している。 AIソフトウェアエンジニアのデプロイに成功するためには、人間主導のソフトウェアエンジニアリングプラクティスによって確立された信頼と同等以上の信頼レベルが必要である、と私たちは主張する。
論文参考訳（メタデータ） (2025-02-19T14:28:42Z)
LLMs: A Game-Changer for Software Engineers? [0.0]
GPT-3やGPT-4のような大規模言語モデル(LLM)は、従来のAIアプリケーションを超えた機能を備えた画期的なイノベーションとして登場した。ソフトウェア開発に革命をもたらす潜在能力は、ソフトウェアエンジニアリング(SE)コミュニティを魅了している。この記事では、LCMはソフトウェアの開発方法を変えるだけでなく、開発者の役割を再定義するものである、と論じる。
論文参考訳（メタデータ） (2024-11-01T17:14:37Z)
tl;dr: Chill, y'all: AI Will Not Devour SE [5.77648992672856]
ソーシャルメディアは、人工知能(AI)がソフトウェアエンジニアリング(SE)を無関係または時代遅れにする、という厳しい警告の着実にダイエットを提供する。逆に、ソフトウェアのエンジニアリングの規律は豊かで堅牢です。マシンラーニング、大規模言語モデル(LLM)、生成AIは、SEのモデルとメソッドを拡張する新たな機会を提供する。
論文参考訳（メタデータ） (2024-09-01T16:16:33Z)
Morescient GAI for Software Engineering (Extended Version) [2.4861619769660637]
我々は,オープンサイエンスの原則に従って,GAIモデルを設計し,発展し,普及させる方法について,ビジョンとロードマップを提示する。
論文参考訳（メタデータ） (2024-06-07T07:38:33Z)
Automatic Programming: Large Language Models and Beyond [48.34544922560503]
我々は,プログラマの責任に関するコード品質,セキュリティ,関連する問題について検討する。ソフトウェア工学の進歩が自動プログラミングを実現する方法について論じる。我々は、近い将来のプログラミング環境に焦点をあてて、先見的な視点で締めくくります。
論文参考訳（メタデータ） (2024-05-03T16:19:24Z)
Assured LLM-Based Software Engineering [51.003878077888686]
この記事では,2024年4月15日にポルトガルのリスボンで開催された International Workshop on Interpretability, Robustness, and Benchmarking in Neural Software Engineering で,Mark Harman 氏による基調講演の内容の概要を紹介する。
論文参考訳（メタデータ） (2024-02-06T20:38:46Z)
Embedded Software Development with Digital Twins: Specific Requirements for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。私たちは中小企業に現在の開発プロセスについてインタビューした。最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文参考訳（メタデータ） (2023-09-17T08:56:36Z)
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)
Explainable AI for Software Engineering [12.552048647904591]
まず、ソフトウェアエンジニアリングにおける説明可能なAIの必要性を強調します。次に、上記の課題に対処するために、説明可能なAI技術をどのように利用できるか、という3つのケーススタディを要約する。
論文参考訳（メタデータ） (2020-12-03T00:42:29Z)
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。