Fugu-MT 論文翻訳(概要): AI for software engineering: from probable to provable

論文の概要: AI for software engineering: from probable to provable

arxiv url: http://arxiv.org/abs/2511.23159v1
Date: Fri, 28 Nov 2025 13:14:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-01 19:47:55.902351
Title: AI for software engineering: from probable to provable
Title（参考訳）: ソフトウェアエンジニアリングのためのAI:確率から証明可能へ
Authors: Bertrand Meyer,
Abstract要約: 本稿では,人工知能の創造性と形式的仕様手法の厳密さと,形式的プログラム検証の能力を組み合わせる方法について検討する。解決策は? 人工知能の創造性と形式的仕様手法の厳密さと形式的プログラム検証の力を組み合わせること。
参考スコア（独自算出の注目度）: 31.729786132250425
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vibe coding, the much-touted use of AI techniques for programming, faces two overwhelming obstacles: the difficulty of specifying goals ("prompt engineering" is a form of requirements engineering, one of the toughest disciplines of software engineering); and the hallucination phenomenon. Programs are only useful if they are correct or very close to correct. The solution? Combine the creativity of artificial intelligence with the rigor of formal specification methods and the power of formal program verification, supported by modern proof tools.
Abstract（参考訳）: プログラムにAIテクニックを多用したバイブコーディングは、目標を特定することの難しさ(即興エンジニアリング)と、幻覚現象(幻覚現象)の2つの圧倒的な障害に直面している。プログラムは、それらが正しいか、あるいは非常に近い場合にのみ有用である。解決策は? 人工知能の創造性と形式的な仕様手法の厳密さと、現代的な証明ツールによって支援された形式的なプログラム検証の力を組み合わせる。

関連論文リスト

Agentic AI for Software: thoughts from Software Engineering community [9.966138715949205]
コードレベルでの一般的なソフトウェアタスクには、コード生成、テスト、プログラムの修復が含まれる。エージェントAIベースのソフトウェアを成功させる鍵は、ソフトウェアエンジニアリングにおける中核的な難しさ、すなわち開発者の意図の解読と明確化を解決することである。エージェント技術のソフトウェア工学への展開が成功すれば、エージェントを通じてそのような意図推論において概念的な進歩がもたらされる。
論文参考訳（メタデータ） (2025-08-24T12:57:21Z)
Quantum Artificial Intelligence for Software Engineering: the Road Ahead [9.447783914028262]
本稿では,ソフトウェア工学における量子AI(QAI)の適用に向けたロードマップを示す。量子最適化アルゴリズム(quantum optimization algorithm)と量子機械学習(quantum machine learning)の2つの主要なカテゴリについて考察する。ソフトウェアエンジニアリングへのQAIの適用を成功させるためには、対処すべき課題のいくつかについて概説する。
論文参考訳（メタデータ） (2025-05-07T20:47:18Z)
Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文参考訳（メタデータ） (2025-03-28T17:17:57Z)
Formal Mathematical Reasoning: A New Frontier in AI [60.26950681543385]
我々は公式な数学的推論を提唱し、AI4Mathを次のレベルに進めるには不可欠であると主張している。既存の進捗を要約し、オープンな課題について議論し、将来の成功を測るための重要なマイルストーンを想定します。
論文参考訳（メタデータ） (2024-12-20T17:19:24Z)
Abstraction Engineering [6.091612632147657]
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。
論文参考訳（メタデータ） (2024-08-26T07:56:32Z)
Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文参考訳（メタデータ） (2023-02-14T18:43:34Z)
Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
The application of artificial intelligence in software engineering: a review challenging conventional wisdom [0.9651131604396904]
この調査章は、ソフトウェア工学に適用されるAIの最も一般的な方法のレビューである。このレビューでは、1975年から2017年にかけての要件フェーズについて、46の主要なAI駆動手法が発見されている。この章の目的は、以下の質問に答えることである。
論文参考訳（メタデータ） (2021-08-03T15:59:59Z)
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)

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。