論文の概要: The AI Roles Continuum: Blurring the Boundary Between Research and Engineering
- arxiv url: http://arxiv.org/abs/2601.06087v1
- Date: Wed, 31 Dec 2025 05:00:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.629792
- Title: The AI Roles Continuum: Blurring the Boundary Between Research and Engineering
- Title（参考訳）: AIの役割は継続する - 研究とエンジニアリングの境界を壊す
- Authors: Deepak Babu Piskala,
- Abstract要約: 本稿では,研究科学者,研究技術者,応用科学者,機械学習技術者が,個別のカテゴリーではなく重複する位置を占める枠組みを提案する。
分散システム設計、大規模トレーニングと最適化、厳密な実験、出版志向の探求といった中核的な能力が、今やタイトル間で広く共有されていることを示す。
サイロ化ではなく流体としての役割を扱うことは、研究から生産までのループを短縮し、イテレーションのベロシティを改善し、組織的な学習を強化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid scaling of deep neural networks and large language models has collapsed the once-clear divide between "research" and "engineering" in AI organizations. Drawing on a qualitative synthesis of public job descriptions, hiring criteria, and organizational narratives from leading AI labs and technology companies, we propose the AI Roles Continuum: a framework in which Research Scientists, Research Engineers, Applied Scientists, and Machine Learning Engineers occupy overlapping positions rather than discrete categories. We show that core competencies such as distributed systems design, large-scale training and optimization, rigorous experimentation, and publication-minded inquiry are now broadly shared across titles. Treating roles as fluid rather than siloed shortens research-to-production loops, improves iteration velocity, and strengthens organizational learning. We present a taxonomy of competencies mapped to common roles and discuss implications for hiring practices, career ladders, and workforce development in modern AI enterprises.
- Abstract（参考訳）: ディープニューラルネットワークと大規模言語モデルの急速なスケーリングは、AI組織における"検索"と"エンジニアリング"の間に、かつては明確な隔たりがあったものを崩壊させた。
研究科学者、研究技術者、応用科学者、機械学習エンジニアが、個別のカテゴリではなく重複するポジションを占有するフレームワークであるAI Roles Continuumを提案する。
分散システム設計、大規模トレーニングと最適化、厳密な実験、出版志向の探求といった中核的な能力が、今やタイトル間で広く共有されていることを示す。
サイロ化ではなく流体としての役割を扱うことは、研究から生産までのループを短縮し、イテレーションのベロシティを改善し、組織的な学習を強化する。
現代AI企業における雇用慣行、キャリア・ラダース、労働開発への意味を論じる。
関連論文リスト
- Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。
提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
論文 参考訳（メタデータ） (2025-12-18T12:08:46Z) - SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。
実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。
回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
論文 参考訳（メタデータ） (2025-11-29T09:18:39Z) - Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。
このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。
我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-10-07T17:49:24Z) - From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery [67.07598263346591]
大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。
この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
論文 参考訳（メタデータ） (2025-05-19T15:41:32Z) - Generative AI and Empirical Software Engineering: A Paradigm Shift [9.284024538100063]
本稿では,大規模言語モデルのソフトウェア工学への統合が,確立した研究パラダイムをいかに破壊するかを考察する。
我々は、我々が研究している現象、我々が依存する方法や理論、分析するデータ、そして、動的AIを介する環境で発生する妥当性に対する脅威をどう変えるかについて議論する。
私たちの目標は、経験豊かなソフトウェアエンジニアリングコミュニティが、AIシステムが単なるツールではなく、ソフトウェアエンジニアリングとその研究を形作る活発な協力者の未来に、その質問や道具、検証基準を適合させることです。
論文 参考訳（メタデータ） (2025-02-12T04:13:07Z) - Employing Artificial Intelligence to Steer Exascale Workflows with Colmena [37.42013214123005]
Colmenaは、アプリケーションがどのようにイベントに反応するかを一連の協調エージェントとして定義することを可能にする。
エクサスケールシステムにアプリケーションをデプロイしている間に克服した課題と、AIによって強化された科学について説明する。
私たちのビジョンは、Colmenaが科学コンピューティングの多くの領域でAIを活用する創造的なソリューションを刺激することです。
論文 参考訳（メタデータ） (2024-08-26T17:21:19Z) - Articulation Work and Tinkering for Fairness in Machine Learning [5.4773558295476885]
本稿では,コンピュータ科学と学際研究(SOI)の公正なAI分野における緊張関係について検討する。
公正なAIの場合、有効な研究に必要なタスク、リソース、アクターを分析します。
CS研究者はある程度SOI研究に携わるが、組織的条件、調音作業、社会世界のあいまいさはSOI研究の実施可能性を制限する。
論文 参考訳（メタデータ） (2024-07-23T14:11:12Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z)
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。