論文の概要: Artificial Intelligence in Open Source Software Engineering: A Foundation for Sustainability

• arxiv url: http://arxiv.org/abs/2602.07071v1
• Date: Thu, 05 Feb 2026 20:53:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.421457
• Title: Artificial Intelligence in Open Source Software Engineering: A Foundation for Sustainability
• Title（参考訳）: オープンソースソフトウェアエンジニアリングにおける人工知能 - 持続可能な基盤
• Authors: S M Rakib UI Karim, Wenyi Lu, Sean Goggins,
• Abstract要約: レビューでは、人工知能がどのように活用され、オープンソースソフトウェアサステナビリティの課題に対処しているかを論じている。 Paperは、自動バグトリアージやシステムメンテナンスなど、この領域におけるAIの重要応用を特定している。 また、OSSコンテキストにおけるAIの適用から生じる制限と倫理的懸念についても検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-source software (OSS) is foundational to modern digital infrastructure, yet this context for group work continues to struggle to ensure sufficient contributions in many critical cases. This literature review explores how artificial intelligence (AI) is being leveraged to address critical challenges to OSS sustainability, including maintaining contributor engagement, securing funding, ensuring code quality and security, fostering healthy community dynamics, and preventing project abandonment. Synthesizing recent interdisciplinary research, the paper identifies key applications of AI in this domain, including automated bug triaging, system maintenance, contributor onboarding and mentorship, community health analytics, vulnerability detection, and task automation. The review also examines the limitations and ethical concerns that arise from applying AI in OSS contexts, including data availability, bias and fairness, transparency, risks of misuse, and the preservation of human-centered values in collaborative development. By framing AI not as a replacement but as a tool to augment human infrastructure, this study highlights both the promise and pitfalls of AI-driven interventions. It concludes by identifying critical research gaps and proposing future directions at the intersection of AI, sustainability, and OSS, aiming to support more resilient and equitable open-source ecosystems.
• Abstract（参考訳）: オープンソースソフトウェア(OSS)は、現代のデジタルインフラストラクチャの基礎となっているが、グループワークのこの状況は、多くの重要なケースにおいて十分なコントリビューションを確保するのに苦労し続けている。 この文献レビューでは、コントリビュータの関与の維持、資金確保、コード品質とセキュリティの確保、健全なコミュニティダイナミクスの育成、プロジェクト放棄の防止など、OSSサステナビリティに対する重要な課題に人工知能(AI)がどのように活用されているのかを論じる。 この論文は、最近の学際的な研究を合成し、自動バグトリアージ、システムメンテナンス、コントリビュータのオンボーディングとメンターシップ、コミュニティの健康分析、脆弱性検出、タスク自動化など、この領域におけるAIの重要応用を特定した。 このレビューはまた、データ可用性、バイアスと公正性、透明性、誤用リスク、共同開発における人間中心の価値観の保存など、OSSのコンテキストにAIを適用することで生じる制限と倫理的懸念についても検討している。 この研究は、AIを代替ではなく、人間のインフラを強化するツールとして利用することによって、AIによる介入の約束と落とし穴の両方を強調している。 結論は、重要な研究ギャップを特定し、AI、サステナビリティ、OSSの交差点における今後の方向性を提案し、よりレジリエントで公平なオープンソースエコシステムをサポートすることにある。

関連論文リスト

• Never Compromise to Vulnerabilities: A Comprehensive Survey on AI Governance [211.5823259429128]
  本研究は,本質的セキュリティ,デリバティブ・セキュリティ,社会倫理の3つの柱を中心に構築された,技術的・社会的次元を統合した包括的枠組みを提案する。 我々は,(1)防衛が進化する脅威に対して失敗する一般化ギャップ,(2)現実世界のリスクを無視する不適切な評価プロトコル,(3)矛盾する監視につながる断片的な規制,の3つの課題を特定する。 私たちのフレームワークは、研究者、エンジニア、政策立案者に対して、堅牢でセキュアなだけでなく、倫理的に整合性があり、公的な信頼に値するAIシステムを開発するための実用的なガイダンスを提供します。
  論文  参考訳（メタデータ） (2025-08-12T09:42:56Z)
• The Hidden Costs of AI: A Review of Energy, E-Waste, and Inequality in Model Development [0.0]
  レビューでは、AIの影響がパフォーマンスを超えて広がる4つの重要な領域について論じている。 モデルトレーニングからの高エミッション、ハードウェアのリターンアップ、グローバルインフラストラクチャの格差が強調されている。 最終的には、AIの進歩は倫理的責任と環境管理と一致しなければならない、と論じている。
  論文  参考訳（メタデータ） (2025-07-13T12:31:42Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Toward a Public and Secure Generative AI: A Comparative Analysis of Open and Closed LLMs [0.0]
  本研究では,オープンかつクローズドな生成型AIモデルの特徴,機会,課題を批判的に評価し,比較することを目的とする。 提案されたフレームワークは、重要な側面、オープン性、パブリックガバナンス、セキュリティを、信頼できる、包括的なGen AIの未来を形成するための必須の柱として概説している。
  論文  参考訳（メタデータ） (2025-05-15T15:21:09Z)
• A Framework for the Assurance of AI-Enabled Systems [0.0]
  本稿では,AIシステムのリスク管理と保証のためのクレームベースのフレームワークを提案する。 論文のコントリビューションは、AI保証のためのフレームワークプロセス、関連する定義のセット、AI保証における重要な考慮事項に関する議論である。
  論文  参考訳（メタデータ） (2025-04-03T13:44:01Z)
• Confronting the Reproducibility Crisis: A Case Study of Challenges in Cybersecurity AI [0.0]
  AIベースのサイバーセキュリティの重要な領域は、悪意のある摂動からディープニューラルネットワークを守ることに焦点を当てている。 VeriGauge ツールキットを用いて,認証されたロバスト性に関する先行研究の結果の検証を試みる。 私たちの発見は、標準化された方法論、コンテナ化、包括的なドキュメントの緊急性の必要性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2024-05-29T04:37:19Z)

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。