Model-Driven Engineering for Artificial Intelligence — A Systematic Literature Review

要約

目的: この研究は、AI をサポートするモデル駆動エンジニアリング MDE (MDE4AI) の分野における既存の知識体系を調査し、今後の研究をさらに磨き、現在の最先端技術を定義することを目的としています。
方法: システム文献レビュー (SLR) を実施し、5 つの主要なデータベースから論文を収集し、その結果 703 件の候補研究が得られ、最終的に 15 件の主要研究が残りました。
各主要研究は、(1) MDE の原則と実践、および (2) CRISP-DM 方法論の段階に合わせた AI 開発サポートの段階の導入に関して評価および議論されます。
結果: この研究の結果は、MDE の柱となる概念 (メタモデル、具体的な構文、モデル変換) が、AI の懸念に明示的に対処するドメイン固有言語 (DSL) を定義するために活用されていることを示しています。
さまざまな MDE テクノロジが使用され、さまざまな言語ワークベンチが活用されます。
AI 関連の最も顕著な懸念は AI アルゴリズムのトレーニングとモデリングであり、時間のかかるデータセットの準備にはあまり重点が置かれていません。
CRISP-DM \textit{ビジネス理解} フェーズなど、要件の学際的なコミュニケーションをサポートするプロジェクトの初期フェーズはほとんど反映されません。
結論: この調査では、AI への MDE の使用はまだ初期段階にあり、広く使用されている単一のツールや方法はないことがわかりました。
さらに、現在のアプローチは、開発プロセス全体のサポートを提供するのではなく、開発の特定の段階に焦点を当てる傾向があります。
その結果、この研究は、AI における MDE の使用をさらに改善し、この分野の将来の研究を導くためのいくつかの研究の方向性を示唆しています。

要約(オリジナル)

Objective: This study aims to investigate the existing body of knowledge in the field of Model-Driven Engineering MDE in support of AI (MDE4AI) to sharpen future research further and define the current state of the art. Method: We conducted a Systemic Literature Review (SLR), collecting papers from five major databases resulting in 703 candidate studies, eventually retaining 15 primary studies. Each primary study will be evaluated and discussed with respect to the adoption of (1) MDE principles and practices and (2) the phases of AI development support aligned with the stages of the CRISP-DM methodology. Results: The study’s findings show that the pillar concepts of MDE (metamodel, concrete syntax and model transformation), are leveraged to define domain-specific languages (DSL) explicitly addressing AI concerns. Different MDE technologies are used, leveraging different language workbenches. The most prominent AI-related concerns are training and modeling of the AI algorithm, while minor emphasis is given to the time-consuming preparation of the data sets. Early project phases that support interdisciplinary communication of requirements, such as the CRISP-DM \textit{Business Understanding} phase, are rarely reflected. Conclusion: The study found that the use of MDE for AI is still in its early stages, and there is no single tool or method that is widely used. Additionally, current approaches tend to focus on specific stages of development rather than providing support for the entire development process. As a result, the study suggests several research directions to further improve the use of MDE for AI and to guide future research in this area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google