要約
人工知能 (AI) は生活のあらゆる分野に浸透しており、その結果、人工知能の要件エンジニアリング (RE4AI) に新たな課題が生じています。たとえば、AI の要件を指定して検証することや、新たな倫理的影響により新しい品質要件を検討することの難しさなどが挙げられます。
既存の RE 手法で十分なのか、それともこれらの課題に対処するために新しい手法が必要なのかは、現時点では不明です。
したがって、私たちの目標は、RE4AI の包括的な概要を研究者や実践者に提供することです。
これまでに何が達成されたのか、つまり、どのような実践が利用可能であり、どのような研究のギャップや課題がまだ解決される必要があるのか?
これを達成するために、クエリ文字列検索と大規模なスノーボール法を組み合わせた体系的なマッピング調査を実施しました。
抽出されたデータは集約され、テーマ分析を使用して結果が統合されました。
私たちの選択プロセスにより、126 件の一次研究が含まれました。
既存の RE4AI 研究は主に要件の分析と抽出に焦点を当てており、ほとんどの実践がこれらの分野に適用されています。
さらに、要件の仕様、説明可能性、機械学習エンジニアとエンドユーザーとの間のギャップが、他のいくつかの課題とともに最も一般的な課題であることも特定しました。
さらに、これらの課題に対処するための 7 つの潜在的な研究の方向性を提案しました。
実務家は私たちの結果を利用して、AI ベースのシステムに取り組むための適切な RE 手法を特定して選択することができ、研究者は特定されたギャップと研究の方向性を基にしてこの分野を前進させることができます。
要約(オリジナル)
Artificial intelligence (AI) permeates all fields of life, which resulted in new challenges in requirements engineering for artificial intelligence (RE4AI), e.g., the difficulty in specifying and validating requirements for AI or considering new quality requirements due to emerging ethical implications. It is currently unclear if existing RE methods are sufficient or if new ones are needed to address these challenges. Therefore, our goal is to provide a comprehensive overview of RE4AI to researchers and practitioners. What has been achieved so far, i.e., what practices are available, and what research gaps and challenges still need to be addressed? To achieve this, we conducted a systematic mapping study combining query string search and extensive snowballing. The extracted data was aggregated, and results were synthesized using thematic analysis. Our selection process led to the inclusion of 126 primary studies. Existing RE4AI research focuses mainly on requirements analysis and elicitation, with most practices applied in these areas. Furthermore, we identified requirements specification, explainability, and the gap between machine learning engineers and end-users as the most prevalent challenges, along with a few others. Additionally, we proposed seven potential research directions to address these challenges. Practitioners can use our results to identify and select suitable RE methods for working on their AI-based systems, while researchers can build on the identified gaps and research directions to push the field forward.
arxiv情報
| 著者 | Umm-e- Habiba,Markus Haug,Justus Bogner,Stefan Wagner |
| 発行日 | 2024-09-11 11:28:16+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google