خرید و دانلود ترجمه فارسی مقاله مهندسی الزامات برای سیستم های مبتنی بر هوش مصنوعی چقدر بالغ است؟ یک مطالعه نقشه برداری سیستماتیک در مورد شیوه ها ، چالش ها و مسیرهای تحقیق آینده

چکیده

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.

چکیده به فارسی (ترجمه ماشینی)

هوش مصنوعی (AI) تمام زمینه های زندگی را تحت تأثیر قرار می دهد ، که منجر به چالش های جدیدی در مهندسی الزامات برای هوش مصنوعی (RE4AI) شد ، به عنوان مثال ، دشواری در تعیین و اعتبار سنجی الزامات برای هوش مصنوعی یا در نظر گرفتن الزامات کیفیت جدید به دلیل پیامدهای اخلاقی در حال ظهور.در حال حاضر مشخص نیست که آیا روشهای RE موجود کافی است یا اینکه به روشهای جدید برای رفع این چالش ها نیاز است.بنابراین ، هدف ما ارائه یک مرور کلی از Re4ai به محققان و پزشکان است.چه چیزی تاکنون به دست آمده است ، یعنی چه شیوه هایی در دسترس است و هنوز هم باید شکاف ها و چالش های تحقیقاتی مورد بررسی قرار گیرد؟برای دستیابی به این هدف ، ما یک مطالعه نقشه برداری سیستماتیک را با ترکیبی از جستجوی رشته پرس و جو و برفی گسترده انجام دادیم.داده های استخراج شده جمع شدند و نتایج با استفاده از تجزیه و تحلیل موضوعی سنتز شدند.روند انتخاب ما منجر به درج 126 مطالعه اولیه شد.تحقیقات RE4AI موجود عمدتاً بر تجزیه و تحلیل الزامات و انتخابات متمرکز است و بیشتر شیوه ها در این مناطق اعمال می شود.علاوه بر این ، ما مشخصات الزامات ، توضیح و شکاف بین مهندسان یادگیری ماشین و کاربران نهایی را به عنوان شایع ترین چالش ها ، به همراه چند مورد دیگر ، شناسایی کردیم.علاوه بر این ، ما هفت مسیر تحقیق بالقوه را برای رفع این چالش ها پیشنهاد کردیم.پزشکان می توانند از نتایج ما برای شناسایی و انتخاب روشهای مناسب برای کار بر روی سیستم های مبتنی بر هوش مصنوعی خود استفاده کنند ، در حالی که محققان می توانند بر روی شکاف ها و مسیرهای تحقیق مشخص شده برای پیشبرد این زمینه بسازند.