数字工程转型与可信 AI:迎接工业 4.0 中的新兴范式转变
本文提出了一个数字化框架,通过权衡每个层次的利弊,制定数字孪生系统的评价标准,评估所选数字孪生系统对组织流程、策略和价值创造的影响,来帮助实践者选择数字孪生系统中的适当复杂度,同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。
Jan, 2022
软件工程领域正在经历一场范式转变,人工智能系统如 LLMs 日益重要,提高软件开发生产力,未来五年,人类开发者与人工智能之间将会有日益增长的共生伙伴关系,软件工程研究社区必须重视这一趋势,我们需要解决将人工智能融入软件开发过程带来的关键研究挑战,本文提出我们对于 AI 主导软件开发领域未来的愿景,并探讨了研究社区在实现这一愿景上应该解决的关键挑战。
Jun, 2024
这项研究旨在考察不同信息流分类下个体对人工智能的感知,结果揭示了参与者对人工智能的定义和第四次工业革命的关键主题,包括人类智能的复制、机器学习、自动化和数字技术的整合。参与者对工作替代、隐私侵犯和人工智能提供的不准确信息表示担忧,但他们也认识到人工智能的好处,如解决复杂问题和增加便利性。对政府在塑造第四次工业革命方面的看法各不相同,有人主张严格监管,而其他人则支持和发展。第四次工业革命带来的预期变化包括自动化、潜在的就业影响、社会疏离和对技术的依赖。了解这些感知对于有效地管理与人工智能相关的挑战和机遇在不断变化的数字景观中至关重要。
Jul, 2023
提出了可信人工智能的七个技术要求和三个主要支柱的构建方法,并考虑到了系统整个生命周期中的所有过程和角色的可信性。同样,还介绍了通过审核过程提高人工智能系统的责任的概念,以及为了未来社会进步而必须面对的规制辩论。
May, 2023
数字孪生网络在网络编排、资源管理和人工智能模型训练及智能推理等方面具有重要作用,是实现 6G 网络的关键技术之一。本文探讨数字孪生网络与人工智能相互促进的机制,并为探索数字孪生网络与人工智能的未来研究方向提供参考。
Sep, 2022
本研究探讨基于人工智能的网络威胁检测以保护我们的现代数字生态系统,主要关注评估基于机器学习的分类器和集成模型,用于异常恶意软件检测和网络入侵检测,并探讨如何将这些模型整合到网络安全、移动安全和物联网安全的环境中。讨论重点是在企业系统和 IT 基础设施中部署和整合 AI 增强的网络安全解决方案的挑战,以及克服这些挑战的选择。最后,本文提供了未来研究方向,以进一步增强我们现代数字产业、基础设施和生态系统的安全性和韧性。
Oct, 2023
通过整合人工智能 / 机器学习(AI / ML)和数字孪生(DT)技术,工业 4.0 见证了复杂机器人的崛起。本文调查了针对 AI 和 DT 模型启用机器人的隐私攻击。讨论了 ML 模型的渗透和数据泄露,以及从一阶模型(如基于物理的模型)中提取模型的潜在能力。我们还讨论了 DT 集成机器人的设计考虑,涉及 ML 模型训练、负责任的 AI 和 DT 保障、数据治理和道德考虑对这些攻击的有效性的影响。我们主张一个可信的自治途径,强调将机器人、人工智能和数字孪生技术与强大的道德框架和可靠性原则相结合,以实现安全可靠的 AI 机器人系统。
Jun, 2024