开发人工智能系统应当考虑与整合多样性和包容性原则，本研究旨在解决如何获取和捕捉多样性和包容性需求对人工智能系统的不足进行综合数据搜集和综合分析。

Nov, 2023

本文介绍了需求工程（RE）和可解释人工智能（XAI）之间的协同，讨论了 XAI 领域的挑战，并提出了框架和研究方向，以阐明 RE 实践如何缓解这些挑战。

Jun, 2022

本文提出了基于人类中心 AI 准则和用户调查的新框架，以帮助收集人类中心的 AI 软件的需求，该框架适用于 360 度视频虚拟现实应用的案例研究。研究结果表明，该方法可以帮助团队全面理解项目需求，并确定在 AI 软件工程过程的初始阶段和后期阶段需要捕获的需求。

Mar, 2023

该论文关注了 COMPLYING WITH THE EU AI Act 准则并开发实施 AI 系统的情况，分析了不同伦理准则的文献细节、伦理 AI 框架的适用性等问题，提出了伦理 AI 的限制以及进行可靠的 AI 开发的建议

May, 2023

本文旨在为负责 AI 的软件工程开发一份路线图，其关注点为多级治理、嵌入过程性实践的开发流程和通过体系结构风格、模式和技术构建设计负责 AI 系统

Mar, 2022

要在可行性、领域特征和风险考虑等方面综合权衡，才能更好地协商可解释性和系统性能之间的平衡，并为未来研究和最佳实践提供基础。

Jul, 2023

本文提出了两个新的软件库，即 hydra-zen 和 rAI-toolbox，这两个库旨在解决对负责任的人工智能工程的关键需求，包括使复杂的 AI 应用程序可配置，并使它们的行为可复现，以及以可扩展的方式评估和增强 AI 模型的鲁棒性。

Jan, 2022

介绍了人工智能技术的广泛应用和存在的问题，并提出了对 “AI 工程” 学科的需求，探讨了相关概念和需要解决的关键挑战。

Oct, 2019

本书章节探讨了人工智能（AI）与软件工程（SE）相融合的时代中，特别是要将自然语言处理（NLP）和生成式 AI 融入到企业关键软件系统中所面临的挑战。通过实际洞察、解决方案和示例，提供必要的知识和工具来有效地构建以 NLP 为核心的解决方案，并强调了在开发软件系统时处理与文本数据相关性越来越重要的新的需求工程任务。

Feb, 2024

现代软件是许多学科和应用环境中日常活动的重要组成部分。通过利用人工智能引入智能自动化在许多领域取得了突破。人工智能的有效性可以归因于诸多因素，其中之一是数据的不断增加。监管框架（如欧洲联盟的常规数据保护条例）出台以确保个人数据的保护。收集、处理或共享个人数据的软件系统必须符合这些法规。开发符合要求的软件在很大程度上取决于满足适用法规中规定的法律要求，这是软件开发流程中需求工程（RE）阶段的核心活动。RE 主要涉及对系统需求（包括法律要求）进行规定和维护。描述组织为处理个人数据而实施的政策的法律协议可以作为除法规外获取法律要求的另一信息来源。在本章中，我们探讨了分析法律要求的各种方法，并以 GDPR 为例进行了说明。具体来说，我们描述了从法规中创建机器可分析表示的可能替代方法，调查了现有的自动化手段以便对法规进行合规验证，并进一步反思了法律要求分析的当前挑战。

Nov, 2023