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

本文提出了一种新方法，支持自动化机器学习，帮助软件工程师在不需要深入了解人工智能的情况下，选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统，并进行智能能源领域的案例研究。

Mar, 2022

人工智能和软件工程是计算机科学中的两个重要领域。近年来，研究人员试图应用人工智能技术在软件开发的各个阶段，提高软件产品的整体质量。本文分析、评估和比较了两个使用不同人工智能技术解决现实世界难题的案例研究：IBM Watson 和 Google AlphaGo。根据这两个案例研究的分析，将深度学习和机器学习等人工智能技术应用于软件系统有助于智能系统的发展。然而，要在机器中复制人脑并将计算机视为思考者仍然存在很长的路要走。希望计算机和软件系统能够变得越来越智能，以帮助人类解决那些无法完成的现实世界难题。

Sep, 2023

人工智能在透明度和问责制方面面临持续的挑战，需要严格的文档支持。通过对文档实践的文献综述，我们提供了概述流行趋势、持久问题和影响文档编写的多方面因素的研究。我们对范围、目标受众、多模态支持和自动化程度等关键特征的分析，突出显示了文档实践的动态演进，强调了向更全面、有吸引力和自动化的文档编写的转变。

Jun, 2024

该研究论文提出了一个用于分析机器学习系统中软件工程最佳实践集的质量影响和优先级的框架，并介绍了适用于 ML 系统的分层软件质量模型 (SQM)。通过应用集函数优化技术，可以回答哪些实践集可以最大程度地增加 SQM 覆盖范围，哪些是最重要的，应该实施哪些实践以改善特定的质量方面。

Jun, 2023

本文提出了一个基于现有进展的全面质量管理框架视角，并确定了软件工程研究的新领域，以实现更可靠的人工智能。

Jun, 2020

本文讨论了从计算系统的角度出发如何进行人工智能的教育，并提供了一门针对智能计算架构的课程实践，旨在通过讲授人工智能加速器在 FPGA 平台的设计，来弥合人工智能和计算系统之间的差距。

Jun, 2022

本文探讨了如何利用 AI 工具在控制应用中，其中核心工具是自动微分，包括使用自动微分来线性化系统动态以进行局部稳定性分析，或用于坎曼滤波器的状态估计。我们还探讨了其他用途，例如将微分 - 代数方程转换为普通微分方程，以进行控制设计。此外，我们还研究了在模型预测控制应用程序中全局参数化状态向量和控制输入的机器学习模型的使用。对于每种考虑的用例，我们给出了示例和结果。

Jun, 2023

本文总结和评估了追求人工智能系统公正性的各种方法和技术，提出了定义、衡量和预防人工智能偏见的实用指南，并针对评估人工智能系统偏见的一些简单但常见方法提出了更为复杂和有效的替代方案。此外它还提供了一个共同的语言来解决领域内普遍存在的争议和混乱。它描述了涉及人工智能公正性的各种权衡，并提供了实用建议来平衡这些权衡。本文提供了关于人工智能从业者、组织领导、政策制定者的讨论和指南，以及为技术观众提供更多相关资料的链接。通过举例清晰阐述了本文中所提到的概念、挑战和建议。

Jul, 2022

研究指出，现有的机器学习开发环境和 API 缺乏足够的指导及软件工程最佳实践，需要在专门开发的机器学习应用程序开发方面扩展和适应软件工程概念、工具和技术，并为机器学习特定的软件工程提供充足的研究机会。

Mar, 2022