本文阐述了需求工程（Requirements Engineering，简称 RE）在设计和实现负责任人工智能系统方面的重要性，并指出了研究与实践面临的相关挑战。

Feb, 2023

本研究提出了一种利用生成人工智能 (GenAI) 进行基于角色的模拟的工具的框架愿景，旨在促进需求分析过程中对多样化用户需求的表示，从而为人工智能软件的开发过程提供详细的用户叙述，以发展一种包容性的人工智能范式，确保未来的技术进步符合多样人类群体的需求。

Dec, 2023

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

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

人工智能的普遍存在和多样性需要在其设计中考虑到公平、信任和透明性的多样性和包容性原则，然而，这些考虑往往被忽视，导致偏见、歧视和不可信任的问题。本研究通过系统回顾挖掘了与人工智能中的多样性和包容性相关的挑战和解决方案，研究结果包括 55 个关于多样性和包容性的独特挑战和 33 个解决方案，以及 24 个关于使用人工智能来增强这些实践的独特挑战和 23 个解决方案。该研究将帮助研究人员和从业者更好地理解这些问题，并在未来的人工智能系统中融入这些原则。

Jul, 2023

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

本章节提出了人工智能（AI）中多样性和包容性的定义和概念，并给出了一系列实践指南，以确保这些考虑因素嵌入到 AI 系统的核心中，同时对数据科学家、项目领导人员提出了建议。

May, 2023

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

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