Mar, 2024

一种基于 AIC 的方法用于揭示开放复杂环境中的不可预测问题

PDF
TL;DR本研究论文提出一种提高架构师在设计和保障系统方面的预测能力的方法，重点研究在动态和不可预测环境下运行的系统。采用系统方法，旨在改善架构师在设计可靠系统（如基于机器学习的系统）方面的预测能力。通过航空航天案例研究，演示了该方法在复杂操作环境中识别多个影响飞机检测的因素（挑战），证明了我们方法的有效性。本方法主要旨在提高架构师的预测能力。
发现论文，激发创造
  • 构建更安全的自主航空系统

    本文讨论使用传统航空系统中的常见架构模式在集成人工智能和机器学习功能的情况下的安全性和保障问题，并通过将安全性视为架构属性来探讨设计生命周期早期涉及的安全性要求分配和架构权衡。

    Jan, 2023

  • 人工智能的系统挑战：伯克利视角

    该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

    Dec, 2017

  • 可预测的人工智能

    介绍可预测人工智能（Predictable AI）的基本概念和挑战，强调实现可预测性对于培养 AI 生态系统的信任、责任、控制、协调和安全至关重要，应该优先考虑；本文旨在阐明可预测人工智能的问题、假设和挑战，并呼吁寻找通往 AI 可预测性的途径，并概述这个新兴领域的潜在影响。

    Oct, 2023

  • 基于人工智能的软件和系统架构框架：以智能的网络物理系统为焦点

    本研究通过建立适应现代应用和组织要求的架构框架，针对数据科学和机器学习相关的利益相关者的需求，提出了用于评估和基准测试 ML-enabled CPS 的标准以及支持用户进行建模和开发管道的工具评估的标准。通过文献回顾、专家访谈和在线问卷调查等多种经验和定性研究方法，我们收集、分析和整合了来自 25 多个国家的 10 多个组织中 77 位专家的意见，以制定和验证所提出的框架。

    Aug, 2023

  • 关于地球系统可预测性的人工智能架构和共同设计视角

    该论文讨论了人工智能在地球系统可预测性方面的作用，提出了一种称为 ModEx 的新兴技术，介绍了人工智能架构和与其他 16 个会话主题协同研究的潜在研究方向，并提出了集成 AI/ML 和其他数据分析技术的异构高性能计算解决方案，以及 AI 传感器与地球系统测量和观测的融合。

    Apr, 2023

  • 监控人工智能系统：问题分析、框架和展望

    本文提出使用基于知识的系统监控运行中的 AI 系统并构建了一个框架来规划与此相关的研究方向和问题分析。

    May, 2022

  • 优化 IaC 配置：使用自然启发式计算的案例研究

    基于自然启发计算的工具用于解决软件工程问题，介绍了 IaC Optimizer 平台的最终版本，其主要贡献以及实现决策，并展示了一个真实世界的用例。

    Nov, 2023

  • 由需求到体系结构：基于人工智能的半自动软件体系结构生成之旅

    使用人工智能技术基于需求半自动生成软件架构候选方案，并通过定量分析和架构权衡分析方法进行自动评估和交叉分析，以提高生成架构模型的质量、效率和有效性。

    Jan, 2024

  • 通过多阶段不确定性感知推断维护用户信任

    描述和评估了一种多阶段的 AI 部署方法，通过各个阶段采用更准确的推理方法，但是每个阶段的参与都会增加成本。在阐述该架构时，我们提出了一种量化模型不确定性的方法，以便于自信地推迟决策。该架构目前正在印度数千名棉农中进行积极部署，而更广泛的思想适用于挑战性低资源环境中的 AI 部署的不断增长的领域。

    Dec, 2023

  • 协作人工智能系统的弹性建模

    通过实时学习和人机互动，以及对系统性能的自动追踪，本研究提出了一个新的框架来建模协同人工智能系统（CAIS）的性能，以应对系统遭遇破坏性事件时的需求。通过在一个真实案例中的测试，证明了该框架能够被应用于 CAIS 并整合到 CAIS 活动的在线执行中。

    Jan, 2024