[論文レビュー] Software engineering for artificial intelligence and machine learning software: A systematic literature review

Elizamary Nascimento, Anh Nguyen‐Duc+2 more|arXiv (Cornell University)|Nov 7, 2020

Software Engineering Research参考文献 62被引用数 41

ひとこと要約

本論文はAI/MLシステムへのソフトウェア工学の適用方法を調査し、1990年から2019年までの実践、文脈、主要な課題を特定する。

ABSTRACT

Artificial Intelligence (AI) or Machine Learning (ML) systems have been widely adopted as value propositions by companies in all industries in order to create or extend the services and products they offer. However, developing AI/ML systems has presented several engineering problems that are different from those that arise in, non-AI/ML software development. This study aims to investigate how software engineering (SE) has been applied in the development of AI/ML systems and identify challenges and practices that are applicable and determine whether they meet the needs of professionals. Also, we assessed whether these SE practices apply to different contexts, and in which areas they may be applicable. We conducted a systematic review of literature from 1990 to 2019 to (i) understand and summarize the current state of the art in this field and (ii) analyze its limitations and open challenges that will drive future research. Our results show these systems are developed on a lab context or a large company and followed a research-driven development process. The main challenges faced by professionals are in areas of testing, AI software quality, and data management. The contribution types of most of the proposed SE practices are guidelines, lessons learned, and tools.

研究の動機と目的

• AI/MLシステムへのソフトウェア工学の適用における最新動向を理解する。
• AI/MLソフトウェアのために提案されたSE実践、ガイドライン、得られた教訓、およびツールを特定する。
• SE実践が適用される文脈（研究所対産業など）を分析し、適用可能性を評価する。
• 将来の研究を導くための制約と未解決の課題を浮き彫りにする。

提案手法

• 1990年から2019年に公開されたAI/MLのSE研究を系統的文献調査として実施する。
• SE実践をガイドライン、教訓、またはツールとして分類・要約する。
• 設定を跨ぐSE実践の文脈と適用可能性を総合する。
• 将来の研究を指導するための制約と未解決の研究課題を特定する。

実験結果

リサーチクエスチョン

• RQ1 AI/MLソフトウェア開発のために提案されたSE実践は何か？
• RQ2 これらのSE実践はどの文脈（研究室、産業界など）で適用され、どの程度適用可能か？
• RQ3 AI/MLシステムへの適用において報告されている主な課題と制約は何か？
• RQ4 文献の主な貢献のタイプは（ガイドライン、教訓、ツール）のどれが支配的か？
• RQ5 将来の研究が取り組むべきギャップは何か？

主な発見

• AI/MLシステムはしばしば研究室の文脈または大企業内で開発される。
• 開発は研究主導のプロセスに従う傾向がある。
• 主要な課題にはテスト、AIソフトウェア品質、およびデータ管理が含まれる。
• 提案されたSE実践のほとんどはガイドライン、教訓、またはツールである。