データ駆動型AI/MLコンポーネントの安全性に対する保証事例における試験および運用関連定量的証拠の統合【JST・京大機械翻訳】

Klaes Michael; Jockel Lisa; Adler Rasmus; Reich Jan

プレプリント

J-GLOBAL ID：202202212757739579 整理番号：22P0287925

データ駆動型AI/MLコンポーネントの安全性に対する保証事例における試験および運用関連定量的証拠の統合【JST・京大機械翻訳】

Integrating Testing and Operation-related Quantitative Evidences in Assurance Cases to Argue Safety of Data-Driven AI/ML Components

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年02月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

将来,AIは,ヒトへの物理的害を潜在的に引き起こすシステムへのその方法を見出すであろう。このような安全クリティカルシステムに対して,それらの残留リスクは許容できないことを実証すべきである。これは,特にそのようなシステムの安全関連機能の一部であるAI成分を含む。保険事例は,システムの安全性を実証するために,音響および包括的安全議論を指定するための今日の集中的に議論されたオプションである。以前の研究では,2つの相補的リスク受容基準に基づく保証事例を構造化することによって,AIコンポーネントの安全性を論じることが示唆されてきた。これらの基準の1つを用いてAIに関する定量的ターゲットを導いた。しかし,そのような定量的目標の達成を示すために一般的に提案された議論構造は,統計的試験からの故障率に焦点を当てる。さらなる重要な側面は,定性的な方法でのみ考慮されている。対照的に,本論文では,目標達成のためのより全体的な議論構造,すなわち,ランタイム側面とテスト結果を統合する構造,および定量的方法でのスコープコンプライアンスとテストデータ品質のインパクトを提案した。異なる議論オプションを詳述し,基礎となる数学的考察を提示し,それらの実際的応用に対する含意を考察した。提案した議論構造の使用は,保証事例の完全性を増加させるだけでなく,さもなければ正当化できない定量的標的に関する主張を可能にする。【JST・京大機械翻訳】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

計算機システム開発 , 食品衛生一般 , 信頼性

, , , , , , , , ,

前のページに戻る