Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

IA générative pour l'architecture logicielle. Applications, défis et perspectives d'avenir

Created by
  • Haebom

Auteur

Matteo Esposito, Xiaozhou Li, Sergio Moreschini, Noman Ahmad, Tomas Cerny, Karthik Vaidhyanathan, Valentina Lenarduzzi, Davide Taibi

Contour

Cet article est le premier à analyser systématiquement l'impact de l'intelligence artificielle générative (GenAI) sur l'architecture logicielle. Nous avons examiné en détail les cas d'utilisation, la justification, le contexte, la convivialité et les défis futurs de GenAI en analysant diverses publications (évaluées par les pairs et littérature grise). Les résultats de l'étude montrent que GenAI est principalement utilisé pour l'aide à la décision architecturale et la reconfiguration d'architecture, et que le modèle OpenAI GPT, l'invite à quelques clichés et les techniques de génération augmentée récupérée (RAG) sont principalement utilisés. Il a été principalement appliqué aux premières étapes du cycle de vie du développement logiciel (SDLC), telles que les phases exigences-architecture et architecture-code, et les principales cibles étaient les architectures monolithiques et de microservices. Cependant, les tests rigoureux des résultats de GenAI faisaient généralement défaut. Les principaux défis comprenaient la précision des modèles, le phénomène d'hallucination, les aspects éthiques, les préoccupations en matière de confidentialité, le manque d'ensembles de données spécifiques à l'architecture et l'absence de cadres d'évaluation appropriés. En conclusion, GenAI présente un potentiel important pour la conception de logiciels, mais plusieurs défis doivent être relevés pour une adoption plus large.

Takeaways, Limitations

Takeaways:
GenAI montre un potentiel utile pour la conception et la reconfiguration des architectures logicielles.
Nous avons vérifié que le modèle OpenAI GPT et les techniques d'invite à quelques prises et RAG sont efficaces.
Prend en charge la prise de décision architecturale et présente des possibilités d'application efficace dans les premières phases du SDLC.
Limitations:
Manque de tests rigoureux des résultats de GenAI.
Précision du modèle et problèmes d'illusion.
Questions éthiques et de confidentialité.
Manque d’ensembles de données spécifiques à l’architecture.
Absence d’un cadre d’évaluation approprié.
Manque de transparence et d’explicabilité.
👍