مقاله کنفرانسی سال ۱۴۰۵ فارسی

بازتعریف مهندسی نرم افزار در عصر هوش مصنوعی از سیستم های سایبر-فیزیکی تا پارادایم انسان محور

چکیده مقاله

با پدیدار شدن هوش مصنوعی مولد مدل های زبانی بزرگ و سیستم های خودمختار مهندسی نرم افزار از یک فرآیند صرفا فنی کدنویسی به یک اکوسیستم پیچیده اجتماعی فنی تغییر ماهیت داده است این تحول، پارادایم نیازمند بازنگری بنیادین در چرخه حیات توسعه نرم افزار با تمرکز بر تعاملات انسان و عامل های هوشمند است هدف اصلی این پژوهش تبیین نقشه راه آینده فرآیندهای توسعه و سیستم های نرم افزاری با تمرکز بر نقش محوری انسان، ارزیابی چالش های شناختی توسعه دهندگان و تحلیل رفتارهای پدیدار در محیط های سایبر فیزیکی است برای دستیابی به این هدف با اتکا به روش شناسی ساختاریافته تحلیلی و با به کارگیری تتراد رسانه ای «مک لوهان» به عنوان لنز نظری اثرات دگرگون کننده هوش مصنوعی را در چهار بعد، تقویت، منسوخ سازی، احیاء و معکوس شدن تحلیل می کند یافته های این تحقیق نشان می دهد که اگرچه هوش مصنوعی سرعت تولید کد را به شدت افزایش می دهد، اما چالش های عمیقی چون فرسودگی شناختی توسعه دهندگان، پدیده تماشاگر در عیب یابی، سوگیری الگوریتمی در واسط های کاربری سازگار و فروپاشی مدل را پدید می آورد همچنین مفهوم اصالت و صحت نرم افزار از یک ویژگی ایستا و پیش بینی پذیر به مفهوم سلامت اکوسیستم پدیدار و تاب آوری پویا تغییر یافته است که فراتر از معیارهای سنتی ارزیابی کیفیت قرار می گیرد بر اساس تحلیل های انجام شده، نتیجه گیری می شود که مهندسی نرم افزار در افق ۲۰۳۰ نیازمند همگرایی بین رشته ای با علوم شناختی، روان شناسی سازمانی و جامعه شناسی است تا بتواند پایداری، امنیت و اخلاق مداری را در تیم های ترکیبی انسان عامل هوشمند تضمین کند نقشه راه پیشنهادی در این مقاله چارچوبی عملیاتی برای طراحان، توسعه دهندگان و سیاست گذاران حوزه فناوری فراهم می سازد تا چالش های نوظهور را به فرصت های پایدار تبدیل کنند

کلیدواژه‌ها

نویسندگان

تصویر معین دهشیبی

معین دهشیبی

دبیر رسمی سازمان آموزش و پرورش استان سیستان و بلوچستان ناحیه دو زاهدان

تصویر معین دهشیبی

معین دهشیبی

دبیر رسمی سازمان آموزش و پرورش استان سیستان و بلوچستان ناحیه دو زاهدان

شیوه ارجاع

�هشیبی، معین،1405،بازتعریف مهندسی نرم افزار در عصر هوش مصنوعی از سیستم های سایبر-فیزیکی تا پارادایم انسان محور،نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات،مشهد

ارائه‌شده در

پوستر مجموعه مقالات نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات مجموعه مقالات نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات16 خرداد 1405 · مشهد
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۵ ۱۳۸ مشاهده

مقایسه عملکرد مدل های هوش مصنوعی بر روی پیش بینی فروش فروشگاه اینترنتی مطالعه موردی داده های شبیه سازی شده فروش (۲۰۲۲-۲۰۲۵)

پیش بینی دقیق فروش یکی از چالش های اساسی مدیران فروشگاه های اینترنتی در برنامه ریزی موجودی و تخصیص منابع…

فروشپیش بینیسری زمانی
مقاله کنفرانسی سال ۱۴۰۵ ۱۳۰ مشاهده

ارائه یک مدل مبتنی بر یادگیری ماشین برای تشخیص نفوذ در سیستم های اطلاعاتی و افزایش امنیت سایبری

امروزه با گسترش فناوری اطلاعات، توسعه زیرساخت های ارتباطی و وابستگی روزافزون سازمان ها به سیستم های اطلا…

تشخیص نفوذیادگیری ماشینسیستم های اطلاعاتی
مقاله کنفرانسی سال ۱۴۰۵ ۱۳۰ مشاهده

نفس هوش مصنوعی در بهبود فرایندهای مدیریت دانش

مدیریت دانش به عنوان یکی از ارکان حیاتی موفقیت در سازمان های مدرن امروزه با چالش هایی نظیر حجم عظیم داده…

استخراج دانشهوش مصنوعیمدیریت دانش
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۲ مشاهده

شخصی سازی وب با استفاده از روش کاوش قوانین انجمنی با آستانه حمایت تطبیقی

با رشد فزاینده اطلاعات در فضای وب نیاز به روش های موثر برای استخراج دانش پنهان و ارائه تجربه ای شخصی ساز…

وبشخصی سازیکاوش قوانین انجمنی
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۱ مشاهده

A Comprehensive Review and Categorization of Maximum Power Point Tracking (MPPT) Algorithms in Solar Photovoltaic Systems

Solar photovoltaic PV systems require robust Maximum Power Point Tracking MPPT algorithms to continuousl…

Photovoltaic SystemsPartial Shading ConditionsOptimization Algorithms
مقاله کنفرانسی سال ۱۴۰۵ ۱۱۹ مشاهده

AI-Based Deepfake Detection in Multimedia Content Using CNN and Transformer Models

The rapid advancement of generative artificial intelligence has enabled the creation of highly realistic…

Convolutional Neural NetworksDeepfake DetectionTransformer Models