机器学习的非功能需求：理解工业界的当前应用与挑战
软件工程
2021-09-03 v1
摘要
机器学习（ML）是人工智能（AI）的一种应用，它利用大数据产生复杂的预测与决策系统，否则难以获得。为确保机器学习赋能系统的成功，必须了解 ML 解决方案的某些质量属性（性能、透明度、公平性），从需求工程（RE）视角来看这些被称为非功能需求（NFRs）。然而，当系统涉及 ML 时，传统软件的非功能需求可能不再以相同方式适用；某些非功能需求可能变得更突出或较不重要；非功能需求可能定义在 ML 模型、数据或整个系统之上；并且 ML 的非功能需求可能以不同方式度量。在这项工作中，我们旨在理解工业界处理 ML 非功能需求的现状与挑战。我们访谈了十位从事非功能需求与 ML 工作的工程从业者。我们发现了以下实例：（1）ML 非功能需求的识别与度量，（2）识别对 ML 而言更重要与较不重要的非功能需求，以及（3）工业界中与 NFR 和 ML 相关的挑战。这些知识描绘了 ML 相关非功能需求在实践中的处理方式，并有助于指导未来面向 ML 的需求工程工作。
引用
@article{arxiv.2109.00872,
title = {Non-functional Requirements for Machine Learning: Understanding Current Use and Challenges in Industry},
author = {Khan Mohammad Habibullah and Jennifer Horkoff},
journal= {arXiv preprint arXiv:2109.00872},
year = {2021}
}