یک چارچوب چندعاملی هوشمند برای مهندسی نیازمندیها با کمک هوش مصنوعی با استفاده از مدلهای زبان بزرگ
یک چارچوب چندعاملی هوشمند برای مهندسی نیازمندیها با کمک هوش مصنوعی با استفاده از مدلهای زبان بزرگ
مرتضی خانی دهنوئی1
1) گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی قوچان
کد IOI مقاله
:
ABEB-ABKCDA
محل انتشار :
چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
مهندسی الزامات (RE) یک مرحله اساسی از چرخه حیات توسعه نرمافزار (SDLC) است که به طور قابل توجهی بر کیفیت نرمافزار، هزینه توسعه، موفقیت پروژه و رضایت ذینفعان تأثیر میگذارد. با وجود دههها پیشرفت در مهندسی نرمافزار، فرآیند مهندسی الزامات همچنان به شدت به استخراج دستی، تجزیه و تحلیل، اعتبارسنجی و مستندسازی الزامات ذینفعان متکی است. این فعالیتهای دستی اغلب در سیستمهای نرمافزاری مدرن که با الزامات به سرعت در حال تکامل، ذینفعان توزیعشده و معماریهای پیچیده فزاینده مشخص میشوند، کار فشرده، مستعد خطا و مقیاسپذیری دشوار هستند. در حالی که پیشرفتهای اخیر در مدلهای زبان بزرگ (LLM) قابلیتهای قابل توجهی را در درک زبان طبیعی، استدلال معنایی و تولید خودکار محتوا نشان دادهاند، رویکردهای موجود در درجه اول از LLMها به عنوان دستیاران مستقل استفاده میکنند و پشتیبانی محدودی برای هماهنگی فعالیتهای بهم پیوستهای که چرخه حیات کامل مهندسی الزامات را تشکیل میدهند، ارائه میدهند. این مقاله یک چارچوب چندعاملی هوشمند برای مهندسی نیازمندیها با کمک هوش مصنوعی پیشنهاد میدهد که مدلهای زبان بزرگ را با عاملهای هوش مصنوعی مستقل تخصصی ادغام میکند تا فعالیتهای کلیدی مهندسی نیازمندیها، از جمله استخراج نیازمندیها، طبقهبندی، تشخیص ابهام، حل تعارض، اولویتبندی، مدیریت قابلیت ردیابی، اعتبارسنجی و تولید مشخصات نیازمندیهای نرمافزاری (SRS) را خودکار و هماهنگ کند. برخلاف رویکردهای موجود مبتنی بر LLM، معماری پیشنهادی یک الگوی چندعاملی مشارکتی را اتخاذ میکند که در آن عاملهای متخصص از طریق یک گردش کار هماهنگ، اطلاعات را تبادل میکنند و امکان اصلاح و اعتبارسنجی مداوم نیازمندیها را در طول فرآیند مهندسی فراهم میکنند.
کلمات کلیدی : مهندسی نیازمندیها مدلهای زبان بزرگ سیستمهای چندعاملی هوش مصنوعی مهندسی نرمافزار