Systems Engineering and Artificial Intelligence

ویرایش: [1st ed. 2021] 
نویسندگان: William F. Lawless (editor),  Ranjeev Mittu (editor),  Donald A. Sofge (editor),  Thomas Shortell (editor),  Thomas A. McDermott (editor)  
سری:  
ISBN (شابک) : 3030772829, 9783030772826 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 584
[566] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 Mb 

قیمت کتاب (تومان) : 40,000



این کتاب یک نمای کلی از مزایای فلسفه طراحی مهندسی سیستم در معماری سیستم‌های پیچیده متشکل از هوش مصنوعی (AI)، یادگیری ماشین (ML) و انسان‌های مستقر در محیط‌های پر هرج و مرج را ارائه می‌دهد. موضوعات اصلی شامل ظهور، تأیید و اعتبار سیستم‌هایی است که از AI/ML و یکپارچه‌سازی سیستم‌های انسانی برای توسعه تیم‌های انسان-ماشین قوی و مؤثر - که در آن ماشین‌ها ممکن است به دلیل پیچیدگی AI/ML تعبیه‌شده‌شان درجات مختلفی از استقلال داشته باشند. فصول نه تنها آنچه آموخته شده را توصیف می کنند، بلکه سوالاتی را نیز مطرح می کنند که برای پیشبرد بیشتر علم عمومی خودمختاری باید به آنها پاسخ داده شود.

علم نحوه عملکرد انسان‌ها و ماشین‌ها به‌عنوان یک تیم نیازمند بینش‌هایی از جمله رشته‌هایی مانند علوم اجتماعی، فقه ملی و بین‌المللی، اخلاق و سیاست، و جامعه‌شناسی و روان‌شناسی است. علوم اجتماعی نحوه ایجاد زمینه، چگونگی تأثیر اعتماد وقتی که انسان ها و ماشین ها به یکدیگر وابسته هستند و چگونه تیم های انسان و ماشین به یک زبان توضیحی مشترک نیاز دارند، نشان می دهد. رویه قضایی ملی و بین‌المللی مسئولیت‌های قانونی شکست‌های غیر پیش پاافتاده انسان و ماشین را تعیین می‌کند، استانداردهای اخلاقی سیاست‌های جهانی را شکل می‌دهند، و جامعه‌شناسی مبنایی برای درک هنجارهای تیمی در بین فرهنگ‌ها فراهم می‌کند. بینش‌های روان‌شناسی ممکن است به ما کمک کند تا تأثیر منفی روی انسان‌ها را درک کنیم، اگر ماشین‌های مبتنی بر هوش مصنوعی شروع به عملکرد بهتر از هم تیمی‌های انسانی خود کنند و در نتیجه ارزش یا اهمیت آن‌ها را کاهش دهند. این کتاب متخصصان و افراد کنجکاو را دعوت می کند تا با ظهور علم خودمختاری مرز جدیدی را ببینند.

This book provides a broad overview of the benefits from a Systems Engineering design philosophy in architecting complex systems composed of artificial intelligence (AI), machine learning (ML) and humans situated in chaotic environments.   The major topics include emergence, verification and validation of systems using AI/ML and human systems integration to develop robust and effective human-machine teams―where the machines may have varying degrees of autonomy due to the sophistication of their embedded AI/ML.  The chapters not only describe what has been learned, but also raise questions that must be answered to further advance the general Science of Autonomy. 

The science of how humans and machines operate as a team requires insights from, among others, disciplines such as the social sciences, national and international jurisprudence, ethics and policy, and sociology and psychology. The social sciences inform how context is constructed, how trust is affected when humans and machines depend upon each other and how human-machine teams need a shared language of explanation. National and international jurisprudence determine legal responsibilities of non-trivial human-machine failures, ethical standards shape global policy, and sociology provides a basis for understanding team norms across cultures. Insights from psychology may help us to understand the negative impact on humans if AI/ML based machines begin to outperform their human teammates and consequently diminish their value or importance. This book invites professionals and the curious alike to witness a new frontier open as the Science of Autonomy emerges.