Escolar Documentos
Profissional Documentos
Cultura Documentos
Engenharia de Software
QP.13. Quais são as técnicas, métodos, metodologias, frameworks e
ferramentas utilizadas pela literatura e pela indústria na
elicitação dos requisitos de software funcionais e não funcionais no
contexto de Inteligência Artificial?
November 3, 2022
Abstract
Por causa do comportamento complexo dos programas de Inteligência
Artificial, não existe um processo amplamente usado para lidar com os
requisitos de software(RS). Portanto, a engenharia de tais sistemas apre-
senta novos desafios para a engenharia de requisitos. Apresenta-se neste
artigo alguns requisitos de software funcionais e não funcionais usados em
RS no contexto de Inteligência Artificial.
Inteligência Artificial, Requisitos de software. Revista RBCA.
1 Introdução
Nos últimos anos, o avanço no processamento dos computadores a criação de
melhores algoritmos, permitiram o avanço da Inteligência Artificial. Muitas
dessas descobertas foram aplicadas com sucesso na prática, por exemplo, para
gerenciar requisitos de grande volume. Neste contexto, torna-se necessário ex-
plorar práticas de Requisitos de Software para desenvolver sistemas baseados
em IA.
O RS contém todas as especificações de requisitos para um sistema de soft-
ware, sejam requisitos funcionais (FR) ou requisitos não funcionais (NFR). Os
Requisitos Funcionais são uma descrição do serviço que o software deve oferecer,
geralmente define-se comportamentos que devem ter e que não. Os Requisitos
não funcionais impactam o sistema como um todo e interagem entre si e com os
requisitos funcionais. Escritos em linguagem natural informal, especificam como
o sistema deve fazer os requerimentos da FR e impede sua análise automatizada.
Em palavras mais simples, os requisitos não funcionais descrevem como o
sistema funciona, enquanto os requisitos funcionais descrevem o que o sistema
deve fazer.
1
Na Inteligência Artificial há recursos éticos que devem ser sempre segui-
dos: Dignidade e Sustentabilidade, Beneficência e Liberdade, Responsabilidade,
prestação de contas e não maleficência, Explicabilidade e Privacidade.
Atualmente, os cientistas de dados focam mais na seleção e qualidade dos
dados dos sistemas, em vez de buscar compreender o domı́nio do negócio e as
necessidades das partes interessadas. O ideal seria trabalhar com essas duas
áreas juntas.
2 Cenário de estudo
Pesquisas mostram que a literatura tem focado no uso de IA para gerenciar
atividades de ER, tornando a pesquisa em RE para IA mais escassa [2]. Além
disso, há certa complexidade em entender como gerenciar e produzir requisitos
para sistemas de Inteligência Artificial já que os próprios programas possuem
a capacidade de segui vários caminhos diferentes. Mesmo assim, temos que
compreender melhor os métodos e os problemas da RE para IA na atualidade.
Realiza-se uma pesquisa da literatura para identificar estudos teorias exis-
tentes da Engenharia de Requisitos no contexto de Inteligência Artificial. Foi
feita uma revisão de linguagens de modelagem usadas atualmente.
Para melhor compreensão deste artigo, apresenta-se uma breve explicação
linguagens de modelagem disponı́veis como Engenharia de Requisitos Orientada
a Objetivos (GORE), que preocupa-se com o uso de metas para elicitar, elaborar,
estruturar, especificar, analisar, negociar, documentar e modificar requisitos. A
Notação de Requisitos do Usuário(URN), que combina modelagem de objetivos
e cenários para dar suporte à elicitação, especificação, análise e validação de
requisitos. Também temos o Modelo Conceitual, que consiste em conceitos
usados para ajudar as pessoas a conhecer, compreender ou simular um assunto
que o modelo representa.
3 Métodos do estudo
Neste artigo realiza-se uma pesquisa da literatura para identificar estudos teo-
rias existentes da Engenharia de Requisitos no contexto de Inteligência Artificial.
Foi feita uma revisão de linguagens de modelagem usadas atualmente. Usa-se
plataformas de busca como Google Scholar, ResearchGate, IEEE Xplore e ar-
tigos apresentados em workshops como o RE4AI (International Workshop on
Requirements Engineering for Artificial Intelligence). Também foram pesquisa-
dos artigos do Artificial Intelligence and Requirements Engineering Workshop
(AIRE).
Para realizar esta Systematic Literature Review (SLR), foi seguido as três
fases descritas por Kitchenham et al.[5] com as seguintes perguntas:
1. Quais são as notações de requisitos e modelagem linguagens usadas na
construção de sistemas de IA?
2
2. Qual é o domı́nio de aplicação para cada estudo?
3. Quais são as limitações e desafios relatados em pesquisa?
4 Resultados do Estudo
Foi feita uma pesquisa mais aprofundada em três do artigos pesquisados:
3
4.2.3 Quais são as limitações e desafios relatados em pesquisa?
Foi exposto que os métodos de RE focam em requisitos que são centrados no
usuário e não fornecem atenção suficiente aos requisitos de dados.
5 Ameaças à validade
Como toda pesquisa sempre há uma margem de falha, os métodos utilizados nem
sempre serão a melhor solução e os resultados nem sempre serão os esperados
quando usados na vida real.
6 Discussão
Como visto, todos os métodos dos artigos acima descrevem o que o sistema
deve fazer, ou seja, são métodos de requisitos de softwares funcionais. Isso é por
haver menos pesquisas sobre modelagem de requisitos não funcionais na área de
Inteligência Artificial.
Visto que os artigos pesquisados não falam muito das dificuldades apresenta-
se algumas limitações e dificuldades que podem surgir durante o uso desses
métodos como a disponibilidade de de dados, o gasto na rotulagem de dados é
cara, difı́cil de registrar e reproduzir o que foi decidido no papel e privacidade
e segurança do conjunto de dados. Também há lacunas que surgem no desen-
volvimento para a prática da IA: a lacuna das habilidades dos Engenheiros de
software e cientistas de dados[7], conjuntos de dados disponı́veis e desejáveis[8],
prototipagem e suporte de ciclo de vida completo do projeto [6].
4
7 Conclusão
Neste estudo, concluı́mos que é necessária a pesquisa contı́nua de métodos para
requisitos de software em Inteligência Artificial. Novos desafios que podem
aumentar a dificuldade desta tarefa. No entanto, sem dúvida, a comunidade
RE será capaz de enfrentá-los.
8 Referências
1. Requirements Engineering in the Days of Artificial Intelligence. July
2020IEEE Software 37(4):7-10. DOI:10.1109/MS.2020.2986047
4. Luisa, M., Mariangela, F., Pierluigi, I.: Market research for requirements
analysis using linguistic tools. Requirements Engineering 9(1), 40–56
(2004)
5. B. Kitchenham and S. Charters, “Guidelines for performing systematic
literature reviews in software engineering,” 2007.