## Memo ## Memo with LLM ## Abstract 人工知能(AI)の急速な進歩は、様々な分野への統合につながり、特に大規模言語モデル([[LLM]])は人工知能生成コンテンツ(AIGC)の能力を大幅に向上させている。 しかし、AIシステムの複雑さは、その脆弱性を露呈しており、回復力と信頼性を確保するために、故障解析（FA）と故障注入（FI）のための堅牢な手法が必要となっている。 これらの技術の重要性にもかかわらず、AIシステムにおけるFAとFIの方法論に関する包括的なレビューは欠如している。 本研究は、AIシステムの6つのレイヤーにわたる既存のFAとFIアプローチの詳細な調査を提示することによって、このギャップを埋める。 160の論文とリポジトリを体系的に分析し、(1)AIシステムで一般的な障害は何か、(2)現在のFIツールはどのような種類の障害をシミュレートできるか、(3)シミュレートされた障害と現実の障害との間にどのようなギャップが存在するか、といった3つの研究課題に答える。 我々の調査結果は、AIシステムの故障の分類法を明らかにし、既存のFIツールの能力を評価し、実世界の故障とシミュレートされた故障との間の矛盾を浮き彫りにした。 さらに、本調査は、故障診断のフレームワークを提供し、FIにおける最先端技術を評価し、AIシステムの耐障害性を強化するためのFI技術の改善領域を特定することで、この分野に貢献する。