論文の概要: Sustainable AI: Environmental Implications, Challenges and Opportunities
- arxiv url: http://arxiv.org/abs/2111.00364v1
- Date: Sat, 30 Oct 2021 23:36:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 14:28:27.705702
- Title: Sustainable AI: Environmental Implications, Challenges and Opportunities
- Title(参考訳): 持続可能なAI:環境への影響、課題、機会
- Authors: Carole-Jean Wu, Ramya Raghavendra, Udit Gupta, Bilge Acun, Newsha
Ardalani, Kiwan Maeng, Gloria Chang, Fiona Aga Behram, James Huang, Charles
Bai, Michael Gschwind, Anurag Gupta, Myle Ott, Anastasia Melnikov, Salvatore
Candido, David Brooks, Geeta Chauhan, Benjamin Lee, Hsien-Hsin S. Lee, Bugra
Akyildiz, Maximilian Balandat, Joe Spisak, Ravi Jain, Mike Rabbat, Kim
Hazelwood
- Abstract要約: 我々は、産業規模の機械学習ユースケースにおけるモデル開発サイクルを調べることで、AIコンピューティングの炭素フットプリントを特徴づける。
ハードウェア・ソフトウェア設計と大規模最適化がAIのカーボンフットプリント全体の削減にどのように役立つのかを、エンドツーエンドで分析する。
- 参考スコア(独自算出の注目度): 13.089123643565724
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper explores the environmental impact of the super-linear growth
trends for AI from a holistic perspective, spanning Data, Algorithms, and
System Hardware. We characterize the carbon footprint of AI computing by
examining the model development cycle across industry-scale machine learning
use cases and, at the same time, considering the life cycle of system hardware.
Taking a step further, we capture the operational and manufacturing carbon
footprint of AI computing and present an end-to-end analysis for what and how
hardware-software design and at-scale optimization can help reduce the overall
carbon footprint of AI. Based on the industry experience and lessons learned,
we share the key challenges and chart out important development directions
across the many dimensions of AI. We hope the key messages and insights
presented in this paper can inspire the community to advance the field of AI in
an environmentally-responsible manner.
- Abstract(参考訳): 本稿では、データ、アルゴリズム、システムハードウェアにまたがる全体論的観点から、AIの超線形成長トレンドの環境影響を考察する。
我々は、AIコンピューティングのカーボンフットプリントを、産業規模の機械学習ユースケースにおけるモデル開発サイクルを調べ、同時に、システムハードウェアのライフサイクルを考慮することで特徴づける。
さらに一歩進めると、AIコンピューティングの運用と製造の炭素フットプリントをキャプチャし、ハードウェア・ソフトウェア設計と大規模最適化がAI全体の炭素フットプリントを減らすのにどう役立つか、エンドツーエンドの分析結果を示す。
業界経験と学んだ教訓に基づいて、私たちは重要な課題を共有し、aiのさまざまな側面にわたる重要な開発方向を図示します。
この論文で示された重要なメッセージや洞察が、コミュニティに環境に責任のある方法でAIの分野を前進させることを願っている。
関連論文リスト
- Learn to Code Sustainably: An Empirical Study on LLM-based Green Code
Generation [7.8273713434806345]
生成型商用AI言語モデルにより生成された自動生成符号の持続可能性を評価する。
3つのAI言語モデルによって生成された人為的なコードとコードのパフォーマンスとグリーンキャパシティを比較した。
論文 参考訳(メタデータ) (2024-03-05T22:12:01Z) - Green Edge AI: A Contemporary Survey [49.47249665895926]
グリーンエッジAIに関する現代の調査を紹介する。
その可能性にもかかわらず、エッジAIは重大な課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、ディープラーニング(DL)のリソース集約性との間の二分である。
我々は、エッジAIシステムにおける3つの重要なタスクに対して、トレーニングデータ取得、エッジトレーニング、エッジ推論を含むエネルギー効率の高い設計手法について検討する。
論文 参考訳(メタデータ) (2023-12-01T04:04:37Z) - Artificial Intelligence in Sustainable Vertical Farming [0.0]
持続可能な垂直農業におけるAIの役割を包括的に探求する。
このレビューは、機械学習、コンピュータビジョン、IoT(Internet of Things)、ロボット工学を含む、AIアプリケーションの現状を合成する。
この影響は、経済的な可能性、環境への影響の低減、食料安全保障の向上など、効率の向上を超えて拡大している。
論文 参考訳(メタデータ) (2023-11-17T22:15:41Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳(メタデータ) (2023-11-01T11:16:41Z) - Predictable Artificial Intelligence [67.79118050651908]
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
本稿では,予測可能なAIに関する疑問,仮説,課題を解明することを目的とする。
論文 参考訳(メタデータ) (2023-10-09T21:36:21Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - Machine Learning Approaches in Agile Manufacturing with Recycled
Materials for Sustainability [2.132096006921048]
本研究は, リサイクル・再生材料を用いたアジャイル製造における意思決定支援を通じて, 材料科学における環境持続可能性について論じる。
本稿では,機械学習モデルを用いて予測分析を行い,製造における意思決定支援を支援することによって,AIにおけるデータ駆動手法を提案する。
論文 参考訳(メタデータ) (2023-03-15T00:39:31Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Towards Sustainable Artificial Intelligence: An Overview of
Environmental Protection Uses and Issues [0.0]
本稿では,明日の生態学的課題に対応するエネルギー消費技術のパラドックスについて述べる。
これは、ユースケースや具体的な例を示すために、グリーンプレイヤー向けのAIから多くの例を引き合いに出している。
環境の次元は、AIの幅広い倫理的問題の一部であり、長期的にAIの持続可能性を保証するために不可欠である。
論文 参考訳(メタデータ) (2022-12-22T14:31:48Z) - Eco2AI: carbon emissions tracking of machine learning models as the
first step towards sustainable AI [47.130004596434816]
eco2AIでは、エネルギー消費の追跡と地域CO2排出量の正当性に重点を置いている。
モチベーションは、サステナブルAIとグリーンAI経路の両方で、AIベースの温室効果ガスの隔離サイクルの概念からもたらされる。
論文 参考訳(メタデータ) (2022-07-31T09:34:53Z) - A Survey on AI Sustainability: Emerging Trends on Learning Algorithms
and Research Challenges [35.317637957059944]
我々は、AIの持続可能性問題に対処できる機械学習アプローチの大きなトレンドについてレビューする。
我々は、既存の研究の大きな限界を強調し、次世代の持続可能なAI技術を開発するための潜在的研究課題と方向性を提案する。
論文 参考訳(メタデータ) (2022-05-08T09:38:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。