論文の概要: Towards Climate Awareness in NLP Research

• arxiv url: http://arxiv.org/abs/2205.05071v1
• Date: Tue, 10 May 2022 17:56:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-14 09:14:57.835578
• Title: Towards Climate Awareness in NLP Research
• Title（参考訳）: NLP研究における気候意識
• Authors: Daniel Hershcovich, Nicolas Webersinke, Mathias Kraus, Julia Anna Bingler and Markus Leippold
• Abstract要約: われわれは、この不足が、環境影響のより徹底的な調査を可能にする、NLPレポートの重要人物が極めて少ない理由の1つだと論じている。 本稿では,実験と基礎となるコンピュータハードウェアに関する限られた情報のみを有効利用することを目的とした,気候評価モデルカードを提案する。
• 参考スコア（独自算出の注目度）: 10.803543106996775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The climate impact of AI, and NLP research in particular, has become a serious issue given the enormous amount of energy that is increasingly being used for training and running computational models. Consequently, increasing focus is placed on efficient NLP. However, this important initiative lacks simple guidelines that would allow for systematic climate reporting of NLP research. We argue that this deficiency is one of the reasons why very few publications in NLP report key figures that would allow a more thorough examination of environmental impact. As a remedy, we propose a climate performance model card with the primary purpose of being practically usable with only limited information about experiments and the underlying computer hardware. We describe why this step is essential to increase awareness about the environmental impact of NLP research and, thereby, paving the way for more thorough discussions.
• Abstract（参考訳）: AIの気候の影響、特にNLPの研究は、計算モデルのトレーニングと実行にますます使われている膨大な量のエネルギーを考えると、深刻な問題となっている。 これにより、効率の良いNLPに焦点が当てられる。 しかし、この重要なイニシアチブは、NLP研究の系統的な気候報告を可能にする単純なガイドラインを欠いている。 われわれは、この欠落が、環境影響のより徹底的な調査を可能にする、NLPレポートの重要人物がほとんどいない理由の1つだと論じている。 本稿では,実験と基礎となるコンピュータハードウェアに関する限られた情報のみを有効利用することを目的とした,気候評価モデルカードを提案する。 このステップがnlp研究の環境影響に対する認識を高める上で不可欠である理由を説明し,より詳細な議論への道筋を開く。

関連論文リスト

• Efficient Aspect-Based Summarization of Climate Change Reports with Small Language Models [0.0]
  我々は、気候変化レポートのアスペクトベース要約(ABS)のための新しいデータセットをリリースする。 我々は、この問題を解決するために、LLM(Large Language Models)といわゆるSmall Language Models(SLM)を用いています。 また, 現状の問題を考えると, SLM が炭素フットプリントの減少に繋がる一方で, 問題に悪影響を及ぼさないことを示す。
  論文  参考訳（メタデータ） (2024-11-21T16:28:32Z)
• The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
  我々は,NLP研究を構成するものについて,研究論文から定量的に検討する。 以上の結果から,NLPにおける機械学習の関与は,90年代前半から増加傾向にあることが明らかとなった。 2020年以降、言語と人々への関心が復活した。
  論文  参考訳（メタデータ） (2024-09-29T01:29:28Z)
• AI, Climate, and Transparency: Operationalizing and Improving the AI Act [2.874893537471256]
  本稿では、気候関連透明性に関するAI法の規定を批判的に検討する。 AI推論におけるエネルギー消費の排除を含む、重要な欠点を特定します。 本稿では,提案法の範囲内での推論関連エネルギー利用を復活させる新しい解釈を提案する。
  論文  参考訳（メタデータ） (2024-08-28T07:57:39Z)
• 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)
• Surveying (Dis)Parities and Concerns of Compute Hungry NLP Research [75.84463664853125]
  我々は,3つのトピック,すなわち環境影響,株式,およびピアレビューへの影響に関する懸念を定量化するための最初の試みを提供する。 我々は、高齢者、アカデミック、産業に関して、異なるグループと異なるグループ内の既存の(異なる)格差を捉えます。 私たちは、発見された格差を軽減するためのレコメンデーションを考案しました。
  論文  参考訳（メタデータ） (2023-06-29T12:44:53Z)
• A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
  本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。 我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。 我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
  論文  参考訳（メタデータ） (2023-05-22T11:08:00Z)
• A Major Obstacle for NLP Research: Let's Talk about Time Allocation! [25.820755718678786]
  本稿は、自然言語処理の分野では、私たちよりも成功しなかったことを論じる。 近年,NLP研究において,時間割当が大きな障害となっていることが実証された。
  論文  参考訳（メタデータ） (2022-11-30T10:00:12Z)
• Highlighting the Importance of Reducing Research Bias and Carbon Emissions in CNNs [1.2752808844888015]
  畳み込みニューラルネットワーク(CNN)は、コンピュータビジョンにおける大きな課題に対処する上で、一般的な場所となっている。 特定の重要な変数を無視しながら、パフォーマンス改善を過度に強調する傾向があります。 建築設計と評価においてこれらの変数を見渡すことは、研究バイアスと環境影響を著しく否定する結果となった。
  論文  参考訳（メタデータ） (2021-06-06T20:42:00Z)
• Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
  近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。 これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。 本稿では,本稿で開発したツールと方法論について紹介する。
  論文  参考訳（メタデータ） (2020-11-03T21:22:42Z)
• Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning [68.37641996188133]
  我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。 エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。 炭素排出量削減とエネルギー消費削減のための戦略を提案する。
  論文  参考訳（メタデータ） (2020-01-31T05:12:59Z)

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。