論文の概要: Recommendations for public action towards sustainable generative AI systems

• arxiv url: http://arxiv.org/abs/2402.01646v1
• Date: Thu, 4 Jan 2024 08:55:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-11 17:15:57.782858
• Title: Recommendations for public action towards sustainable generative AI systems
• Title（参考訳）: 持続的生成型aiシステムに向けた公共行動の提言
• Authors: Thomas Le Goff (EDF)
• Abstract要約: 本稿では,生成AIの環境フットプリントの構成要素について述べる。 これは、大規模な言語モデルのトレーニングに関連する大量のCO2排出量と水消費を強調します。 また, 環境負荷に影響を及ぼすモデルの特徴と要因についても検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Growing awareness of the environmental impact of digital technologies has led to several isolated initiatives to promote sustainable practices. However, despite these efforts, the environmental footprint of generative AI, particularly in terms of greenhouse gas emissions and water consumption, remains considerable. This contribution first presents the components of this environmental footprint, highlighting the massive CO2 emissions and water consumption associated with training large language models, thus underlining the need to rethink learning and inference methods. The paper also explores the factors and characteristics of models that have an influence on their environmental footprint and demonstrates the existence of solutions to reduce it, such as using more efficient processors or optimising the energy performance of data centres. The potentially harmful effects of AI on the planet and its ecosystem have made environmental protection one of the founding principles of AI ethics at international and European levels. However, this recognition has not yet translated into concrete measures to address it.To address this issue, our contribution puts forward twelve pragmatic recommendations for public action to promote sustainable generative AI, in particular by building a long-term strategy to achieve carbon neutrality for AI models, encouraging international cooperation to set common standards, supporting scientific research and developing appropriate legal and regulatory frameworks.This paper seeks to inform the members of the Interministerial Committee on Generative AI about the environmental challenges of this technology by providing a brief review of the scientific literature on the subject and proposing concrete recommendations of public policy actions to reconcile technological innovation with the need to protect our environment.
• Abstract（参考訳）: デジタル技術の環境への影響に対する意識が高まり、持続可能なプラクティスを促進するためのいくつかの独立した取り組みが導かれた。 しかし、これらの努力にもかかわらず、生成的AIの環境フットプリント、特に温室効果ガスの排出と水消費の面では、依然としてかなりの量である。 この貢献はまず、この環境フットプリントの構成要素を示し、大規模な言語モデルの訓練に伴う大量のCO2排出量と水消費を強調し、学習と推論の方法を再考する必要性を強調している。 この論文は、環境フットプリントに影響を及ぼすモデルの要因と特性を考察し、より効率的なプロセッサの使用やデータセンターのエネルギー性能の最適化など、その低減のためのソリューションの存在を実証する。 地球とその生態系に対するAIの潜在的有害な影響は、環境保護を、国際およびヨーロッパのレベルでAI倫理の確立原則の1つにしている。 However, this recognition has not yet translated into concrete measures to address it.To address this issue, our contribution puts forward twelve pragmatic recommendations for public action to promote sustainable generative AI, in particular by building a long-term strategy to achieve carbon neutrality for AI models, encouraging international cooperation to set common standards, supporting scientific research and developing appropriate legal and regulatory frameworks.This paper seeks to inform the members of the Interministerial Committee on Generative AI about the environmental challenges of this technology by providing a brief review of the scientific literature on the subject and proposing concrete recommendations of public policy actions to reconcile technological innovation with the need to protect our environment.

関連論文リスト

• Data Ecofeminism [0.0]
  ジェネレーティブ・人工知能(GenAI)は環境に大きな影響を与えている。 この論文は、GenAIイノベーションレースの緊急再評価を求めている。
  論文  参考訳（メタデータ） (2025-02-16T11:47:50Z)
• From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
  この議論の多くは、大きな間接効果に対処することなく直接的影響に集中している。 本稿では,Jevonsのパラドックス問題がどのようにAIに適用され,効率向上がパラドックス的に消費増加を促すかを検討する。 これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
  論文  参考訳（メタデータ） (2025-01-27T22:45:06Z)
• A Survey of Sustainability in Large Language Models: Applications, Economics, and Challenges [0.7889270818022226]
  大規模言語モデル(LLM)は、自然言語理解、生成、推論の高度な機能を提供することによって、多くのドメインを変換している。 研究、医療、クリエイティビティ・メディアといった業界にまたがる、画期的な応用にもかかわらず、彼らの急速な採用は持続可能性に関する重要な懸念を提起する。 本研究では, LLMの環境, 経済, 計算的課題について検討し, データセンターのエネルギー消費, 炭素排出量, 資源利用に着目した。
  論文  参考訳（メタデータ） (2024-12-06T05:20:04Z)
• 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)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• 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)
• AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
  国際機関が国際気候協定の遵守を保証できない。 RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。 IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
  論文  参考訳（メタデータ） (2023-07-10T20:05:42Z)
• Sustainable AI Regulation [3.0821115746307663]
  ICT部門は温室効果ガス排出量の3.9%を占める。 AIの炭素フットプリント水消費量、特にGPT-4のような大規模生成モデルは、持続可能性に関する重大な懸念を提起している。 この論文は、持続可能なAI規制を実現するための多面的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-01T02:20:48Z)
• 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)
• Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
  生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。 適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
  論文  参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。