Fugu-MT 論文翻訳(概要): Artificial Intelligence Approaches for Energy Efficiency: A Review

論文の概要: Artificial Intelligence Approaches for Energy Efficiency: A Review

arxiv url: http://arxiv.org/abs/2407.21726v1
Date: Wed, 31 Jul 2024 16:24:52 GMT
ステータス: 処理完了
システム内更新日: 2024-08-01 17:31:11.964749
Title: Artificial Intelligence Approaches for Energy Efficiency: A Review
Title（参考訳）: エネルギー効率のための人工知能のアプローチ
Authors: Alberto Pasqualetto, Lorenzo Serafini, Michele Sprocatti,
Abstract要約: 国連は持続可能な開発目標を設定し、この論文は、第7(住宅・クリーンエネルギー)、第9(産業・イノベーション・インフラ)、第13(クライムアクション)の目標に焦点を当てている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: United Nations set Sustainable Development Goals and this paper focuses on 7th (Affordable and Clean Energy), 9th (Industries, Innovation and Infrastructure), and 13th (Climate Action) goals. Climate change is a major concern in our society; for this reason, a current global objective is to reduce energy waste. This work summarizes all main approaches towards energy efficiency using Artificial Intelligence with a particular focus on multi-agent systems to create smart buildings. It mentions the tight relationship between AI, especially IoT, and Big Data. It explains the application of AI to anomaly detection in smart buildings and a possible classification of Intelligent Energy Management Systems: Direct and Indirect. Finally, some drawbacks of AI approaches and some possible future research focuses are proposed.
Abstract（参考訳）: 国連は持続可能な開発目標を設定し、この論文は、第7(住宅・クリーンエネルギー)、第9(産業・イノベーション・インフラ)、第13(クライムアクション)の目標に焦点を当てている。気候変動は我々の社会の大きな関心事であり、このため、現在のグローバルな目的はエネルギーの無駄を減らすことである。この研究は、人工知能を用いたエネルギー効率に対する主要なアプローチをすべて要約し、スマートな建物を作るためのマルチエージェントシステムに焦点を当てている。 AI、特にIoTとビッグデータの密接な関係について言及している。スマートな建物における異常検出へのAIの適用と、Intelligent Energy Management Systems: Direct and Indirectの分類について説明している。最後に、AIアプローチのいくつかの欠点と将来の研究の焦点が提案されている。

関連論文リスト

Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
論文参考訳（メタデータ） (2024-09-21T14:43:54Z)
Toward Cross-Layer Energy Optimizations in AI Systems [4.871463967255196]
エネルギー効率は、人工知能の採用に歯止めをかける要因になる可能性が高い。人工知能(AI)や機械学習(ML)ツールや技術の普及によって、そのエネルギー効率が採用への歯止め要因になりそうである。これは、生成AI(GenAI)モデルが巨大なエネルギー豚であるからである。推論はさらにエネルギーを消費する。
論文参考訳（メタデータ） (2024-04-10T01:35:17Z)
Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文参考訳（メタデータ） (2024-02-28T16:09:56Z)
DeepEn2023: Energy Datasets for Edge Artificial Intelligence [3.0996501197166975]
我々は、エッジAIのための大規模エネルギーデータセットDeepEn2023を提案し、幅広いカーネル、最先端のディープニューラルネットワークモデル、一般的なエッジAIアプリケーションをカバーする。 DeepEn2023は、デバイス上でのディープラーニングにおける持続可能性の透明性を、さまざまなエッジAIシステムやアプリケーションにわたって改善することを期待しています。
論文参考訳（メタデータ） (2023-11-30T16:54:36Z)
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 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)
Low impact agency: review and discussion [0.0]
強力な人工知能は、AIがその目標を追求して世界を大きく変えることを決断した場合、現実的な脅威となる。低影響の人工知能の望みは、AIがそれをしないよう動機づけることである。
論文参考訳（メタデータ） (2023-03-06T13:55:42Z)
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)
AI Explainability and Governance in Smart Energy Systems: A Review [0.36832029288386137]
AIの説明可能性と管理可能性の欠如は、ステークホルダーにとって大きな関心事である。本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
論文参考訳（メタデータ） (2022-10-24T05:09:13Z)
Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文参考訳（メタデータ） (2021-10-04T19:41:42Z)
Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文参考訳（メタデータ） (2020-11-17T13:14:28Z)

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。